一种轨道交通低照度图像增强算法制造技术

本发明专利技术提出了一种轨道交通低照度图像增强算法，包括以下步骤：S1、获取原始图像，求取暗原色；S2、求取透射率估计值；S3、求取暗原色图的最大灰度值和平均灰度值；S4、求取大气光估计限定值；S5、求取大气估计值；S6、获取无雾图像。本发明专利技术将最大灰度值和平均灰度值的加权平均值作为阈值来求大气光估计值，该算法得到的图像有更好的对比度、平均亮度和清晰度。

【技术实现步骤摘要】
一种轨道交通低照度图像增强算法
本专利技术图像处理的
，尤其涉及一种轨道交通低照度图像增强算法。
技术介绍
轨道交通视频监控系统可以方便值班人员实时监控地铁运营状况、客流及乘客上下车情况，方便维保人员及时监测设备状况，确保管理人员有效把控和指挥现场情况。轨道交通视频系统的画面主要受到隧道低照度、高架站雨雾霾、光照不均等场景条件的影响，这些影响直接导致采集的图像质量差，极大地降低了闭路电视监控系统的实用价值。因此，探索轨道交通视频监控系统的图像增强算法及应用对于充分发挥视频系统的使用价值具有较大的实际意义。传统的He暗通道先验去雾算法是一种重要的图像增强算法。但是在轨道交通环境下，获取的图像存在大量灯光投影与反射，照度极为不均匀，不包含或只含有少量的“天空”区域等障碍。由于以上障碍的影响，传统的He暗通道先验去雾算法估计大气光值会产生较大误差从而造成会去雾效果欠佳。传统的He暗通道先验去雾是基于McCartney提出的大气散射模型，该模型将采集的图像分为物体反射项和大气光项之和。其中，从物体表面到成像设备的反射光线在传播路径上会穿透雾，进而发生衰减。这个模型可以用如下数学公式表示：I(p)＝J(p)t(p)+A(1-t(p))(1)其中，p为像图像素点的位置坐标；I(p)表示观察到的图像；J(p)表示反射图像即无雾图像；t(p)为透射率；A为大气光的估计值，通常是取值很大的正数。传统的He暗通道先验去雾算法，主要用于包含“天空”区域的图像，因为“天空”区域基本上是整幅图像中最亮的部分，可采用“天空”区域像素点的亮度值估计大气光估计值A。在轨道交通环境中存在较大的图像差异性，站厅、站台都在地下封闭环境，获取的图像存在大量灯光投影与反射，照度极为不均匀，不包含或只含有少量的“天空”区域的情况，难以准确估计大气估计值A，因而存在较大误差。
技术实现思路
针对
技术介绍
中的不足，为此，本专利技术提出了一种轨道交通低照度图像增强算法，具体方案如下：一种轨道交通低照度图像增强算法，包括以下步骤：S1、获取原始图像，求取暗原色；S2、求取透射率估计值；S3、求取暗原色图的最大灰度值和平均灰度值；S4、求取大气光估计限定值；S5、求取大气估计值；S6、获取无雾图像。具体地说，步骤S1具体如下：获取原始图像，获取原始图像中的暗原色，所述暗原色计算公式如下：其中p是图像像素点的位置坐标；q是以像素p为中心的局部区域内的像素点的坐标；Jdark(p)代表p点暗原色；Jc(q)是输入图像J的其中一个颜色通道；c代表图像的R、G、B三个颜色通道；Ω(p)是以像素p为中心的局部区域，表示求像素点在Ω(p)范围内最低亮度的点q，再对q的R、G、B三个通道求最低亮度的像素。具体地说，步骤S2具体如下：S21、对现有大气散射模型I(p)＝J(p)t(p)+A(1-t(p))(1)两边同时除以大气光的估计值A，可得：S22、在局部区域Ω(p)内场景深度相同，即在该区域内使用一个恒定的透射率t(p)，对上式两边同时求取暗原色，可得：S23、根据暗红色概念，透射率估计值可以由以下公式算出：具体地说，步骤S3具体如下：对暗原色图Jdark，求最大灰度值GMax和平均灰度值GMean的数学表达式分别如下：GMax＝max(max(Jdark(i，j)))(6)其中，Jdark(i，j)表示暗原色图的像素点；m、n分别为图像宽和长，1≤i≤m，1≤j≤n。具体地说，步骤S4具体如下：采用最大灰度值GMax和平均灰度值GMean加权平均得到，而不是单纯地取暗原色图的最大值或者均值。大气光估计值AL的数学表达式为：AL＝e*GMax+(1-e)*GMean(8)其中，AL表示大气光估计限定值；e为权重，0＜e＜1。具体地说，步骤S5具体如下：保留原暗原色图大于AL的像素点并组成大气光估计图A，公式如下：A＝Jdark(i，j)(Jdark(i，j)≥AL)(9)。具体地说，步骤S6具体如下：将公式(1)通过变换得到以下求取无雾图像J(p)的公式：本专利技术的有益效果在于：(1)本专利技术将最大灰度值和平均灰度值的加权平均值作为阈值来求大气光估计值，该算法得到的图像有更好的对比度、平均亮度和清晰度。(2)本算法从图像本身出发，引入图像灰度值来改善去雾效果。图像灰度值不仅可以衡量一幅图像的明暗程度，而且可以反映图像不同区域、不同像素点的亮度，此外可以表征图像像素点的颜色深度。图像最大灰度值表示图像中最亮的像素点的灰度值，图像平均灰度值表示图像所有像素点的灰度值求和后除以像素数得到的平均值，表征整幅图像的平均亮度。将大气光估计值与暗原色图的灰度值结合起来，将暗原色的平均灰度值与最大灰度值加权平均作为大气光估计限定值，然后将大于这个值的像素保留作为大气光估计值。这种方法有效避免了He算法中因图像差异性带来的误差，更适用于轨道交通视频监控系统。附图说明图1为本专利技术一种轨道交通低照度图像增强算法的流程图。图2为待处理的原图；图3为使用He算法处理原图后的效果图；图4为使用本方案处理原图后的效果图。具体实施方式参照图1，本专利技术提出一种轨道交通低照度图像增强算法，包括以下步骤：S1、获取原始图像，求取暗原色；具体为：获取原始图像，获取原始图像中的暗原色，所述暗原色计算公式如下：其中p是图像像素点的位置坐标；q是以像素p为中心的局部区域内的像素点的坐标；Jdark(p)代表p点暗原色；Jc(q)是输入图像J的其中一个颜色通道；c代表图像的R、G、B三个颜色通道；Ω(p)是以像素p为中心的局部区域，表示求像素点在Ω(p)范围内最低亮度的点q，再对q的R、G、B三个通道求最低亮度的像素。S2、求取透射率估计值；具体为：S21、对现有大气散射模型I(p)＝J(p)t(p)+A(1-t(p))(1)两边同时除以大气光的估计值A，可得：S22、在局部区域Ω(p)内场景深度相同，即在该区域内使用一个恒定的透射率t(p)，对上式两边同时求取暗原色，可得：S23、根据暗红色概念，透射率估计值可以由以下公式算出：S3、求取暗原色图的最大灰度值和平均灰度值；具体为：对暗原色图Jdark，求最大灰度值GMax和平均灰度值GMean的数学表达式分别如下：GMax＝max(max(Jdark(i，j)))(6)其中，Jdark(i，j)表示暗原色图的像素点；m、n分别为图像宽和长，1≤i≤m，1≤j≤n。S4、求取大气光估计限定值；具体为：采用最大灰度值GMax和平均灰度值GMean加权平均得到，而不本文档来自技高网...

