CN102231206B - 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法 - Google Patents

适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法 Download PDF

Info

Publication number
CN102231206B
CN102231206B CN201110196586XA CN201110196586A CN102231206B CN 102231206 B CN102231206 B CN 102231206B CN 201110196586X A CN201110196586X A CN 201110196586XA CN 201110196586 A CN201110196586 A CN 201110196586A CN 102231206 B CN102231206 B CN 102231206B
Authority
CN
China
Prior art keywords
image
brightness
curve
night vision
spot light
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201110196586XA
Other languages
English (en)
Other versions
CN102231206A (zh
Inventor
金学波
郑海江
鲍佳
杜晶晶
包晓敏
张水英
严国红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201110196586XA priority Critical patent/CN102231206B/zh
Publication of CN102231206A publication Critical patent/CN102231206A/zh
Application granted granted Critical
Publication of CN102231206B publication Critical patent/CN102231206B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明提供一种适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法。本发明首先将夜视彩色图像从RGB空间转换到YUV空间，避免了直接在RGB空间进行处理时易造成颜色失真的缺陷，然后利用S曲线修正Retinex算法对亮度分量图像进行处理，使图像的细节和亮度得到了增强；利用选择性非线性灰度值映射方法对亮度分量图像进行增强，保留了良好的光影信息；最后运用加权融合方法，将上述两个增强图像加权融合，最后将加权融合的亮度分量图像联合UV分量的图像逆变换到RGB空间显示。由本方法得到的增强图像既保留了图像必要的光影信息，又使图像具有适于视觉观察的细节和亮度，对夜视彩色图像具有良好的增强效果。

