一种超低照度网络相机图像处理方法技术

本发明专利技术涉及图像处理技术领域，揭露了一种超低照度网络相机图像处理方法

【技术实现步骤摘要】
一种超低照度网络相机图像处理方法、装置及电子设备


[0001]本专利技术涉及图像处理
，尤其涉及一种超低照度网络相机图像处理方法
、
装置及电子设备
。

技术介绍

[0002]伴随着信息化时代的飞速发展，有效获取信息变得至关重要
。
图像作为一种重要的信息媒介，在人们的日常生活和工作中扮演着重要角色，如安防监控
、
人脸识别
、
目标检测和智能驾驶等方面，特别是智能手机的拍照摄影已经与我们的生活密不可分，这些领域往往对图像的质量要求较高
。
然而，由于不可避免的环境因素，如夜晚
、
逆光等不理想的光照条件，或是受到设备缺陷与拍摄技术的限制，获取的图像存在场景内容被埋没
、
对比度降低
、
噪声污染严重和色彩不准确等诸多问题
。
这些特点降低了此类图像的可用性，不仅严重影响了人类的主观感受，同时也对计算机视觉系统的性能造成了极大的限制
。
[0003]随着科技的进步，图像处理技术近些年来得到极大的重视和发展，在数字图像处理系统中，相机原始输入图像的质量对系统后续图像质量提升
、
智能分析和压缩存储等都有重要的影响
。
图像处理器
( ISP, Image Signal Processor )
作为相机系统的核心，对图像处理具有极其重要的作用
。
相机输出图像的质量在很大程度上决定于图像处理器的性能
。ISP 对图像传感器输出的原始图像数据进行处理，包括预处理
、
颜色插值
、
自动白平衡
、Gamma 校正
、
色彩空间转换
、
饱和度增强
、
边缘增强
、
自动曝光等
。
通过这一系列处理来提高相机的成像质量，使相机拍摄出来的照片能够对自然景物进行最大程度的还原
。
目前传统 ISP 处理算法是分模块实现的，各个模块级按照流水线结构联构成整体的 ISP 架构
。
包括预处理
、
颜色插值
、
自动白平衡
、Gamma 校正
、
色彩空间转换
、
饱和度增强
、
边缘增强
、
自动曝光等
。
但由于传感器较小
、
镜头相对紧凑等硬件方面的限制，导致其结构相当复杂
、
处理速度较慢，而且重建的图像往往会存在细节丢失
、
较高的噪声以及低质量的色彩渲染等问题，图片的信息无法被准确识别获取，导致对低照度图像进行图像处理的效果较差
。

