一种基于时空累积和图像退化模型的低照度视频图像增强方法技术

本发明专利技术公开了一种基于时空累积和图像退化模型的低照度视频图像增强方法，其涉及计算机视觉领域，包括：1利用时空域累积信息的对低照度视频图像进行降噪处理；2对降噪处理后的低照度视频图像进行反转运算得到伪雾图像；对伪雾图像进行亚采样后求得暗通道图像，再利用插值方法求得伪雾图像的完整的暗通道图像，至此再采用暗原色先验规律估计伪雾图像的大气光值A；3采用基于伪雾图像的亮度分量估算透射率；4通过滤波的方式优化透射率获得更加精确、平滑的透射率；5根据大气光值A和优化后的透射率得到去雾图像，将伪雾图像的去雾图像进行反转得到低照度图像的增强图像；6对增强后的图像进行非锐化掩蔽的锐化后处理。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，特指一种基于时空累积和图像退化模型的低照度视频图像增强方法。
技术介绍
随着图像处理技术的不断发展，视频监控、智能交通系统以及运动目标识别跟踪等数字监控系统得到了广泛的应用。然而，低照度情况下获取的图像不但对比度低，颜色失真同时图像的细节信息也难以辨别。低照度环境造成的图像质量降低的情况不仅影响了人眼对图像的辨识，而且也造成计算机视觉系统不能正常运行。图像增强的目的在于突出图像的信息，增强有用信息，改善图像视觉效果，将其运用于低照度图像，可以改善成像效果。传统的灰度变化法和直方图均衡法在增强图像的同时也增强了噪声信息，但噪声含量高。基于Retinex的图像增强方法处理灰度图像能够取得较好效果，但在处理彩色图像时，会导致颜色的失真。由于光线不足而造成的低照度图像，对其进行反转运算,得到的反转图像在视觉上与白天雾天图像非常相似，因此可以将去雾算法运用到低照度图像增强过程中。然而，传统的基于图像退化模型的去雾技术的图像增强方法未考虑伪雾图像其“雾”的浓度是由于光照而非景深决定的这一特性，从而计算的透射率不够精确，以及导致伪雾图像的去雾效果不佳，继而影响图像增强的效果。面向低照度图像增强，针对现行图像增强算法存在的问题，本专利技术提出了基于时空累积和图像退化模型的低照度视频图像增强方法。该方法首先通过时空域累积信息的方法对低照度视频图像进行降噪处理，避免了图像增强的同时也增强了图像中的噪声信息；依据低照度图像的反转图像是与雾天图像相似的伪雾图像，可以将雾天图像的图像退化模型运用到低照度图像增强中；为了能够快速求取大尺寸伪雾图像的大气光值A，先对伪雾图像进行亚采样后求得暗通道图像，再利用插值方法求得伪雾图像的完整的暗通道图像，至此再采用暗原色先验规律估计伪雾图像的大气光值；为求得精确的图像退化模型中的透射率t(x)，首先依据伪雾图像其“雾”的浓度是由光照而非景深确定的这一特性，采用基于伪雾图像的亮度分量估算透射率，再通过滤波的方式优化透射率获得更加精确、平滑的透射率，同时改善图像边缘处因透射率不连续变化造成的白色边带的现象，保持了图像更多的细节信息；最后，将伪雾图像的去雾图像进行反转得到低照度图像的增强图像，再对增强的图像进行非锐化掩蔽的锐化后处理，补偿了图像信息。本专利技术方法是一种高效精确的、图像信息保持良好的图像增强方法。
技术实现思路
针对上述现有技术，本专利技术要解决的技术问题在于提出一种能够精确高效地增强低照度图像的基于时空累积和图像退化模型的低照度视频图像增强方法。为解决上述技术问题，本专利技术采取的技术方案是：基于时空累积和图像退化模型的低照度视频图像增强方法，其包括如下步骤：(1)利用时空域累积信息的对低照度视频图像进行降噪处理，避免了图像增强的同时也增强了噪声信息；(2)对降噪处理后的低照度视频图像进行反转运算，反转公式为：Ir(x)＝1-Ic(x),反转后的图像为伪雾图像Ir(x)；求解伪雾图像的大气光值A，对伪雾图像Ir(x)进行亚采样后求得暗通道图像，再利用插值方法求得伪雾图像Ir(x)的完整的暗通道图像，至此再采用暗原色先验规律估计伪雾图像的大气光值A；(3)估算图像退化模型中的透射率t(x)，采用基于伪雾图像的亮度分量估算透射率；估算过程如下：伪雾图像Ir的亮度分量为：Y＝0.299Rr+0.587Gr+0.114Brt(x)＝Y(x)+2c其中，Rr、Gr、Br分别为伪雾图像Ir的三个颜色通道；Y为Ir的亮度分量，c取0.6；(4)通过滤波的方式优化透射率获得更加精确、平滑的透射率，同时改善图像边缘处因透射率不连续变化造成的白色边带的现象，保持了图像更多的细节信息；优化过程如下：双边滤波优化透射率的公式为：t(x)′=1w(x)Σy∈N(x)Gσs(||x-y||)Gσr(|Ix-Iy|)t(x)]]>其中，w(x)=Σy∈N(x)Gσs(||x-y||)Gσr(|Ix-Iy|)]]>式中，t(x)是步骤(3)中求得的透射率；t(x)'是优化之后的透射率；N(x)是中心点(x,y)的窗口邻域内的像素；I是像素点的强度值；σs是高斯函数的标准差；σr是高斯函数的标准差；w(x)是归一化因子；(5)根据大气光值A和优化后的透射率t(x)'得到去雾图像Jr(x)，将伪雾图像Ir(x)的去雾图像Jr(x)进行反转得到低照度图像的增强图像Je(x)，反转公式入为：Je(x)＝1-Jr(x)；(6)对增强后的图像Je(x)进行非锐化掩蔽的锐化后处理，锐化处理补偿了图像的边缘信息，有助于后期图像识别系统的工作效率。作为本专利技术的优选技术方案，所述的步骤(1)具体包括：利用视频图像之间的关系进行滤波，将时域的双边滤波与空间邻域相似性距离相结合，对相邻帧在相同位置处的像素进行时间域的加权累积，并采用时空领域相似性距离代替时域双边滤波中的强度差。作为本专利技术的优选技术方案，所述的步骤(2)中，大气光值A的求解步骤如下：(2.1)伪雾图像的暗通道图的求解方法如下式所示：Ldark(x)=minC∈{R,G,B本文档来自技高网...