Description

适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法
技术领域
本发明属于图像处理技术领域，涉及一种基于S曲线修正Retinex算法的夜视彩色图像亮度调节方法，适用于汽车夜晚辅助驾驶系统。
背景技术
在路灯和车灯条件下，夜间行驶最大的安全隐患是由于光线不足使驾驶员无法及时对路况全面、准确的掌握。目前，行车安全已经是汽车的重要评价指标，而提高夜间行驶的安全性具有极其重要的意义。研究彩色夜视灯光图像亮度的增强技术可扩展驾驶员的可视距离，改善夜间行驶的可视条件，为汽车夜晚辅助驾驶系统提供必要的技术手段。
目前针对夜间图像增强的专利有：一种具有高光抑制的夜间图像增强方法（CN201010111577.1）公开了一种确定抑制参数，抑制HSV色系中亮度通道V所具有的高光的夜间图像增强方法，但该方法不改变原本图像像素间关系，对于灯光下的夜视图像仅可以有限地提高图像的可视性，在增强原图像的不可见细节方面不能达到很好的效果。一种低照度图像增强方法（CN201010034228.4）将图像分为大小相同的矩形区域，利用期望均值和方差求出每个矩形区域滤波器的乘性系数和加性系数，经过沃利斯滤波器后对图像灰度值进行线性拉伸，但该方法并未涉及图像色彩的处理。
目前针对彩色图像增强的专利有：一种基于Retinex理论的快速彩色图像增强方法（CN200810116385.2）公开了一种构造新色彩空间、均值模版、通过自适应参数来选取来调节像素值分布的彩色图像增强方法；一种基于Retinex的非线性彩色图像增强方法（CN201010578402.1）公开了一种将图像从RGB空间转换到YCbCr空间、然后采用改进的Retinex照射反射模型进行局部自适应增强、再利用Gamma校正做全局亮度调整非线性彩色图像增强方法，但上述都是针对白天日光下的彩色图像，对于亮度不足的夜视彩色图像，这些方法得到的图像会因缺少必要的亮度信息导致可视性很差。
综上所述，目前关于图像增强的方法不适用于灯光下彩色夜视图像亮度增强，无法在增强图像的不可见细节、夜视图像的色彩、亮度方面满足汽车夜晚辅助驾驶系统的要求。
发明内容
本发明的目的就是为了克服现有方法中的不足，提出了一种适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法，该方法使得灯光下彩色夜视图像在图像细节增强的同时能保留颜色和光影信息。
本发明方法包含颜色空间变换、S曲线修正Retinex算法、选择性非线性灰度值映射、加权融合、显示五个步骤，具体为：
步骤(1)得到夜视图像的亮度分量图像                                               
Figure 201110196586X100002DEST_PATH_IMAGE002
将图像从RGB空间变换为YUV空间，得到Y、U、V三个分量，其中Y 为亮度，U表示红色与Y的色差信号，V表示蓝色与Y的色差信号。
RGB空间变换为YUV空间公式如下：
Figure 201110196586X100002DEST_PATH_IMAGE004
      (1)
其中
Figure 201110196586X100002DEST_PATH_IMAGE006
表示像素点在图像中的坐标。
步骤(2)用S曲线修正Retinex算法对亮度分量图像
Figure 812832DEST_PATH_IMAGE002
进行增强，得到增强图像。
①确定高斯模版
二维高斯卷积函数
Figure 201110196586X100002DEST_PATH_IMAGE010
可以表示为
Figure 201110196586X100002DEST_PATH_IMAGE012
                (2)
其中
Figure 201110196586X100002DEST_PATH_IMAGE014
是概率分布的标准差，是高斯函数的唯一参数。同时确定模版宽度。选择
Figure 257512DEST_PATH_IMAGE014
应满足公式：
Figure DEST_PATH_IMAGE018
                         (3)
一般模版宽度
Figure 839672DEST_PATH_IMAGE016
和标准差
Figure 588798DEST_PATH_IMAGE014
选为31和5。
②求反射分量图像
Figure DEST_PATH_IMAGE022
      (4)
其中
Figure DEST_PATH_IMAGE024
为夜视图像的亮度分量，
Figure 224310DEST_PATH_IMAGE010
是二维高斯函数，
Figure DEST_PATH_IMAGE026
代表了卷积运算，
Figure 137950DEST_PATH_IMAGE006
表示像素点在图像中的坐标。
③对反射分量图像
Figure 336850DEST_PATH_IMAGE020
进行S曲线修正
    选择曲线
Figure DEST_PATH_IMAGE028
如下：
Figure DEST_PATH_IMAGE030
              (5)
对曲线选择参数进行适当选择后，将所得反射分量图像
Figure 130362DEST_PATH_IMAGE020
代入得S曲线修正Retinex算法增强图像
Figure 123726DEST_PATH_IMAGE008
：
Figure DEST_PATH_IMAGE032
           (6)
其中，、
Figure DEST_PATH_IMAGE036
用于控制曲线的形状，
Figure 441837DEST_PATH_IMAGE036
