【技术实现步骤摘要】
基于自适应混沌粒子群优化的低照度彩色图像增强方法
本专利技术涉及彩色图像处理
，尤其涉及一种低照度条件下图像增强方法及系统。
技术介绍
现实生活中，彩色图像增强在数字图像处理中比灰度图像增强起更加关键作用，因为彩色图像具有三种感知属性(包括色调，饱和度和图像强度)的色彩表达。由于彩色图像在许多场景中的广泛应用，图像和视频增强已经成为重要的研究领域，近年来它一直是一个研究热点。彩色图像常常会出现的问题之一是，由于照明或某些其他条件(如成像装置限制和天气的变化)，经常造成图像暗部区域模糊不清、图像对比度低等现象，这样的图像首先给人带来视觉上的不舒适，同时也不利于后续的图像处理工作。尽管图像捕获设备获得极大的改进，但仍然存在各种自然和人工伪影，这导致所捕获图像的质量较差。因此，针对原始捕获彩色图像的视觉效果和质量的改进是图像预处理必不可少的部分。增强低照度、模糊或不完整图像等的色彩仍然是一个悬而未决的问题。低照度彩色图像有两种来源：夜间和不平衡的光线。本专利技术主要增强不平衡光线下的低照度彩色图像。低照度图像增强非常...
【技术保护点】
1.一种基于自适应混沌粒子群优化的低照度彩色图像增强方法，其特征在于，采用限制对比度的自适应直方图均衡算法(CLAHE)对L*通道图像进行处理以提高图像对比度，利用提出的自适应混沌粒子群算法(ACPSO)选择的自适应伽马校正因子来提高V通道图像的整体亮度，丰富暗部区域细节信息，使用一种自适应拉伸函数对HSV色彩空间的S分量进行拉伸，以提高图像饱和度，其步骤如下：/nS1、读入低照度彩色图像；/nS2、将RGB彩色图像转换至L*a*b*色彩空间，得到亮度分量L*、色度分量a*和b*；/nS3、采用CLAHE对L*a*b*色彩空间的L*分量处理、增强图像对比度；/nS4、对上述...
【技术特征摘要】
1.一种基于自适应混沌粒子群优化的低照度彩色图像增强方法，其特征在于，采用限制对比度的自适应直方图均衡算法(CLAHE)对L*通道图像进行处理以提高图像对比度，利用提出的自适应混沌粒子群算法(ACPSO)选择的自适应伽马校正因子来提高V通道图像的整体亮度，丰富暗部区域细节信息，使用一种自适应拉伸函数对HSV色彩空间的S分量进行拉伸，以提高图像饱和度，其步骤如下：
S1、读入低照度彩色图像；
S2、将RGB彩色图像转换至L*a*b*色彩空间，得到亮度分量L*、色度分量a*和b*；
S3、采用CLAHE对L*a*b*色彩空间的L*分量处理、增强图像对比度；
S4、对上述经过处理后的L*a*b*色彩分量进行反转换至RGB色彩空间；
S5、将步骤S4得出的图像从RGB色彩空间转换成HSV色彩空间，得到色调分量H、饱和度分量S和亮度分量V；
S6、采用ACPSO得到的伽马校正处理的最佳伽马校正因子，对HSV色彩空间的V分量进行亮度增强；
S7、使用一种自适应非线性拉伸函数对HSV色彩空间的S分量进行自适应非线性拉伸、增强图像饱和度；
S8、对上述经过处理后的HSV色彩分量进行反变换至RGB色彩空间；
S9、最后获得经过增强后的彩色图像；
2.根据权利要求1所述的基于自适应混沌粒子群优化的低照度彩色图像增强方法，其特征在于，所述步骤S2中RGB彩色图像到L*a*b*色彩空间的转换过程为：
S21、将RGB色彩空间转换到CIEXYZ色彩空间，使用的转换公式如下所示：
其中，X、Y、Z分别为CIEXYZ图像中X分量、Y分量、Z分量的值。R、G、B分别为RGB图像中R分量、G分量、B分量的值。
S22、CIEXYZ色彩空间转换到L*a*b*色彩空间，使用的转换公式如下所示：
其中，L*、a*、b*分别为CIEL*a*b*图像中L*分量、a*分量、b*分量的值，Xn，Yn，Zn是标准D65照明白点，取值为Xn＝0.950456，Yn＝1.000000，Zn＝1.088754。
3.根据权利要求1所述的基于自适应混沌粒子群优化的低照度彩色图像增强方法，其特征在于，所述步骤S3选用对比度受限直方图均衡方法(CLAHE)提高分量L*的对比度，处理结果用L1*表示。
4.根据权利要求1所述的基于自适应混沌粒子群优化的低照度彩色图像增强方法，其特征在于，所述步骤S4中经过步骤S3处理后的亮度分量L1*和色度分量a*、b*组合，并重新反转换为RGB色彩空间，包括以下步骤：
S41、L*a*b*色彩空间转换到CIEXYZ色彩空间，使用的转换公式如下所示：
这里，分别为转换之后CIEXYZ图像中X分量、Y分量、Z分量的值，g(t)是f(t)的反函数f-1(t)，表达形式为：
S42、CIEXYZ色彩空间转换到RGB色彩空间，使用的转换公式如下所示：
其中，分别为转换之后RGB图像中R分量、G分量、B分量的值；
5.根据权利要求1所述的基于自适应混沌粒子群优化的低照度彩色图像增强方法，其特征在于，所述步骤S5中将步骤S4得出的图像从RGB色彩空间转换成HSV色彩空间，使用的转换公式如下所示：
其中，H、S、V分别为HSV图像中的分量，H代表色调，S代表饱和度，V代表亮度，为步骤S42所得值。
6.根据权利要求1所述的基于自适应混沌粒子群优化的低照度彩色图像增强方法，其特征在于，所述步骤S6中基于ACPSO得到亮度增强的最佳伽马校正因子，对HSV色彩空间的V分量伽马校正处理，所述步骤包括：
S61：提取HSV色彩空间V通道图像；
S62：设置粒子群优化算法中粒子群粒子个数N、最大迭代次数tmax、学习因子c1、c2和混沌系数μ这些参数，并随机产生一个种群初始化每个粒子的位置和速度。初始化的粒子位置作为校正参数γ的值代入伽马校正函数得到初步增强图像，计算各个粒子的适应度值的初始值fitness0。利用粒子的适应度值fitness0初始化该粒子个体历史最优适应度值fitnesspbest，并将该粒子的初始随机位置存储为个体最优位置pbest，用各粒子适应度值fitness0中的最大值初始化群体历史最优适应度值fitnessgbest，并将第一个粒子的位置初始化存储为群体最优位置gbest。
S63：自适应调整每个粒子的惯性权重，从而更新每个粒子的速度和位置。惯性权重、速度和位置的更新方法为：
惯性权重：这里，ωmax和ωmin分别是惯性权重的最大值和最小值，fitnessmin为当前整个种群适应度值的最小值，fitnessmean是当前整个种群适应度值的平均值，fitnessi为当前第i个粒子的适应度值，i＝(1，2，...，m)；
粒子群中粒子i的速度和位置：
vi(t+1)＝ωtvi(t)+c1r1[pbest(t)-xi(t)]+c2r2[gbest(t)-xi(t)]，
xi(t+1)...
【专利技术属性】
技术研发人员：李灿林，刘金华，毕丽华，吴青娥，王华，宋胜利，
申请(专利权)人：郑州轻工业学院，
类型：发明
国别省市：河南;41
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。