一种基于多通路分解的夜间图像增强方法转让专利
申请号 : CN201910218341.9
文献号 : CN109886901B
文献日 : 2021-07-02
发明人 : 杨开富 , 张显石 , 李永杰
申请人 : 电子科技大学
摘要 :
权利要求 :
1.一种基于多通路分解的夜间图像增强方法,其特征在于,包括:S1、根据待处理夜间图像全局噪声水平的估计,将待处理夜间图像分解为基底层图像和细节层图像;通过求解优化问题:获得分解后图像的为基底层图像 而对应细节层图像为c c
其中λ,c∈{R,G,B}为正则化参数, 表示梯度运算符,I(x,y)表示待处理的图像,(x,y)表示图像像素点坐标;
S2、对基底层图像进行亮度适应计算;具体为:采用颜色空间变换提取基底层图像的亮度通道,然后对亮度通道图像进行亮度适应计算,得到亮度适应后的亮度通道图像;
亮度适应后的亮度通道图像的表达式为:k
其中, ωg(x,y)=Lin(x,y) ,ωl(x,y)=1‑ωg(x,y),n=exp(σg);(x,y)表示图像像素点坐标,Lin(x,y)为从基底层图像中提取的亮度通道图像,Mg为亮度通道图像的像素均值,Sg为亮度通道图像像素的标准差,Sl(x,y)为亮度通道图像中像素点(x,y)位置处的局部标准差,Lout(x,y)为亮度适应后的亮度通道图像,k为设定的参数,ws为对比度权重系数;
S3、对亮度适应后的基底层图像进行颜色矫正;
S4、对细节层图像进行边缘保护和噪声抑制;
S5、将步骤S3得到的基底层图像与步骤S4得到的细节层图像进行融合,得到增强后的夜间图像。
2.根据权利要求1所述的一种基于多通路分解的夜间图像增强方法,其特征在于,步骤S1具体为:提取待处理夜间图像的红、绿、蓝三个颜色通道,对每个颜色通道的图像进行噪声估计,得到反映每个通道全局噪声水平的估计值;以各通道的全局噪声水平估计值作为正则化参数,对该颜色通道图像进行分解,得到各颜色通道分解后的基底层图像和细节层图像。
3.根据权利要求2所述的一种基于多通路分解的夜间图像增强方法,其特征在于,通道图像基于全变分模型进行分解。
4.根据权利要求3所述的一种基于多通路分解的夜间图像增强方法,其特征在于,步骤S3具体为:对于步骤S1得到的某个颜色通道的基底层图像,结合各颜色通道亮度适应前与亮度适应后的亮度通道图像,对该颜色通道的基底层图像进行颜色矫正处理,得到颜色矫正后的基底层图像。
5.根据权利要求4所述的一种基于多通路分解的夜间图像增强方法,其特征在于,颜色矫正后的基底层图像表达式为:
其中,Lout(x,y)为适应后的亮度通道图像,参数s取值范围为:[0,1]。
6.根据权利要求5所述的一种基于多通路分解的夜间图像增强方法,其特征在于,步骤S4具体为:对各颜色通道的细节层图像进行取绝对值处理,获得各颜色通道对应的绝对值图像,再对各颜色通道对应的绝对值图像进行高斯滤波处理获得每个像素点的局部能量;
依次将每个像素点的局部能量值与该像素点在对应细节层图像中的灰度值相乘,获得每个像素点进行噪声抑制后的值;最终获得经过边缘保护和噪声抑制后的各颜色通道的细节层图像。
说明书 :
一种基于多通路分解的夜间图像增强方法
技术领域
背景技术
监控系统等。因此,对设备采集到的低质量夜间图像进行视觉增强的预处理(如去噪、亮度
增强、细节增强等)具有重要意义。比较典型的夜间或低亮度图像增强方法有基于光源估计
的图像增强方法(LIME),参见文献“X.Guo,Y.Li,and H.Ling,“LIME:Low‑light image
enhancement via illumination map estimation,”IEEE Trans.Image Processing,
vol.26,no.2,pp.982–993,2017.”。该方法对亮度增强效果较好。而对于噪声的处理,该方
法中的采用的方案是在图像增强后,另外加上一个图像去噪方法作为后处理。但是,由于图
像噪声在亮度增强的过程中被放大,因此现有的去噪算法并不能很好地去除噪声。
发明内容
道的图像进行噪声估计,得到反映每个通道全局噪声水平的估计值;以各通道的全局噪声
水平估计值作为正则化参数,基于全变分模型对该颜色通道图像进行分解,得到各颜色通
道分解后的基底层图像和细节层图像。
提取的亮度通道图像,Mg为亮度通道图像的像素均值,Sg为亮度通道图像像素的标准差,Sl
(x,y)为亮度通道图像中像素点(x,y)位置处的局部标准差,Lout(x,y)为亮度适应后的亮度
通道图像,k为设定的参数,ws为对比度权重系数。
色通道的基底层图像进行颜色矫正处理,得到颜色矫正后的基底层图像:
