本发明专利技术公开了一种基于优化贝塞尔曲线的低光图像增强方法，包括：将待处理的低光图像输入贝塞尔曲线模型中；设置低光图像的增强参数，基于鲸鱼算法模型对增强参数进行优化；根据优化后的增强参数计算低光图像的加权概率分布函数；根据加权概率分布函数，计算低光图像的加权累积分布函数；根据加权累积分布函数，计算低光图像的加权平均曝光值；根据加权累积分布函数和加权平均曝光值，对贝塞尔曲线模型进行优化，得到增强图像。本发明专利技术通过鲸鱼算法模型对低光图像的增强参数进行优化，将增强参数控制在适度的位置，可以避免过度增强和增强不足，通过过加权平均曝光值，能够降低低光场景中的强噪声，得到具有细节丰富和质量更好的增强图像。好的增强图像。好的增强图像。
【技术实现步骤摘要】
基于优化贝塞尔曲线的低光图像增强方法、装置和设备
技术介绍
[0001]本专利技术属于图像处理
，具体涉及一种基于优化贝塞尔曲线的低光图像增强方 法、装置和设备。
[0002]
技术介绍
[0003]对于在低光照条件下获取的图像，数字成像系统通常会存在低能见度、对比度差和颜色 失真的问题，例如，通过图像采集装置或智能终端拍摄的大部分图像都因光线不足和对比度 差而质量下降。在计算机视觉系统和视频监控系统中，解决低光图像的弱光图像增强显得尤 为重要。
[0004]现有技术中，对于低光图像的增强，主要存在以下方法：
[0005]1)采用直方图均衡化对弱光场景中的图像进行增强。例如，采用对比度受限自适应直 方图均衡化方法、加权阈值直方图均衡化方法、基于曝光的子图像直方图均衡方法化以及基 于边缘的纹理直方图均衡化方法均被用于对弱光场景中的图像进行增强。然而，上述方法均 存在对图像的增强不足或者过度增强而导致图像的视觉质量下降的缺陷。
[0006]2)采用基于视网膜的增强模型来增强低能见度图像的动态范围。其中，单尺度视网膜 和多尺度视网膜被广泛应用于图像增强中。例如，基于用于图像增强的同时反射和照明估计 的模型进行低光增强，该模型在保留低光图像的细节信息的同时避免了反射分量的过渡平滑， 然而，该模型仍存在没有将低光图像中隐藏的细节进行适当披露的缺陷。例如，基于相机响 应模型来执行弱光增强，该模型有效地处理了隐藏在暗区中的密集噪声，但未能正确揭示低 光图像的真实内容。
[0007]3)采用基于深度卷积神经网络的模型来对低光图像进行增强。例如，基于深度自动编 码器的方法来增强自然退化和低光图像，然而，这种方法通常会在处理后的图像中产生不需 要的伪影。例如，基于双图全变分的图像分解算法，用于去噪和对比度增强，然而，这种方 法在许多低光图像中得到的色彩增强不够自然。
[0008]综上，现有技术中的上述方法均存在无法对图像进行适度增强，无法披露低光图像中的 隐藏细节，以及色彩增强后的得到的图像不够自然等问题。
技术实现思路
[0009]本专利技术的目的是提供一种基于优化贝塞尔曲线的低光图像增强方法、装置和设备，用于 解决现有技术中存在的至少一个技术问题。
[0010]为了实现上述目的，本专利技术采用以下技术方案：
[0011]第一方面，本专利技术提供一种基于优化贝塞尔曲线的低光图像增强方法，包括：
[0012]将待处理的低光图像输入贝塞尔曲线模型中；
[0013]设置所述低光图像的增强参数，基于鲸鱼算法模型对所述增强参数进行优化；
[0014]根据优化后的增强参数计算所述低光图像的加权概率分布函数；
[0015]根据所述加权概率分布函数，计算所述低光图像的加权累积分布函数；
[0016]根据所述加权累积分布函数，计算所述低光图像的加权平均曝光值；
[0017]根据所述加权累积分布函数和所述加权平均曝光值，对所述贝塞尔曲线模型进行优化， 得到所述低光图像的增强图像。
[0018]在一种可能的设计中，设置所述低光图像的增强参数，基于鲸鱼算法模型对所述增强参 数进行优化，包括：
[0019]设置所述低光图像的第一增强参数α和第二增强参数β；其中，所述第一增强参数α为 幂律变换函数的指数，用于控制图像增强率的强度，所述第二增强参数β为图像增强控制参 数；
[0020]对鲸鱼算法模型中第一增强参数α和第二增强参数β的种群初始化，设置迭代次数i＝0 和最大迭代次数i
max
；
[0021]利用目标函数获得鲸鱼在所有位置上的适应度值，更新鲸鱼算法模型参数，并确定鲸鱼 种群初始个体最优位置与全局最优位置；
[0022]生成指示参数p，判断指示参数p是否小于第一阈值，若小于第一阈值，则判断系数向量 的标量值是否小于第二阈值，否则采用鲸鱼算法模型的收缩包围和随机搜索进行鲸鱼个体 位置向量迭代更新；
[0023]若小于第二阈值，则采用鲸鱼算法模型的螺旋上升进行鲸鱼个体位置向量迭代更新，否 则采用鲸鱼算法模型的收缩包围进行鲸鱼个体位置向量迭代更新；
[0024]计算个体位置的适应度值，并更新个体最优位置和全局最优位置；
[0025]判断当前迭代次数i是否小于最大迭代次数i
max
，若小于，则对鲸鱼算法模型中第一增强 参数α和第二增强参数β的种群重新进行初始化；
[0026]否则输出全局最优位置，得到第一增强参数α和第二增强参数β的最优解。
