基于监控图像质量的摄像头调控方法与流程

本申请涉及图像处理，具体涉及基于监控图像质量的摄像头调控方法。

背景技术：

1、对于暗光条件下的监控图像通常会出现对比度较低的情况，导致图像不清晰，影响监控图像的可用性。常规的算法一般是采用对比度增强的算法进行图像增强，以增加图像的可辨识度。例如，直方图均衡化、自适应直方图均衡化以及限制对比度自适应直方图均衡化（clahe）等。这几种方法核心均是采用直方图均衡化对图像进行对比度增强，以达到增强夜间图像的清晰度的目的。但是，在进行对比度增强方法时，过度增强会导致引入更多的噪声，而增强不足则会使图像达不到目标效果。

技术实现思路

1、为了解决上述技术问题，本发明提供基于监控图像质量的摄像头调控方法，以解决现有的问题。

2、本发明的基于监控图像质量的摄像头调控方法采用如下技术方案：

3、本发明一个实施例提供了基于监控图像质量的摄像头调控方法，该方法包括以下步骤：

4、获得低照度监控灰度图像；

5、将低照度灰度图像平均分得到像素块；根据各像素块中的灰度分布获取各像素块的亮度差异系数；根据各像素块与邻域像素块的亮度差异系数之间的差异获取初始截断参数；根据各像素块的灰度特征获取各像素块的有效灰度值；根据各像素块的有效灰度值分布获取有效细节指数；根据各像素块的边缘信息结合有效细节指数获取各像素块的细节承载量；将各像素块的细节承载量对各像素块的初始阶段参数进行修正获取各像素块的修正截断参数；根据修正截断参数获取增强图像；

6、根据低照度监控灰度图像以及增强图像获取生成器增强图像；根据生成器增强图像与低照度监控灰度图像的差异完成对摄像头的调控。

7、优选的，所述根据各像素块中的灰度分布获取各像素块的亮度差异系数，具体为：

8、分别计算各像素块的灰度平均值、灰度极值；计算像素块中各像素的灰度值与所述灰度平均值的差值绝对值的均值；将所述均值与所述灰度极值的乘积作为各像素块的亮度差异系数。

9、优选的，所述根据各像素块与邻域像素块的亮度差异系数之间的差异获取初始截断参数，具体为：

10、计算各像素块的所有邻域像素块亮度差异系数的均值；计算各像素块的亮度差异系数与所述均值的差值的倒数；将所述倒数进行归一化操作获取校正因子；所述校正因子的绝对值小于等于各像素块的亮度差异系数倒数的一半；将各像素块的亮度差异系数倒数与所述校正因子的和值作为各像素块的初始截断参数。

11、优选的，所述根据各像素块的灰度特征获取各像素块的有效灰度值，具体方法为：

12、统计像素块中各像素的灰度值分布频率；将灰度值分布频率从大到小进行排列；取灰度值分布频率前t的灰度值作为像素块的有效灰度值，其中t为预设值。

13、优选的，所述根据各像素块的有效灰度值分布获取有效细节指数，具体为：

14、分别计算各像素块有效灰度值的有效极值、有效均值以及有效方差；计算所述有效极值与所述有效方差的乘积；将所述乘积与所述有效均值倒数的和值记为各像素块的有效细节指数。

15、优选的，所述根据各像素块的边缘信息结合有效细节指数获取各像素块的细节承载量，具体表达式为：

16、

17、式中，表示第i个像素块的细节承载量；表示有效灰度细节指数；n表示该像素块的像素总数；表示该像素块中边缘点的个数；c表示第i个像素块中第j个元素的八邻域中属于边缘点的像素个数；e表示第i个像素块中第j个像素的八邻域中非边缘点的像素个数；表示第i个像素块第j个像素的八邻域中第k个非边缘点的灰度值；表示第i个像素块第j个元素的灰度值。

