【技术实现步骤摘要】
本专利技术涉及计算机视觉领域和信号处理领域,特别是涉及图像增强、遗传算法和图像处理的方法。
技术介绍
对比增强技术是图像增强处理的一个关键技术,比如一些数字胶片、视频监控、计算机视觉处理等。图像经常因为一些不可控制的因素,如非专业的拍照记录、图像转换过程中信息的丢失、环境亮度变化、获取图像的设备等都会导致图像的退化或丢失部分信息。为了解决这些问题,许多研究者提出低质量低亮度的图像增强算法。传统的图像对比增强算法主要分为两类:空域法、频域法。空域法包括:直方图均衡、平滑滤波、局部灰度、边缘提取等,传统算法适合特定图像且普遍适用性较差。频域法包括:傅立叶变换、DCT变换等。方法计算量大,需要人工干预。基于分析,本专利技术把图像对比增强技术归纳为两类:线性增强方法和非线性增强方法。所谓线性增强方法指定义对比增强并尽量改善对比度,假设低亮度图像的灰度阶范围为[a,b],增强后的图像的灰度阶范围线性地扩展到[c,d],则线性增强的数学表达式为:g(x,y)=d-cb-a×[f(x,y)-a]+c---(1)]]>图1(a)显示了一个典型的线性转换为对比增强的曲线。方法简单,计算量较小,但当图像的灰度像素集中在最大灰度等级或者最小灰度等级时,线性转换对比增强的结果并不理想。最近一些研究者提出非线性的对比增强技术,这类方法相当于对图像进行某种变换,以达到图像增强的目的,涉及到变化参数的确定问题,计算量较大。非线性对比度增强算法主要包括:Gamma增强、像素灰度技术的转换、直方图均衡技术、过滤器技术、局部灰度、边缘提取等,图1(b)显示了 ...
【技术保护点】
一种改进的遗传算法的夜间图像增强方法,其特征在于首先将RGB颜色空间转换到HSI颜色空间,然后提取HSI颜色空间中的灰度I分量,由于本专利技术是基于亮度增强,所以提取I分量后进一步的使用Retinex理论分解为反色图像R和亮度图像L,对比增强夜间图像亮度通过遗传算法优化完成,最后增强的夜间图像通过增强的亮度,反色图像及夜间图像颜色重构,提出的基于改进的遗传算法增强夜间图像,其本质是将实际图像增强问题转化为遗传算法参数优化问题,该算法的基本步骤包括:步骤101:转换RGB颜色空间图像格式为HSI颜色空间图像格式;步骤102:从HSI颜色空间中提取I分量,使用Retinex理论分解I分量为反色图像和亮度图像;步骤103:基于遗传算法对提取的夜间亮度图像进行对比增强;步骤104:使用夜间的反色图像,增强亮度图像及夜间图像颜色进行图像重构。
【技术特征摘要】
1.一种改进的遗传算法的夜间图像增强方法,其特征在于首先将RGB颜色空间转换到HSI颜色空间,然后提取HSI颜色空间中的灰度I分量,由于本发明是基于亮度增强,所以提取I分量后进一步的使用Retinex理论分解为反色图像R和亮度图像L,对比增强夜间图像亮度通过遗传算法优化完成,最后增强的夜间图像通过增强的亮度,反色图像及夜间图像颜色重构,提出的基于改进的遗传算法增强夜间图像,其本质是将实际图像增强问题转化为遗传算法参数优化问题,该算法的基本步骤包括:步骤101:转换RGB颜色空间图像格式为HSI颜色空间图像格式;步骤102:从HSI颜色空间中提取I分量,使用Retinex理论分解I分量为反色图像和亮度图像;步骤103:基于遗传算法对提取的夜间亮度图像进行对比增强;步骤104:使用夜间的反色图像,增强亮度图像及夜间图像颜色进行图像重构。2.根据权利要求1所述的一种改进的遗传算法的夜间图像增强方法,其特征在于所述步骤101考虑到目前图像对比度增强技术主要是基于灰度图像进行处理,如果彩色图像增强直接使用灰度图像增强算法,结果不理想;如果对色彩空间进行转换,可以把相关的三个分量转变到不相关的色度空间里去,增强后的结果较好,通过分析发现,HSI颜色模型能更好的满足这一需求,首先假设输入的低亮度RGB彩色图像由红、绿、蓝三个色调确定,从RGB颜色空间转换到HSI颜色空间,具体的各个分量求解如下,H分量可用如下公式得到:饱和度分量S由下式给出:最后亮度分量I由下式给出:其中H表示色度(Hue),S表示饱和度(Saturation),I表示亮度值(Intensity),在增强的过程中,色度和饱和度保持不变,直接增强彩色图像的亮度分量,确保没有颜色偏移,更能满足人眼的要求,注意:在本发明中假定RGB值归一化为[0,1]范围内,角度θ根据HSI空间的轴衡量,得到的H分量可以除以360°归一化为[0,1]范围内,如果给出的RGB值在[0,1]区间内,则HSI其它两个分量S和I也会归一为[0,1]范围内。3.根据权利要求1所述的一种改进的遗传算法的夜间图像增强方法,其特征在于所述步骤102从HSI颜色空间中提取I分量,并使用Retinex理论分解I分量,为了更好地保护好增强后图像细节,本发明使用遗传算法优化增强亮度图像,增强后的亮度再反变换回RGB彩色空间,灰度图像I分量通过Retinex理论进一步表示为亮度图像和反色度图像,亮度图像L(x,y)在图像中表示低频分量,反色图像R(x,y)在图像中表示高频分量,在颜色恒定的条件下可通过改变亮度图像和反射图像在原图像中的比例来达到增强图像的目的,在本发明中L(x,y)使用高斯低通滤波器来评估亮度分量,实际上是一个带高斯核的2D离散卷积,数学表示如下:其中D(p,s)≡Ip-Is,Ns是核函数,表示像素的距离。4.根据权利要求1所述的一种改进的遗传算法的夜间图像增强方法,其特征在于步骤103对图像的亮度层,提出了一种改进的遗传算法优化参数以增强图像的算法,基本过程是:首先进行图像颜色空间转换,从RGB颜色空间转换到HIS颜色空间;然后提取亮度分量,并对亮度对应关系进行编码;针对亮度分量构造增强后的评价标准函数,通过遗传因子搜索最优解;最后将各分量数据合成,从而实现了彩色图像的增强,遗传算法在图像增强中的流程如下:步骤201:对夜间图像增强问题描述,寻找颜色空间转换后的亮度与像素的各种对应关系,确立遗传算法中的染色体;步骤202:确定编码方式,将问题的解空间映射为个体基因串和遗传算法的搜索空间;步骤203:初始化种群和规模,随机产生一定数量的染色体,形成初始种群;步骤204:建立图像增强的参数模型,可以使用图像增强的客观评价准则或者函数;步骤205:进行遗传操作,即对建立的图像增强模型进行选择、交叉、变异算子等,产生新解,不断进行迭代优化;步骤206:根据终止条件,重复步骤203和步骤204,直到找到客观评价函数的最优解。5.根据权利要求4所述的一种...
【专利技术属性】
技术研发人员:饶云波,刘伟,宋佳丽,范柏江,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。