一种基于自适应光照初始化的弱光图像增强方法技术

本发明专利技术涉及一种基于自适应光照初始化的弱光图像增强方法，涉及数字图像处理、计算机视觉、信号处理、图像增强等技术领域。具体步骤为：1)在网上搜集并整理现有公开的弱光图像数据集；2)根据不同的输入图像，基于提出的光照自适应初始化模块，准确的估计出图像的初始光照分量；3)在结构光照先验的约束下，通过交替方向最小化技术对初始光照分量进行优化估计；4)对得到的优化光照分量执行伽马校正，以进一步对图像的亮度实现非线性调整；5)结合Retinex理论模型实现弱光图像的增强。本方法利用准确估计出的初始光照分量，结合Retinex理论模型实现弱光图像的增强任务，也可以用于弱光视频的增强。该发明专利技术同时具有现实应用意义，并且取得了令人满意的增强效果。并且取得了令人满意的增强效果。并且取得了令人满意的增强效果。

【技术实现步骤摘要】
一种基于自适应光照初始化的弱光图像增强方法


[0001]本专利技术涉及基于自适应光照初始化的弱光图像增强方法，属于计算机视觉、数字图像处理、信号处理、图像增强等


技术介绍

[0002]作为现代信息资源交流和传递的重要载体工具，数字图像在当今社会扮演着越来越重要的角色。可以说人们在日常的衣食住行等不经意的日常活动中就已经有意无意的接触到了相关计算机视觉。比如说出门用到的指纹锁、进办公楼用到的人脸识别以及智能手机的拍照功能等等都有它的身影。而其在医学成像诊断、卫星遥感、军事侦察、水下图像拍摄、电子视频监控等众多领域，同样发挥着举足轻重的作用。由此可见，计算机视觉以及数字图像在我们人类的生活中占据着绝对重要的位置。近些年来，人们的物质生活水平全面提升，像数码单反相机、智能电话等摄影电子设备也逐渐走进大众的视野中，并得到了广泛的使用。人们因此可以更加容易和便捷的拍摄、分享和传播图像。极大的丰富了人们的生活方式的同时，也把数字图像带到了一个前所未有的指数式增长时代，使得计算机视觉面临着种种严峻的考验和挑战。面对如此海量的数字图像，这其中不乏由于外界较暗的成像环境或者硬件设备性能的不足(光圈尺寸、曝光时间)，导致得到的图像整体亮度较低，图像中的许多内容信息都被淹没在黑暗中。而这种视觉质量较差的弱光图像不但影响到了人们的主观视觉观察，同时对后续的计算机视觉任务也有着不同程度的影响，包括如图像分割、图像分类以及目标检测等。
[0003]作为计算机视觉中的经典任务，图像增强包括了如图像恢复、图像去模糊以及弱光图像增强等在内的许多方向，一直以来都视觉领域的热门课题。弱光图像增强作为图像增强领域中最重要的分支之一，近些年也有大量研究者对其进行深入的分析和讨论。简单概括来说，弱光图像增强任务的核心就是提升图像的亮度信息，使得隐藏在黑暗中的内容得以显现出来，并增强图像的结构信息以及纹理细节，旨在改善图像的视觉质量，同时也便于后续相关图像处理操作的进行。
[0004]为了解决弱光图像存在的上述问题，在过去的几十年里，许多优秀的增强方法被提出。这里我们将这些方法大致分为基于传统理论模型方法和基于深度学习的方法。而对于传统弱光图像增强方法，具体又可以分为基于直方图均衡化、基于图像去雾的算法、基于图像融合的算法以及基于Retinex理论模型的算法。但是考虑到图像分解估计是高度奇异的一个问题，对于基于Retinex模型的弱光图像增强来说，如何准确的估计出图像的光照分量一直都是关键要解决的问题。以往的方法大多通过各种假设条件和先验知识来约束光照分量的优化估计，却很少考虑到图像光照分量的初始化问题上面来，然而初始光照分量不仅直接决定后续优化估计操作的准确性，同时也关系到最终增强结果质量的好坏。
[0005]CN111292257A，一种基于Retinex的暗视觉环境下图像增强方法，该方法包括：获取图像数据，并将图像数据分为全局光照图和局部光照图；对两种图像的对应像素点进行加权平均，得到初步估计光照图，采用改进的加权引导滤波对初步估计光照图进行保边平
滑滤波，对滤波后的光照图进行改进的自适应Gamma校正得到校正后的估计光照图；采用Retinex算法利用原始图像和校正后的估计光照图计算R通道、G通道、B通道的反射图，将三个通道的反射图合成，获得增强的图像；本专利技术将暗视觉环境下图像增强的同时还能保留亮区细节和减少光晕效应，避免图像过度增强，便于对暗视觉环境下图像做识别和检测等处理。
[0006]该专利虽然提出了局部光照图，但其实只是对两种光照分量进行逐像素的加权平均，而并没有考虑到图像局部块像素之间的内容相关性，使得增强结果存在过度曝光\曝光不足的情况。而本专利技术中，我们通过设计的3
×
3局部块遍历输入图像的各个通道，真正意义上的实现了图像相邻像素内容的关联感知，从而更加准确的初始化光照分量，并最终针对图像不同区域的曝光水平自适应的实现图像增强任务。

