一种利用频域特性的自适应低照度图像增强方法技术

本发明专利技术公开了一种利用频域特性的自适应低照度图像增强方法，包括：将低照度图像分解为照度图和反射图；基于频域特性的自适应照度调整方法对照度图进行自适应的照度调整，得到调整后的照度图；基于噪声在图像上分布的独立性，对所述调整后的照度图进行噪声抑制，得到噪声抑制后的照度图；基于噪声在图像上分布的独立性，对所述反射图进行噪声抑制，得到噪声抑制后的反射图；对所述噪声抑制后的照度图和所述噪声抑制后的照度图进行融合，得到增强后的低照度图像

【技术实现步骤摘要】
一种利用频域特性的自适应低照度图像增强方法


[0001]本专利技术属于计算机视觉图像处理
，具体涉及一种利用频域特性的自适应低照度图像增强方法
。

技术介绍

[0002]低照度条件下的图像获取是很常见的，这导致了图像亮度低
、
对比度差和颜色失真，从而阻碍了计算机视觉任务，例如物体检测和图像分割
。
为了解决这些问题，低光照图像增强已经成为计算机视觉的一个重要研究课题，特别是为了提高低照度条件下图像的视觉保真度
。
[0003]然而，低照明条件需要一个全面的图像增强方法，而不是简单地放大亮度以提高对比度，因为这可能会反过来影响图像的整体质量
。
因此，解决低照度成像的根本原因对于产生高质量的图像以满足计算机视觉和图像分析中各种任务的需要至关重要
。

