一种非均匀光照图像二次曝光的实现方法技术

本发明专利技术公开了一种非均匀光照图像二次曝光的实现方法，包括以下步骤：获取光照图像；获取反射图像；将光照图像和反射图像叠加获取全局增强结果，并将全局增强结果和原始图像融合；对增强结果进行颜色校正，获取视觉匹配图像。本发明专利技术通过约束光照图像的平滑性质，并对反射图像通过视觉阈值特性进行锐化，保证了图像的细节信息；通过图像融合方法，有效保持了原始图像亮区的亮度、对比度和颜色信息，而且由于引入了人眼视觉感知平均背景亮度的特性，使得融合后的图像能够有效消除阴影边界附近图像颜色扭曲；通过色彩校正技术对低照度区域的色彩进行了恢复，使得低照度区域和亮区的色彩没有明显的畸变，连续性较好，视觉效果更加自然。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括以下步骤：获取光照图像；获取反射图像；将光照图像和反射图像叠加获取全局增强结果，并将全局增强结果和原始图像融合；对增强结果进行颜色校正，获取视觉匹配图像。本专利技术通过约束光照图像的平滑性质，并对反射图像通过视觉阈值特性进行锐化，保证了图像的细节信息；通过图像融合方法，有效保持了原始图像亮区的亮度、对比度和颜色信息，而且由于引入了人眼视觉感知平均背景亮度的特性，使得融合后的图像能够有效消除阴影边界附近图像颜色扭曲；通过色彩校正技术对低照度区域的色彩进行了恢复，使得低照度区域和亮区的色彩没有明显的畸变，连续性较好，视觉效果更加自然。【专利说明】
本专利技术属于图像二次曝光
，尤其涉及。
技术介绍
目前宽动态技术主要采用特殊DSP(数字信号处理)电路，对明亮部分进行最合适的快门速度曝光，然后再对暗的部分用最合适的快门速度曝光，之后将两个图像进行DSP处理重新组合，使明亮的部分和暗的部分可以看得清楚，这需要很高的技术使色彩和清晰度损失最小，然而由于CCD的特性所限制，摄像机宽动态范围最大能到60dB，因此即便使用最先进的宽动态技术摄像机，在复杂光照条件下依然会得到非均匀光照图像，从而造成即得图像不能满足“视觉匹配”的问题。目前针对非均匀光照图像增强的主要算法有:基于直方图操作的算法；基于邻域的非线性图像增强方法；基于视觉特性的图像增强方法；基于视觉皮质模型的图像增强方法；基于小波及后续发展的多种X-1et变换的多尺度图像增强算法；基于偏微分方程的图像增强方法。基于直方图操作的算法如直方图均衡(Histogram equalization, HE)是图像增强广泛采用的技术，但HE是在整体范围内改善光照环境影响的全局增强方法，实际处理时一幅图像的不同部分可能有不同的图像质量，此时就需要基于邻域的局部方法来处理，自适应直方图均衡(Adaptive histogram equalization, AHE),对比度限制自适应直方图均衡(Contrast limited adaptive histogram equalization, CLAHE)和基于人类视觉临界可见偏差引导的自适应直方图均衡(JND-guided adaptive contrast enhancement, JGACE),都是基于局部操作更深入的探讨，但AHE往往存在较严重的过冲，而在其改进算法中局部操作的参数选择和控制也存在困难，根据AHE的发展思路，局部直方图规定化也有改进，同时在使用直方图统计方面，R.C.Gonzalez等分析了一种基于局部统计(Localstatistics, LS)的增强方法，Kim等提出了梯度处理与统计处理相结合的图像增强技术，虽然在增强性能和噪声放大方面存在不足，但是局部统计量是形成算法自适应的关键，其提供了较好的案例，ZhiYu Chen等提出了灰度级组合(Grey-level Grouping, GLG)的方法，其在特定准则下实现了灰度级的重新组合，依靠查找表实现快速寻优，基本方法和自适应改进都体现了算法性能优良，Kwok等将原始直方图在相邻像素值间光滑，而后从新映射得到增强后图像，尤其在面向天空等视景时处理效果良好。