技术实现思路

[0004]本专利技术提供一种超低照度网络相机图像处理方法
、
装置及电子设备，其主要目的在于解决低照度图像在进行图像处理时效果较差的问题
。
[0005]为实现上述目的，本专利技术提供的一种超低照度网络相机图像处理方法，包括：获取低照度网络相机图像，计算所述低照度网络相机图像的最优分割阈值，根据所述最优分割阈值对所述低照度网络相机图像进行图像分割，得到所述低照度网络相机图像的背景分割图像及细节分割图像；分别计算所述背景分割图像及所述细节分割图像的噪声标准差，根据所述噪声标准差对所述低照度网络相机图像进行平滑去噪，得到所述低照度网络相机图像的去噪图像；对所述去噪图像进行多尺度滤波，得到所述去噪图像的光照分量，根据所述光照
分量对所述去噪图像进行光照校正，得到所述低照度网络相机图像的光照校正图像；将所述光照校正图像转化到频率域，得到所述光照校正图像的频率分量，对所述频率分量进行同态滤波，得到所述低照度网络相机图像的光照增强图像；根据所述光照增强图像对所述低照度网络相机图像进行图像重构，得到所述低照度网络相机图像的目标增强图像
。
[0006]可选地，所述计算所述低照度网络相机图像的最优分割阈值，包括：利用预设的初始灰度值阈值将所述低照度网络相机图像进行初始图像分割，得到初始背景分割图像及初始细节分割图像；分别计算所述初始背景分割图像及所述初始细节分割图像的灰度值概率以及平均灰度值；根据所述灰度值概率以及所述平均灰度值计算所述初始背景分割图像及所述初始细节分割图像之间的灰度方差值；利用如下公式计算所述初始背景分割图像及所述初始细节分割图像之间的灰度方差值：其中，表示灰度方差值，，分别表示初始灰度值阈值为时初始背景分割图像以及初始细节分割图像的灰度值概率，，分别表示初始阈值为时初始背景分割图像以及初始细节分割图像的平均灰度值；对所述灰度方差值进行迭代计算，选取所述灰度方差值的最大值对应的初始灰度值阈值作为所述低照度网络相机图像的最优分割阈值
。
[0007]可选地，所述分别计算所述背景分割图像及所述细节分割图像的噪声标准差，包括：分别对所述背景分割图像及所述细节分割图像进行归一化处理，得到归一化灰度图像；计算所述归一化灰度图像
、
所述背景分割图像及所述细节分割图像的像素灰度值均值；根据所述像素灰度值均值对所述背景分割图像及所述细节分割图像进行模糊均差计算，得到所述背景分割图像及所述细节分割图像的噪声标准差；利用如下公式对所述背景分割图像及所述细节分割图像进行模糊均差计算：其中，表示噪声标准差，表示所述背景分割图像或所述细节分割图像，表示所述背景分割图像或所述细节分割图像中的像素点灰度值，表示所述背景分割图像或所述细节分割图像的像素灰度值均值，表示所述背景分割图像或所述细节分割图像对应的归一化图像的像素灰度值均
值
。
[0008]可选地，所述根据所述噪声标准差对所述低照度网络相机图像进行平滑去噪，得到所述低照度网络相机图像的去噪图像，包括：对所述低照度网络相机图像进行多尺度小波分解，得到多尺度的小波分解系数；根据所述噪声标准差分别计算所述小波分解系数的系数阈值，根据所述系数阈值对所述小波分解系数进行平滑去噪，得到去噪系数；利用如下公式计算所述小波分解系数的系数阈值：其中，表示所述去噪系数，表示所述噪声标准差的和，表示所述小波分解系数的信号长度；根据所述去噪系数对所述低照度网络相机图像进行图像重构，得到所述低照度网络相机图像的去噪图像
。
[0009]可选地，所述对所述去噪图像进行多尺度滤波，得到所述去噪图像的光照分量，包括：将所述去噪图像转换到
HSV
颜色空间，在所述
HSV
颜色空间中提取所述去噪图像的亮度分量；对所述亮度分量进行多尺度引导滤波，得到所述去噪图像的光照分量；利用如下公式对所述亮度分量进行多尺度引导滤波：其中，表示所述去噪图像的亮度分量，表示第个引导滤波尺度，表示引导滤波尺度的总数，表示第个引导滤波尺度对应的权重，表示第个引导滤波尺度对应的梯度域引导滤波函数，表示所述亮度分量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种超低照度网络相机图像处理方法，其特征在于，所述方法包括：获取低照度网络相机图像，计算所述低照度网络相机图像的最优分割阈值，根据所述最优分割阈值对所述低照度网络相机图像进行图像分割，得到所述低照度网络相机图像的背景分割图像及细节分割图像；分别计算所述背景分割图像及所述细节分割图像的噪声标准差，根据所述噪声标准差对所述低照度网络相机图像进行平滑去噪，得到所述低照度网络相机图像的去噪图像；对所述去噪图像进行多尺度滤波，得到所述去噪图像的光照分量，根据所述光照分量对所述去噪图像进行光照校正，得到所述低照度网络相机图像的光照校正图像；将所述光照校正图像转化到频率域，得到所述光照校正图像的频率分量，对所述频率分量进行同态滤波，得到所述低照度网络相机图像的光照增强图像；根据所述光照增强图像对所述低照度网络相机图像进行图像重构，得到所述低照度网络相机图像的目标增强图像
。2.
如权利要求1所述的超低照度网络相机图像处理方法，其特征在于，所述计算所述低照度网络相机图像的最优分割阈值，包括：利用预设的初始灰度值阈值将所述低照度网络相机图像进行初始图像分割，得到初始背景分割图像及初始细节分割图像；分别计算所述初始背景分割图像及所述初始细节分割图像的灰度值概率以及平均灰度值；根据所述灰度值概率以及所述平均灰度值计算所述初始背景分割图像及所述初始细节分割图像之间的灰度方差值；利用如下公式计算所述初始背景分割图像及所述初始细节分割图像之间的灰度方差值：其中，表示灰度方差值，，分别表示初始灰度值阈值为时初始背景分割图像以及初始细节分割图像的灰度值概率，，分别表示初始阈值为时初始背景分割图像以及初始细节分割图像的平均灰度值；对所述灰度方差值进行迭代计算，选取所述灰度方差值的最大值对应的初始灰度值阈值作为所述低照度网络相机图像的最优分割阈值
。3.
如权利要求1所述的超低照度网络相机图像处理方法，其特征在于，所述分别计算所述背景分割图像及所述细节分割图像的噪声标准差，包括：分别对所述背景分割图像及所述细节分割图像进行归一化处理，得到归一化灰度图像；计算所述归一化灰度图像
、
所述背景分割图像及所述细节分割图像的像素灰度值均值；根据所述像素灰度值均值对所述背景分割图像及所述细节分割图像进行模糊均差计算，得到所述背景分割图像及所述细节分割图像的噪声标准差；利用如下公式对所述背景分割图像及所述细节分割图像进行模糊均差计算：
其中，表示噪声标准差，表示所述背景分割图像或所述细节分割图像，表示所述背景分割图像或所述细节分割图像中的像素点灰度值，表示所述背景分割图像或所述细节分割图像的像素灰度值均值，表示所述背景分割图像或所述细节分割图像对应的归一化灰度图像的像素灰度值均值
。4.
如权利要求1所述的超低照度网络相机图像处理方法，其特征在于，所述根据所述噪声标准差对所述低照度网络相机图像进行平滑去噪，得到所述低照度网络相机图像的去噪图像，包括：对所述低照度网络相机图像进行多尺度小波分解，得到多尺度的小波分解系数；根据所述噪声标准差分别计算所述小波分解系数的系数阈值，根据所述系数阈值对所述小波分解系数进行平滑去噪，得到去噪系数；利用如下公式计算所述小波分解系数的系数阈值：其中，表示所述去噪系数，表示所述噪声标准差的和，表示所述小波分解系数的信号长度；根据所述去噪系数对所述低照度网络相机图像进行图像重构，得到所述低照度网络相机图像的去噪图像
。5.
如权利要求1所述的超低照度网络相机图像处理方法，其特征在于，所述对所述去噪图像进行多尺度滤波，得到所述去噪图像的光照分量，包括：将所述去噪图像转换到
HSV
颜色空间，在所述
HSV
颜色...

【专利技术属性】
技术研发人员：孙成智，阳噹铃，金富平，
申请(专利权)人：深圳市巨龙创视科技有限公司，
类型：发明
国别省市：