技术实现思路

[0004]为了解决现有技术中存在的上述问题，本专利技术提供了一种利用频域特性的自适应低照度图像增强方法
。
本专利技术要解决的技术问题通过以下技术方案实现：
[0005]一种利用频域特性的自适应低照度图像增强方法，所述图像增强方法包括：
[0006]将低照度图像分解为照度图和反射图；
[0007]基于频域特性的自适应照度调整方法对所述照度图进行自适应的照度调整，得到调整后的照度图；
[0008]基于噪声在图像上分布的独立性，对所述调整后的照度图进行噪声抑制，得到噪声抑制后的照度图；
[0009]基于噪声在图像上分布的独立性，对所述反射图进行噪声抑制，得到噪声抑制后的反射图；
[0010]对所述噪声抑制后的照度图和所述噪声抑制后的照度图进行融合，得到增强后的低照度图像
。
[0011]在本专利技术的一个实施例中，将低照度图像分解为照度图和反射图，包括：
[0012]基于视网膜理论对所述低照度图像进行分解，得到所述照度图和所述反射图
。
[0013]在本专利技术的一个实施例中，基于频域特性的自适应照度调整方法对所述照度图进行自适应的照度调整，得到调整后的照度图，包括：
[0014]对所述照度图进行像素化，得到第一像素化照度图；
[0015]基于第一调整参数，对所述第一像素化照度图进行正则化，得到第二像素化照度图，其中，所述第二像素化照度图表示为：
[0016]E[n,m
；
I]→
E0[n,m
；
I]+b
[0017]其中，
E[n,m
；
I]为第二像素化照度图，
E0[n,m
；
I]为第一像素化照度图，
n
为照度图横轴坐标，
m
为照度图纵轴坐标，
I
为照度通道，
b
为第一调整参数；
[0018]基于所述第二像素化照度图和第二调整参数得到相位信息，所述相位信息表示为：
[0019][0020]其中，
φ
[k
n
,k
m
]为所述第二像素化照度图中坐标位置为
(k
n
,k
m
)
的像素点的像素信息，
S
为第二调整参数，
T
为方差；
[0021]基于所述相位信息得到增益结果，所述增益结果表示为：
[0022][0023]其中，
H[k
n
,k
m
]为所述第二像素化照度图中坐标位置为
(k
n
,k
m
)
的增益结果；
[0024]基于谱相位和傅里叶逆变换原理，根据所述增益结果和所述第二像素化照度图得到初步调整的照度图，所述初步调整的照度图表示为：
[0025][0026]其中，
V0[n,m
；
I]为初步调整的照度图，
angle
为角度算子，
IFT
为逆傅里叶变换，
FT
为傅里叶变换；
[0027]基于所述初步调整的照度图和第三调整参数得到所述调整后的照度图，所述调整后的照度图表示为：
[0028][0029]其中，
V[n,m
；
I]为调整后的照度图
,G
为第三调整参数，
Im{E
o
[n,m
；
I]}
为第二像素化照度图的虚部，
Re{E
o
[n,m
；
I]}
为第二像素化照度图的实部
。
[0030]在本专利技术的一个实施例中，所述第一调整参数
、
所述第二调整参数和所述第三调整参数的获取方法包括：
[0031]将所述第一像素化照度图输入至轻量化的参数估计网络中，并通过第一损失函数优化所述轻量化的参数估计网络的参数，直至所述第一损失函数达到最小，此时得到所述轻量化的参数估计网络输出的所述第一调整参数
、
所述第二调整参数和所述第三调整参数，其中，所述轻量化的参数估计网络包括若干依次连接的卷积层，所述第一损失函数包括图像色彩直方图先验信息对应的损失函数和照度平滑损失函数
。
[0032]在本专利技术的一个实施例中，所述第一损失函数表示为：
[0033]L1＝
L
hist
+L
si
[0034]其中，
L1为第一损失函数，
L
hist
为图像色彩直方图先验信息对应的损失函数，
L
si
为照度平滑损失函数；
[0035]所述图像色彩直方图先验信息对应的损失函数表示为：
[0036][0037]所述照度平滑损失函数表示为：
[0038]L
si
＝
L
x
+L
y
+L
smooth
[0039][0040][0041]L
smooth
＝
(||G(E[n,m
；
I])
‑
G(V[n,m
；
I])||
p
+
ε
)/(CWH)
[0042]其中，
N
为输入图像的数量，
Hist(
·
)
为图像色彩直方图先验信息，
E[n,m
；
I]为第二像素化照度图，
V[n,m
；
I]为调整后的照度图，
||
·
||2为求取二范数值，
H、W
分别为图像的高度和宽度，
ReLU
为激活函数，
G(E[n,m
；
I])
为第二像素化照度图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种利用频域特性的自适应低照度图像增强方法，其特征在于，所述图像增强方法包括：将低照度图像分解为照度图和反射图；基于频域特性的自适应照度调整方法对所述照度图进行自适应的照度调整，得到调整后的照度图；基于噪声在图像上分布的独立性，对所述调整后的照度图进行噪声抑制，得到噪声抑制后的照度图；基于噪声在图像上分布的独立性，对所述反射图进行噪声抑制，得到噪声抑制后的反射图；对所述噪声抑制后的照度图和所述噪声抑制后的照度图进行融合，得到增强后的低照度图像
。2.
根据权利要求1所述的自适应低照度图像增强方法，其特征在于，将低照度图像分解为照度图和反射图，包括：基于视网膜理论对所述低照度图像进行分解，得到所述照度图和所述反射图
。3.
根据权利要求1所述的自适应低照度图像增强方法，其特征在于，基于频域特性的自适应照度调整方法对所述照度图进行自适应的照度调整，得到调整后的照度图，包括：对所述照度图进行像素化，得到第一像素化照度图；基于第一调整参数，对所述第一像素化照度图进行正则化，得到第二像素化照度图，其中，所述第二像素化照度图表示为：
E[n,m
；
I]
→
E0[n,m
；
I]+b
其中，
E[n,m
；
I]
为第二像素化照度图，
E0[n,m
；
I]
为第一像素化照度图，
n
为照度图横轴坐标，
m
为照度图纵轴坐标，
I
为照度通道，
b
为第一调整参数；基于所述第二像素化照度图和第二调整参数得到相位信息，所述相位信息表示为：其中，
φ
[k
n
,k
m
]
为所述第二像素化照度图中坐标位置为
(k
n
,k
m
)
的像素点的像素信息，
S
为第二调整参数，
T
为方差；基于所述相位信息得到增益结果，所述增益结果表示为：其中，
H[k
n
,k
m
]
为所述第二像素化照度图中坐标位置为
(k
n
,k
m
)
的增益结果；基于谱相位和傅里叶逆变换原理，根据所述增益结果和所述第二像素化照度图得到初步调整的照度图，所述初步调整的照度图表示为：其中，
V0[n,m
；
I]
为初步调整的照度图，
angle
为角度算子，
IFT
为逆傅里叶变换，
FT
为傅里叶变换；基于所述初步调整的照度图和第三调整参数得到所述调整后的照度图，所述调整后的照度图表示为：
其中，
V[n,m
；
I]
为调整后的照度图
,G
为第三调整参数，
Im{E
o
[n,m
；
I]}
为第二像素化照度图的虚部，
Re{E
o
[n,m
；
I]}
为第二像素化照度图的实部
。4.
根据权利要求3所述的自适应低照度图像增强方法，其特征在于，所述第一调整参数
、
所述第二调整参数和所述第三调整参数的获取方法包括：将所述第一像素化照度图输入至轻量化的参数估计网络中，并通过第一损失函数优化所述轻量化的参数估计网络的参数，直至所述第一损失函数达到最小，此时得到所述轻量化的参数估计网络输出的所述第一调整参数
、
所述第二调整参数和所述第三调整参数，其中，所述轻量化的参数估计网络包括若干依次连接的卷积层，所述第一损失函数包括图像色彩直方图先验信息对应的损失函数和照度平滑损失函数
。5.
根据权利要求3所述的自适应低照度图像增强方法，其特征在于，所述第一损失函数表示为：
L1＝
L
hist
+L
si
其中，
L1为第一损失函数，
L
hist
为图像色彩直方图先验信息对应的损失函数，
L
si
为照度平滑损失函数；所述图像色彩直方图先验信息对应的损失函数表示为：所述照度平滑损失函数表示为：
L
si
＝
L
x
+L
y
+L
smoothsmooth
L
smooth
＝
(||G(E[n,m
；
I])
‑
G(V[n,m
；
I])||
p
+
ε
)/(CWH)
其中，
N
为输入图像的数量，
Hist(
·
)
为图像色彩直方图先验信息，
E[n,m
；
I]
为第二像素化照度图，
V[n,m
；
I]
为调整后...

【专利技术属性】
技术研发人员：张栩培，秦翰林，魏莉莉，耿金妮，王广豪，于跃，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：