18、优选的，所述修正截断参数具体为各像素块的细节承载量与各像素块的初始阶段参数乘积的归一化值。

19、优选的，所述根据修正截断参数获取增强图像，具体步骤包括：

20、将低照度监控灰度图像作为限制对比度自适应直方图均衡化算法的输入，参数为修正截断参数，将增强图像作为限制对比度自适应直方图均衡化算法的输出。

21、优选的，所述根据低照度监控灰度图像以及增强图像获取生成器增强图像，具体为：

22、将低照度监控灰度图像和增强图像作为无监督低照度图像增强模型的输入，将生成器增强图像作为无监督低照度图像增强模型的输出。

23、优选的，所述根据生成器增强图像与低照度监控灰度图像的差异完成对摄像头的调控，具体步骤包括：

24、获取生成器增强图像与低照度监控灰度图像的差异图像；将所述差异图像作为卷积神经网络模型的输入，将摄像头hdr开关参数作为卷积神经网络的输出；所述摄像头hdr开关参数包括打开和关闭。

25、本发明至少具有如下有益效果：

26、本发明通过对低照度监控图像进行增强，以达到改善监控图像质量的目的。具体而言，本发明采用限制对比度自适应直方图均衡化技术对原始图像进行对比度增强，同时根据图像的细节承载量特性和灰度值分布关系，自适应选择直方图均衡化过程中的截断参数，使用自适应的截断参数可以减少增强过程中产生的噪声。

27、同时，将原始图像和经过对比度增强的图像一起用于训练无监督低照度图像增强模型，以生成更加清晰的增强图像。通过对比度增强可以提高低照度监控图像的可视性和信息量。此外，采用无监督的方式训练图像增强模型，不需要人为标注增强图像，从而降低了训练成本和复杂度。最后利用卷积神经网络对摄像头获取图像进行判断并对摄像头实现精准调控。

技术特征：

1.基于监控图像质量的摄像头调控方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的基于监控图像质量的摄像头调控方法，其特征在于，所述根据各像素块中的灰度分布获取各像素块的亮度差异系数，具体为：

3.如权利要求1所述的基于监控图像质量的摄像头调控方法，其特征在于，所述根据各像素块与邻域像素块的亮度差异系数之间的差异获取初始截断参数，具体为：

4.如权利要求1所述的基于监控图像质量的摄像头调控方法，其特征在于，所述根据各像素块的灰度特征获取各像素块的有效灰度值，具体方法为：

5.如权利要求1所述的基于监控图像质量的摄像头调控方法，其特征在于，所述根据各像素块的有效灰度值分布获取有效细节指数，具体为：

6.如权利要求1所述的基于监控图像质量的摄像头调控方法，其特征在于，所述根据各像素块的边缘信息结合有效细节指数获取各像素块的细节承载量，具体表达式为：

7.如权利要求1所述的基于监控图像质量的摄像头调控方法，其特征在于，所述修正截断参数具体为各像素块的细节承载量与各像素块的初始阶段参数乘积的归一化值。

8.如权利要求1所述的基于监控图像质量的摄像头调控方法，其特征在于，所述根据修正截断参数获取增强图像，具体步骤包括：

9.如权利要求1所述的基于监控图像质量的摄像头调控方法，其特征在于，所述根据低照度监控灰度图像以及增强图像获取生成器增强图像，具体为：

10.如权利要求1所述的基于监控图像质量的摄像头调控方法，其特征在于，所述根据生成器增强图像与低照度监控灰度图像的差异完成对摄像头的调控，具体步骤包括：

技术总结
本发明涉及图像处理技术领域，具体涉及基于监控图像质量的摄像头调控方法，包括以下步骤：获得低照度监控灰度图像；对低照度监控灰度图像的各像素块以及邻域像素块的灰度分布进行分析，获取初始截断参数；对各像素块中的灰度特征结合边缘像素的分布构建细节承载量；将初始阶段参数与细节承载量进行结合获取修正截断参数；获取增强图像；训练无监督低照度图像增强模型获取生成器增强图像；训练卷积神经网络模型实现对摄像头的精准调控，有效提升低照度环境下监控图像的质量。

技术研发人员：王文雄
受保护的技术使用者：深圳市锐能安防科技有限公司
技术研发日：
技术公布日：2024/1/15