【技术保护点】
一种基于时空域累积和图像退化模型的低照度视频图像增强方法，其特征是：包括如下步骤：(1)利用时空域累积信息的对低照度视频图像进行降噪处理；(2)对降噪处理后的低照度视频图像Ic(x)进行反转运算，反转公式为Ir(x)＝1‑Ic(x)，反转后的图像为伪雾图像Ir(x)，其中，x是图像的坐标点；求解伪雾图像Ir(x)的大气光值A，对伪雾图像Ir(x)进行亚采样后求得暗通道图像，再利用插值方法求得伪雾图像Ir(x)的完整的暗通道图像，至此再采用暗原色先验规律估算伪雾图像的大气光值A；(3)估算图像退化模型中的透射率t(x)，采用基于伪雾图像的亮度分量估算透射率；估算过程如下：伪雾图像Ir的亮度分量为：Y＝0.299Rr+0.587Gr+0.114Brt(x)＝Y(x)+2c其中，Rr、Gr、Br分别为伪雾图像Ir的三个颜色通道；Y为Ir的亮度分量，c取0.6；(4)通过滤波的方式优化透射率，得到优化后的透射率t(x)；优化过程如下：双边滤波优化透射率的公式为：t(x)′=1w(x)Σy∈N(x)Gσs(||x-y||)Gσr(|Ix-Iy|)t(x)]]>其中，w(x)=Σy∈N(x)Gσs(||x-y||)Gσr(|Ix-Iy|)]]>式中，t(x)是步骤(3)中求得的透射率；t(x)'是优化之后的透射率；N(x)是中心点(x,y)的窗口邻域内的像素；I是像素点的强度值；σs是高斯函数的标准差；σr是高斯函数的标准差；w(x)是归一化因子；(5)根据大气光值A和优化后的透射率t(x)'得到去雾图像Jr(x)，将伪雾图像Ir(x)的去雾图像Jr(x)进行反转得到低照度图像的增强图像Je(x)，反转公式入为：Je(x)＝1‑Jr(x)；(6)对增强后的图像Je(x)进行非锐化掩蔽的锐化后处理。...

【技术特征摘要】
1.一种基于时空域累积和图像退化模型的低照度视频图像增强方法，其特征是：包括如下步骤：(1)利用时空域累积信息的对低照度视频图像进行降噪处理；(2)对降噪处理后的低照度视频图像Ic(x)进行反转运算，反转公式为Ir(x)＝1-Ic(x)，反转后的图像为伪雾图像Ir(x)，其中，x是图像的坐标点；求解伪雾图像Ir(x)的大气光值A，对伪雾图像Ir(x)进行亚采样后求得暗通道图像，再利用插值方法求得伪雾图像Ir(x)的完整的暗通道图像，至此再采用暗原色先验规律估算伪雾图像的大气光值A；(3)估算图像退化模型中的透射率t(x)，采用基于伪雾图像的亮度分量估算透射率；估算过程如下：伪雾图像Ir的亮度分量为：Y＝0.299Rr+0.587Gr+0.114Brt(x)＝Y(x)+2c其中，Rr、Gr、Br分别为伪雾图像Ir的三个颜色通道；Y为Ir的亮度分量，c取0.6；(4)通过滤波的方式优化透射率，得到优化后的透射率t(x)；优化过程如下：双边滤波优化透射率的公式为：t(x)′=1w(x)Σy∈N(x)Gσs(||x-y||)Gσr(|Ix-Iy|)t(x)]]>其中，w(x)=Σy&Elemen...

【专利技术属性】
技术研发人员：陈蓉，马昊辰，
申请(专利权)人：湖南源信光电科技有限公司，
类型：发明
国别省市：湖南;43