技术实现思路

[0007]本专利技术旨在解决以上现有技术的问题。提出了一种基于自适应光照初始化的弱光图像增强方法。本专利技术的技术方案如下：
[0008]一种基于自适应光照初始化的弱光图像增强方法，其包括以下步骤：
[0009](1)在网上搜集并整理现有公开的弱光图像数据集；
[0010](2)根据不同的输入图像，基于提出的光照自适应初始化模块，(光照自适应初始化模块指的是，通过遍历图像逐像素并取局部3
×
3块中的最大值来考虑到图像局部内容信息的关联性，自适应地得到输入图像的光照权重矩阵，实现准确的估计出图像的初始光照分量；
[0011](3)在结构光照先验的约束下，通过交替方向最小化方法对初始光照分量进行优化估计；
[0012](4)对得到的优化光照分量执行伽马校正，对图像的亮度实现非线性调整；
[0013](5)结合Retinex理论模型实现弱光图像的增强。
[0014]进一步的，所述步骤(2)根据不同的输入图像，基于提出的光照自适应初始化模块，估计出图像的初始光照分量，具体包括：
[0015]所述步骤(2)中典型图像光照初始化操作包括取R、G、B三通道最大值、取R、G、B三通道平均值、取HSV空间中的V分量，
[0016]H分量表示色调、S分量表示饱和度、V分量表示亮度
[0017]具体公式表示如下：
[0018][0019]其中，I0(x)为初始光照分量、c包括R、G、B三个颜色通道、S
c
(x)则为三个颜色通道中的最大值分量，即为光照权重矩阵，Ω表示以为x中心的局部块，在本文中块大小取3
×
3，为光照调整参数。
[0020]进一步的，所述步骤(3)在结构光照先验的约束下，通过交替方向最小化方法对初始光照分量进行优化估计，具体包括：
[0021]理想的图像光照分量优化算法有如下的目标函数：
[0022][0023]其中，I0表示初始光照分量，I表示优化光照分量，W是结构权重矩阵，为一阶导数滤波器，其具体又分为水平方向和垂直方向两部分，||
·
||1和||
·
||
F
则分别为1范数和标准F范数，在上式目标函数中，第一项为数据保真项，用来约束I0和I之间的差异，正则项的作用则是来限制解空间的大小，系数α用来平衡保真项和正则项，实现光照分量的结构感知平滑；
[0024]权重矩阵W旨在感知图像的结构边缘信息，具体又包括如下水平方向W
h
(x)和垂直方向W
v
(x)两部分，具体有：
[0025][0026][0027]其中,G
σ
(x,y)表示标准差为σ的高斯核函数，有dist(x,y)表示像素s和y的空间欧氏距离，ε为一个很小的常数，以避免分母为零的情况，|
·
|则代表取绝对值操作。
[0028]对上述的目标函数进行近似简化操作，首先把目标函数中的正则项展开有，...

【技术保护点】

【技术特征摘要】
1.一种基于自适应光照初始化的弱光图像增强方法，其特征在于，包括以下步骤：(1)在网上搜集并整理现有公开的弱光图像数据集；(2)根据不同的输入弱光图像，基于提出的光照自适应初始化模块，光照自适应初始化模块通过考虑到图像局部内容信息的关联性，自适应地得到输入图像的光照权重矩阵，实现准确的估计出图像的初始光照分量；(3)在结构光照先验的约束下，通过交替方向最小化方法对初始光照分量进行优化估计；(4)对得到的优化光照分量执行伽马校正，对图像的亮度实现非线性调整；(5)结合Retinex理论模型实现弱光图像的增强。2.根据权利要求1所述的一种基于自适应光照初始化的弱光图像增强方法，其特征在于，所述步骤(2)根据不同的输入图像，基于提出的光照自适应初始化模块，估计出图像的初始光照分量，具体包括：所述步骤(2)中典型图像光照初始化操作包括取R、G、B三通道最大值、取R、G、B三通道平均值、取HSV空间中的V分量，H分量表示色调、S分量表示饱和度、V分量表示亮度；具体公式表示如下：其中，I0(x)为初始光照分量、c包括R、G、B三个颜色通道、S
c
(x)则为三个颜色通道中的最大值分量，即为光照权重矩阵，Ω表示以为x中心的局部块，在本文中块大小取3
×
3，为光照调整参数。3.根据权利要求2所述的一种基于自适应光照初始化的弱光图像增强方法，其特征在于，所述步骤(3)在结构光照先验的约束下，通过交替方向最小化方法对初始光照分量进行优化估计，具体包括：理想的图像光照分量优化算法有如下的目标函数：其中，I0表示初始光照分量，I表示优化光照分量，W是结构权重矩阵，
▽
I为一阶导数滤波器，其具体又分为
▽
h
I水平方向和
▽
v
I垂直方向两部分，||
·
||1和
·
||
F
则分别为1范数和标准F范数，在上式目标函数中，第一项为数据保真项，用来约束I0和I之间的差异，正则项的作...

【专利技术属性】
技术研发人员：肖斌，田广粮，毕秀丽，刘波，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：