基于邻域的非线性增强方法对非均匀光照图像从全局和局部两个方面进行处理，引向了较为深入的复合思路，OldDominion大学视觉实验室从2003年起一直致力于非均匀光照图像增强算法的研究和实时化，提出了一系列方法:自适应邻域依赖的非线性增强(Adaptive integrated neighborhood dependent approach for nonlinearenhancement, AINDANE)，光照-反射模型图像增强(Illuminance-ref lection modelfor image enhancement, IRME),局部调整 Sine 函数非线性增强(Locally tuned sinenonlinear enhancement, LTSNE)等,许多学者针对特殊场景也进行了相关改进工作，如多窗逆 Sigmoid 变换方法(Multiple windowed inverse sigmoid, MWIS), Li Tao 等一系列文章提供了一个非常重要的图像增强核心框架，其具体分成两个计算步骤:亮度增强和对比度增强:亮度增强主要是动态范围的调整，通过精细的非线性变换函数得以实现；对比度增强是基于在邻域内中心像素与周围像素的关系设计的变换函数；最后采用线性颜色恢复方式得到彩色增强图像结果。基于视觉特性的图像增强方法中具有代表性的是基于Retinex的算法，视网膜皮质理论即Retinex理论(由视网膜Retina和大脑皮质Cortex两个词合成),力图模拟人类视觉系统在光照条件空间变化的情况下仍然能对场景中每一点的颜色有稳定的感知能力，其核心是认为人类视觉对某一点的感受存在对比机制，不仅来源于该点的绝对亮度和颜色，还取决于该点与周围亮度、颜色的对比，NASA兰利研究中心提出了一系列基于Retinex的算法，包括单尺度 Retinex (Single-scale Retinex, SSR)、多尺度 Retinex (Mult1-scaleRetinex, MSR)、颜色校正算法(Mult1-scale Retinex with color restoration, MSRCR),其核心是假设光照变化的平滑，容易导致在明暗对比强烈处产生光晕现象(halo effect)，相应的改进算法包括=Meylan通过对图像的RGB空间进行主成份分析获得亮度分量，利用边缘信息指导滤波，能较好地抑制光晕，但由于自适应滤波时各点处模糊核不同，处理速度较慢；Doo Hyun Choi等进一步融入了视觉特性中的临界可见偏差,在邻域中心与邻域信息的差异比较中自适应改变光照估计模板的权值；许欣等提出了基于MeanShift滤波的方法进行光照估计，而蒋永馨等提出了限邻域经验模式分解(Neighborhood limited empiricalmode decomposition, NLEMD)的方法估计光照,都取得了较好的效果，而结合视觉侧抑制现象的自动彩色均衡(Automatic color equalization, ACE),融入局部滤波的Random SprayRetinex,基于核的 Retinex (Kernel-based Retinex, KBR)算法也有很多进展。基于视觉特性的图像增强方法在国内具有代表性的研究成果有:北京理工大学颜色科学与工程国家重点实验室倪国强教授团队提出了真实图像再现(RIR)研究方向，以人类视觉特性为研究对象，以真实再现人类对外界场景的感知为目标，涉及颜色/亮度恒常性、动态范围压缩等问题，旨在解决图像增强和高动态范围图像可视化等相关问题，而王守觉院士提出用高维形象几何学方法研究信息处理中的问题，并在彩色图像盲增强领域取得很好的效果；并进一步在Li Tao提出的框架下，融入视觉阈值特性设计了仿生图像增强算法。基于视觉皮质模型的图像增强方法，基于小波及后续发展的多种X-1et变换的多尺度图像增强算法，基于偏微本文档来自技高网...

【技术保护点】
一种非均匀光照图像二次曝光的实现方法，其特征在于，所述非均匀光照图像二次曝光的实现方法包括以下步骤：获取光照图像；获取反射图像；将光照图像和反射图像叠加获取全局增强结果，并将全局增强结果和原始图像融合；对增强结果进行颜色校正，获取视觉匹配图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：李权合，毕笃彦，熊磊，张登福，王晨，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：