[0027]在一种可能的设计中，根据优化后的增强参数计算所述低光图像的加权概率分布函数， 包括：
[0028]根据最优解的第一增强参数α和第二增强参数β，计算所述低光图像的加权概率分布函 数pdf
ω
(L)，计算公式如下：
[0029][0030]其中，Ω表示变换函数,pdf(L)是未优化前的概率分布函数，p＝β*max(pdf(L)), max(pdf(L))为所述低光图像的最大加权概率分布值，0.1≤α≤1.0，0.1≤β≤ 1.0，q是常数，q＝0.0001，L表示强度级别的总数。
[0031]在一种可能的设计中，根据所述加权概率分布函数，计算所述低光图像的加权累积分布 函数，包括：
[0032]根据所述加权概率分布函数pdf
ω
(L)，计算所述低光图像的加权累积分布函数cdf
ω
(L)， 计算公式如下：
[0033][0034]其中，L
max
表示所述低光图像最大曝光值时的强度级别。
[0035]在一种可能的设计中，根据所述加权累积分布函数，计算所述低光图像的加权平
均曝光 值，包括：
[0036]根据所述加权累积分布函数cdf
ω
(L)，计算所述低光图像的加权平均曝光值μ0，计算公 式如下：
[0037][0038]在一种可能的设计中，根据所述加权累积分布函数和所述加权平均曝光值，对所述贝塞 尔曲线模型进行优化，包括：
[0039]将所述加权平均曝光值μ0作为阈值，将所述低光图像的直方图分割为暗部直方图和亮部 直方图；
[0040]分别计算所述暗部直方图的控制点值和所述亮部直方图的控制点值，计算公式如下：
[0041]B(t)＝(1
‑
t)2P0+2(1
‑
t)tP1+t2P2，
ꢀꢀꢀ
(4)
[0042]其中，B表示贝塞尔曲线函数，t表示分布在[0,1]范围内的归一化参数，P0、P1和P2表 示控制点，P1表示中心控制点；
[0043]当公式(4)用于计算所述暗部直方图的控制点值时，P0＝0、和 P2＝cdf
ω
(μ0)L
max
；
[0044]当公式(4)用于计算所述亮部直方图的控制点值时，P0＝cdf
ω
(μ0)L...
【技术保护点】
【技术特征摘要】
1.一种基于优化贝塞尔曲线的低光图像增强方法，其特征在于，包括：将待处理的低光图像输入贝塞尔曲线模型中；设置所述低光图像的增强参数，基于鲸鱼算法模型对所述增强参数进行优化；根据优化后的增强参数计算所述低光图像的加权概率分布函数；根据所述加权概率分布函数，计算所述低光图像的加权累积分布函数；根据所述加权累积分布函数，计算所述低光图像的加权平均曝光值；根据所述加权累积分布函数和所述加权平均曝光值，对所述贝塞尔曲线模型进行优化，得到所述低光图像的增强图像。2.根据权利要求1所述的基于优化贝塞尔曲线的低光图像增强方法，其特征在于，设置所述低光图像的增强参数，基于鲸鱼算法模型对所述增强参数进行优化，包括：设置所述低光图像的第一增强参数α和第二增强参数β；其中，所述第一增强参数α为幂律变换函数的指数，用于控制图像增强率的强度，所述第二增强参数β为图像增强控制参数；对鲸鱼算法模型中第一增强参数α和第二增强参数β的种群初始化，设置迭代次数i＝0和最大迭代次数i
max
；利用目标函数获得鲸鱼在所有位置上的适应度值，更新鲸鱼算法模型参数，并确定鲸鱼种群初始个体最优位置与全局最优位置；生成指示参数p，判断指示参数p是否小于第一阈值，若小于第一阈值，则判断系数向量的标量值是否小于第二阈值，否则采用鲸鱼算法模型的收缩包围和随机搜索进行鲸鱼个体位置向量迭代更新；若小于第二阈值，则采用鲸鱼算法模型的螺旋上升进行鲸鱼个体位置向量迭代更新，否则采用鲸鱼算法模型的收缩包围进行鲸鱼个体位置向量迭代更新；计算个体位置的适应度值，并更新个体最优位置和全局最优位置；判断当前迭代次数i是否小于最大迭代次数i
max
，若小于，则对鲸鱼算法模型中第一增强参数α和第二增强参数的种群重新进行初始化；否则输出全局最优位置，得到第一增强参数α和第二增强参数的最优解。3.根据权利要求2所述的基于优化贝塞尔曲线的低光图像增强方法，其特征在于，根据优化后的增强参数计算所述低光图像的加权概率分布函数，包括：根据最优解的第一增强参数α和第二增强参数，计算所述低光图像的加权概率分布函数pdf
ω
(L)，计算公式如下：其中，Ω表示变换函数,pdf(L)是未优化前的概率分布函数，p＝β*max(pdf(L)),max(pdf(L))为所述低光图像的最大加权概率分布值，0.1≤α≤1.0，0.1≤β≤1.0，q是常数，q＝0.0001，L表示强度级别的总数。4.根据权利要求3所述的基于优化贝塞尔曲线的低光图像增强方法，其特征在于，根据所述加权概率分布函数，计算所述低光图像的加权累积分布函数，包括：
根据所述加权概率分布函数pdf
ω
(L)，计算所述低光图像的加权累积分布函数c...
【专利技术属性】
技术研发人员：艾芬，
申请(专利权)人：艾芬，
类型：发明
国别省市：
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。