一种非正常曝光图像自适应校正方法技术

本发明专利技术提供一种非正常曝光图像自适应校正方法，将计算获得的非正常曝光图像的亮度中位数与根据正常曝光图像计算获得的亮度阈值进行比对分析，判断该非正常曝光图像的曝光类型为过曝光图像、正常图像或欠曝光图像，再根据判断的曝光类型对该非正常曝光图像进行过曝光校正或欠曝光校正并输出。本发明专利技术方法能自适应的进行图像校正处理，增强了非正常曝光图像中的细节，最终校正图像与原图像相比清晰度更高，细节更多。

An adaptive correction method for abnormal exposure image

【技术实现步骤摘要】
一种非正常曝光图像自适应校正方法
本专利技术属于摄影摄像领域，涉及一种图像校正方法，具体涉及一种非正常曝光图像自适应校正方法
技术介绍
在现实照片拍摄过程中，可能会出现非正常照明度的外部拍摄环境。背景亮度过高可能会导致照片处于过度曝光的状态，拍摄时光圈过大、底片的感光度太高或曝光时间过长容易造成照片非正常曝光。这些非正常曝光图像，画面主体不清晰，其中大量的信息和细节无法显示。为了还原这些非正常曝光图像中的信息和细节，人们后期会对照片进行处理校正，把图像中非正常曝光的部分还原为正常曝光的状态，同时避免图像失真或颜色偏移。目前校正图像的方法包括照片合成法、MPSO算法、工蜂群算法、图像归一化方法以及一种使用相机响应特性的新型增强框架法。传统的校正方法，需要使用同一位置的若干张不同曝光照片进行合成。如果拍摄主体处于移动状态，或没有足够的照片进行合成，则无法进行照片的合成。MPSO算法对红外图像通过增强对比度的方法来进行校正，具有很好的自适应性。但该算法仅能用于处理红外图像，通用性不强。工蜂群算法提出了一种新的客观适应度函数，在传统的人工蜂群算法中结合图像的空间领域信息和图像边缘信息，使用转换函数来处理空间域中的图像。该转换函数为原始图像的每个像素产生新的强度以生成增强的图像，使得运算效率下降。图像归一化方法，基于强度分布变换并使用一个正面平均面作为参考图像，独立地对每列执行强度分布的变换，有效地克服了光照效果。但这种算法主要针对于低分辨率的人脸图像，在处理正常大小的照片时采用分列处理计算量巨大，不可避免的降低运算效率。一种使用相机响应特性的新型增强框架，能获得较好的增强结果。但对部分图像会出现过度校正的情况，导致图像颜色的失真。该模型通过对欠曝光的图像进行识别，对欠曝光图片有较好的处理效果，对过曝光图像的处理却并不理想。
技术实现思路
本专利技术是针对上述问题而进行的，目的在于提供一种非正常曝光图像自适应校正方法，用于对输入的非正常曝光图像进行校正。为实现上述目的，本专利技术采用如下技术方案：一种非正常曝光图像自适应校正方法，其特征在于，包括如下步骤：输入图像预处理，计算非正常曝光图像的亮度T、亮度中位数Tm以及最终权重矩阵W；数据集预处理，收集正常曝光图像，并计算正常曝光图像的亮度阈值I；自适应曝光状态判断，将计算获得的非正常曝光图像的亮度与亮度阈值进行比对，判断非正常曝光图像为过曝光图像、正常曝光图像或欠曝光图像；非正常曝光图像校正，若非正常曝光图像属于过曝光图像，则对非正常曝光图像的过曝光部分进行校正后输出，若非正常曝光图像属于正常曝光图像，则直接输出，若非正常曝光图像属于欠曝光图像，则对非正常曝光图像的欠曝光部分进行校正后输出。进一步地，本专利技术提供的非正常曝光图像自适应校正方法，输入图像预处理具体包括如下步骤：设输入的非正常曝光图像的亮度为T，x为非正常曝光图像每一位置的像素，计算非正常曝光图像PC的初始亮度分量L(x)：式中，C是RGB颜色通道的索引。通过公式计算初步权重矩阵Md(x)：式中，为导数过滤器，ω(x)是以x为中心的窗口，ε为常数，d为指代量，h表示水平，v表示竖直，然后根据亮度的矢量形式t，解得到所述非正常曝光图像的亮度T，计算公式为：式中，l、md、t、分别是L、Md、T、的矢量形式，为矩阵按元素除，E为单位矩阵，为托普利兹矩阵的转置形式，Diag(v)为用向量v构造对角矩阵。用T(x)表示非正常曝光图像x位置的亮度，并将T(x)从小到大排列：T(x)(1),T(x)(2),...,T(x)(n)式中，n为非正常曝光图像的亮度矩阵T的行数与列数的乘积，计算正常曝光图像的亮度矩阵T的中位数Tm：当n为奇数时：Tm＝T(x)(n+1)/2当n为偶数时：通过公式计算最终权重矩阵W：W＝Tμ式中，μ为常数。进一步地，本专利技术提供的非正常曝光图像自适应校正方法，输入数据集预处理具体包括如下步骤：收集正常曝光图像，并分别计算正常曝光图像的亮度从而获得亮度矩阵T，用T(x)表示正常曝光图像x位置的亮度，并将T(x)从小到大排列：T(x)(1),T(x)(2),...,T(x)(n)式中，n为正常曝光图像的亮度矩阵T的行数与列数的乘积。计算正常曝光图像的亮度矩阵T的中位数I，作为亮度阈值：当n为奇数时：I＝T(x)(n+1)/2当n为偶数时：进一步地，本专利技术提供的非正常曝光图像自适应校正方法，输入自适应曝光状态判断具体包括如下步骤：若非正常曝光图像的亮度的中位数Tm大于亮度阈值I，则判断非正常曝光图像为过曝光图像。若非正常曝光图像的亮度的中位数Tm等于亮度阈值I，则判断非正常曝光图像为正常曝光图像。若非正常曝光图像的亮度的中位数Tm小于亮度阈值I，则判断非正常曝光图像为欠曝光图像。进一步地，本专利技术提供的非正常曝光图像自适应校正方法，输入对过曝光图像进行校正后输出具体包括如下步骤：提取过曝光图像中的过曝光区域Q(x)：Q(x)＝{I(x)|T(x)＞0.5}利用过曝光区域Q(x)计算获得亮度分量B(x)：式中，Q(x)r、Q(x)g、Q(x)b分别为RGB通道的亮度。利用信息熵H(B)计算获得过曝光图像的系数k：k＝argmax(H(g(B,k)))式中，信息熵其中P为过曝光图像像素位置出现信息的概率，argmax表示信息熵取最大值时求k的值。将过曝光图像的系数k代入相机的模型获得增强图像g(p,k)：式中，a、b为常数。利用最终权重矩阵W，根据增强图像计算获得校正后的图像RC：输出校正后的图像RC。进一步地，本专利技术提供的非正常曝光图像自适应校正方法，输入对欠曝光图像进行校正后输出具体包括如下步骤：提取欠曝光图像中的欠曝光区域Q(x)：Q(x)＝{I(x)|T(x)＜0.5}利用欠曝光区域Q(x)计算获得亮度分量B(x)：式中，Q(x)r、Q(x)g、Q(x)b分别为RGB三通道的亮度。利用信息熵计算获得欠曝光图像的系数k：k＝argmax(H(g(B,k)))式中，信息熵其中P为欠曝光图像像素位置出现信息的概率，argmax表示信息熵取最大值时求k的值。将欠曝光图像的系数k代入相机的相应模型获得增强图像g(p,k)：式中，a、b为常数。利用最终权重矩阵W根据增强图像计算获得校正后的图像RC：输出校正后的图像RC。专利技术作用与效果根据本专利技术的非正常曝光图像自适应校正方法，对不同的曝光状态的图像进行过曝光或欠曝光校正，增强图像中的细节，最终本文档来自技高网...