像进行高斯滤波处理获得每个像素点的局部能量;依次将每个像素点的局部能量值与该像
素点在对应细节层图像中的灰度值相乘,获得每个像素点进行噪声抑制后的值;最终获得
经过边缘保护和噪声抑制后的各颜色通道的细节层图像。
细节层图像;通过颜色空间变换从基底层图像中提取亮度通道,并对亮度通道进行亮度适
应计算,对基底层亮度适应图像进行颜色矫正,获得亮度适应后的基底层图像,在细节层图
像中进行局部能量估计并实现自适应的噪声抑制;最后将亮度适应后的基底层图像与边缘
保护及噪声抑制后的细节层图像进行加权融合,获得增强后的夜间图像;本发明所展示的
方法通过图像分解,能够在亮度增强时不放大噪声,且通过边缘保护及噪声抑制后能够很
好地去除夜间噪声干扰,非常适合于低质量夜间图像的增强处理。
附图说明
具体实施方式
为400×300×3,格式为24位bmp格式图像。具体计算方法的流程如图1所示,具体过程如下:
得到红、绿、蓝三个通道的噪声水平估计值分别为:0.0086、0.0087、0.0086;以每个通道的
噪声水平估计值为正则化参数,基于全变分模型分别对每个通道的图像进行分解,获得每
个通道分解后的基底层图像和细节层图像;以像素点(100,100)为例,该像素点在输入图像
中红、绿、蓝三个通道的灰度值分别为0.0784、0.0745、0.0588。经过图像分解后,该像素点
在基底层图像中三个通道的灰度值分别为0.0900、0.0865、0.0705,而在细节层图像三个通
道的值分别为‑0.0116、‑0.0120、‑0.0116。
c
图像 而对应细节层图像为 其中λ,c∈{R,G,B}
为正则化参数,▽表示梯度运算符,(x,y)表示图像像素点坐标。全局噪声水平的估计值表
达式为:
换到HSV空间后该点在H、S、V通道的值分别为:0.136、0.2169、0.0900,提取V通道作为亮度
通道,即像素点(100,100)在亮度通道的值为0.0900;本实施例中,参数k设定值为0.01,参
数ws为设定值为5.0,对亮度通道图像进行亮度适应计算得到亮度适应后的亮度通道图像
在像素点(100,100)的值为0.8148;具体计算式如下:
提取的亮度通道图像,Mg为亮度通道图像的像素均值,Sg为亮度通道图像像素的标准差,Sl
(x,y)为亮度通道图像中像素点(x,y)位置处的局部标准差,Lout(x,y)为亮度适应后的亮度
通道图像,k为设定的参数,取值范围为:[0,1],ws为对比度权重系数,取值范围为:[0,∞)。
图像亮度通道中值为0.0900,该点在亮度适应后的亮度通道图像值为0.8148,该像素点在
输入图像中红、绿、蓝三个通道的灰度值分别为0.0784、0.0745、0.0588,因此颜色矫正计算
后,该点在颜色矫正后的基底层图像的三个通道中的灰度值分别为:0.8148、0.7957、
0.7037;具体计算式为:
和集合之间的关系,即c为集合{R,G,B}中的元素。
素点的局部能量;对图像中每个通道、每个像素点,依次将每个点的局部能量值与该点在细
节图中的灰度值相乘,获得每个像素点进行噪声抑制后的值;最终获得经过边缘保护和噪
声抑制后的细节层图像;以像素点(100,100)为例,在细节层图像的三个颜色通道中该点的
灰度值分别为:‑0.0116、‑0.0120、‑0.0116,取绝对值后为:0.0116、0.0120、0.0116;再对绝
对值图像的每个通道进行高斯滤波处理,获得像素点(100,100)在三个通道中的局部能量
分别为:0.6942、0.6841、0.5739;将每个通道、每个点的局部能量值与该点在细节图中的灰
度值相乘,获得每个像素点进行噪声抑制后的值分别为:‑0.0080、‑0.0082、‑0.0067;
该像素点在步骤S3中得到的亮度适应后的基底层图像中的值为:0.8148、0.7957、0.7037,
该像素点在步骤S4中得到的经过边缘保护及噪声抑制后的细节层图像中值为‑0.0080、‑
0.0082、‑0.0067,其与加权系数的乘积为:0.6942、0.6841、0.5739;最终得到增强后的夜间
图像中像素点(100,100)处的值为:0.7748、0.7547、0.6703;
出,采用本发明方法对夜间图像进行增强能够得到更好的去噪效果,例如图2(b)中较暗区
域(地面区域)存在明显斑块状噪声,而图2(c)中地面区域更为均匀,即本发明的方法噪声
抑制效果更显著。
域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的
任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。