【技术保护点】
1.一种轨道交通低照度图像增强算法，其特征在于，包括以下步骤：/nS1、获取原始图像，求取暗原色；/nS2、求取透射率估计值；/nS3、求取暗原色图的最大灰度值和平均灰度值；/nS4、求取大气光估计限定值；/nS5、求取大气估计值；/nS6、获取无雾图像。/n

【技术特征摘要】
1.一种轨道交通低照度图像增强算法，其特征在于，包括以下步骤：
S1、获取原始图像，求取暗原色；
S2、求取透射率估计值；
S3、求取暗原色图的最大灰度值和平均灰度值；
S4、求取大气光估计限定值；
S5、求取大气估计值；
S6、获取无雾图像。


2.根据权利要求1所述的一种轨道交通低照度图像增强算法，其特征在于，步骤S1具体如下：
获取原始图像，获取原始图像中的暗原色，所述暗原色计算公式如下：



其中p是图像像素点的位置坐标；q是以像素p为中心的局部区域内的像素点的坐标；Jdark(p)代表p点暗原色；Jc(q)是输入图像J的其中一个颜色通道；c代表图像的R、G、B三个颜色通道；Ω(p)是以像素p为中心的局部区域，表示求像素点在Ω(p)范围内最低亮度的点q，再对q的R、G、B三个通道求最低亮度的像素。


3.根据权利要求1所述的一种轨道交通低照度图像增强算法，其特征在于，步骤S2具体如下：
S21、对现有大气散射模型I(p)＝J(p)t(p)+A(1-t(p))(1)两边同时除以大气光的估计值A，可得：



S22、在局部区域Ω(p)内场景深度相同，即在该区域内使用一个恒定的透射率t(p)，对上式两边同时求取暗原色，可得：



S23、根据暗红色概念，透...

【专利技术属性】
技术研发人员：赵健，贾平，蒋春华，管才路，赵佳佳，杨王伟，熊俊杰，程玉婷，
申请(专利权)人：合肥赛为智能有限公司，
类型：发明
国别省市：安徽;34