【技术保护点】
1.一种非正常曝光图像自适应校正方法，用于对输入的非正常曝光图像进行校正，其特征在于，包括如下步骤：/n输入图像预处理，计算所述非正常曝光图像的亮度T、亮度中位数T

【技术特征摘要】
1.一种非正常曝光图像自适应校正方法，用于对输入的非正常曝光图像进行校正，其特征在于，包括如下步骤：
输入图像预处理，计算所述非正常曝光图像的亮度T、亮度中位数Tm以及最终权重矩阵W；
数据集预处理，收集正常曝光图像，并根据所述正常曝光图像的亮度获得亮度阈值I；
自适应曝光状态判断，将计算获得的所述非正常曝光图像的亮度与所述亮度阈值进行比对，判断所述非正常曝光图像为过曝光图像、正常曝光图像或欠曝光图像；
非正常曝光图像校正，若所述非正常曝光图像属于所述过曝光图像，则对所述非正常曝光图像的过曝光部分进行校正后输出，若所述非正常曝光图像属于正常曝光图像，则直接输出，若所述非正常曝光图像属于所述欠曝光图像，则对所述非正常曝光图像的欠曝光部分进行校正后输出。


2.根据权利要求1所述的非正常曝光图像自适应校正方法，其特征在于，输入图像预处理的具体步骤如下：
设输入的所述非正常曝光图像的亮度为T，x为所述非正常曝光图像每一位置的像素，计算所述非正常曝光图像PC的初始亮度分量L(x)：



式中，C是RGB颜色通道的索引，
通过公式计算初步权重矩阵Md(x)：



式中，为导数过滤器，ω(x)是以x为中心的窗口，ε为常数，d为指代量，h表示水平，v表示竖直，
然后根据亮度的矢量形式t，求解得到所述非正常曝光图像的亮度T，计算公式为：









式中，l、md、t、分别是L、Md、T、的矢量形式，为矩阵按元素除，E为单位矩阵，为托普利兹矩阵的转置形式，Diag(v)为用向量v构造对角矩阵，
用T(x)表示所述非正常曝光图像x位置的亮度，并将T(x)从小到大排列：
T(x)(1),T(x)(2),...,T(x)(n)
式中，n为所述非正常曝光图像的亮度矩阵T的行数与列数的乘积，
计算所述正常曝光图像的亮度矩阵T的中位数Tm：
当n为奇数时：
Tm＝T(x)(n+1)/2
当n为偶数时：



通过公式计算最终权重矩阵W：
W＝Tμ
式中，μ为常数。


3.根据权利要求1所述的非正常曝光图像自适应校正方法，其特征在于，数据集预处理的具体步骤如下：
收集所述正常曝光图像，并计算所述正常曝光图像的亮度从而获得亮度矩阵T，用T(x)表示所述正常曝光图像x位置的亮度，并将T(x)从小到大排列：
T(x)(1),T(x)(2),...,T(x)(n)
式中，n为所述正常曝光图像的亮度矩阵T的行数与列数的乘积，
...

【专利技术属性】
技术研发人员：王文举，王煜洲，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海;31