代表了曲线所在的位置，
Figure 178849DEST_PATH_IMAGE034
代表了曲线增长速度的快慢，
Figure DEST_PATH_IMAGE038
决定了曲线的终值。
步骤(3)对亮度分量图像
Figure 889185DEST_PATH_IMAGE002
进行选择性非线性灰度值映射增强，得到保持原图像光影信息的增强图像
Figure DEST_PATH_IMAGE040
。
计算亮度分量图像
Figure 942198DEST_PATH_IMAGE002
的亮度分布，先得到各点光源所包含像素的坐标；再计算各点光源
Figure 121507DEST_PATH_IMAGE042
所包含像素的个数总和记为点光源的大小
Figure DEST_PATH_IMAGE044
，计算各点光源
Figure 583581DEST_PATH_IMAGE042
所包含像素的横纵坐标的均值记为各点光源的中心
Figure DEST_PATH_IMAGE046
；然后分别计算与光源中心的距离相关的提亮因子
Figure DEST_PATH_IMAGE048
和与亮度相关的提亮因子
Figure DEST_PATH_IMAGE050
，具体方法如下：
①求取与光源中心的距离相关的提亮因子
Figure 853151DEST_PATH_IMAGE048
：
Figure DEST_PATH_IMAGE052
    (7)
其中
Figure 312951DEST_PATH_IMAGE044
为各点光源的大小，
Figure DEST_PATH_IMAGE054
、
Figure DEST_PATH_IMAGE056
为各点光源的中心，
Figure DEST_PATH_IMAGE058
为待定系数。
②求取与亮度相关的提亮因子
Figure 602724DEST_PATH_IMAGE050
：
Figure DEST_PATH_IMAGE060
     (8)
其中
Figure DEST_PATH_IMAGE062
为
Figure 868490DEST_PATH_IMAGE006
的灰度值，亮度值为点光源最低灰度值，设为图像亮度最大值的80%，
Figure DEST_PATH_IMAGE066
为待定系数。
③对图像的整体亮度分量进行增强，方法为
Figure DEST_PATH_IMAGE068
               (9)
其中
Figure 992566DEST_PATH_IMAGE050
和分别为与光源中心距离相关的提亮因子与亮度相关的提亮因子。
Figure 888846DEST_PATH_IMAGE040
为亮度分量图像
Figure 839485DEST_PATH_IMAGE002
经选择性非线性灰度值映射后的增强图像。
步骤(4)将增强图像
Figure 659673DEST_PATH_IMAGE008
与
Figure 12157DEST_PATH_IMAGE040
进行加权融合，得到增强后的亮度图像
Figure DEST_PATH_IMAGE072
。
将亮度分量图像
Figure 640191DEST_PATH_IMAGE002
经S曲线修正Retinex算法处理的结果
Figure 15809DEST_PATH_IMAGE008
和经选择性非线性灰度值映射的结果
Figure 436426DEST_PATH_IMAGE040
进行加权得到图像
Figure 95946DEST_PATH_IMAGE072
，公式如下：
Figure DEST_PATH_IMAGE074
          (10)
适当地选择加权系数可得既保留图像必要的光影信息、又使图像具有适于人眼观察的图像。
步骤(5)将处理后的亮度分量图像
Figure 835494DEST_PATH_IMAGE072
与步骤(1)得到的颜色分量
Figure DEST_PATH_IMAGE078
、
Figure DEST_PATH_IMAGE080
、反变换回RGB空间后进行显示。
从YUV空间反变换为RGB空间，变换方法为;
Figure DEST_PATH_IMAGE082
          (11)
本发明的有益效果是：
1、利用S曲线修正Retinex算法，不仅有效地去除了照射分量图像、恢复图像的细节显示，同时利用S曲线的修正使图像整体亮度得到增强，达到了良好的视觉效果。
2、利用选择性非线性灰度值映射，经过与距离有关的提亮因子和与亮度有关的提亮因子的增强，保留了弱光图像良好的光影信息。
3、对S曲线修正Retinex算法的增强图像和选择性非线性灰度值映射的增强图像进行加权融合，既保留了图像必要的光影信息，又使图像适于人眼观察。
附图说明   
图1是本方法实现的总体流程图。
具体实施方式
以下结合附图对本发明作进一步说明，如图1所示，本发明方法主要包括以下步骤：
步骤(1)得到夜视图像的亮度分量图像
Figure 885359DEST_PATH_IMAGE002
。
将图像从RGB空间变换为YUV空间，公式如下：
      
其中
Figure 108847DEST_PATH_IMAGE006
表示像素点在图像中的坐标。
步骤(2)用S曲线修正Retinex算法对亮度分量图像
Figure 78683DEST_PATH_IMAGE002
进行增强，得到亮度得到增强的增强图像
Figure 491210DEST_PATH_IMAGE008
。
①确定高斯模版
二维高斯卷积函数
Figure 456892DEST_PATH_IMAGE010
可以表示为
Figure 638475DEST_PATH_IMAGE012
                
其中
Figure 15098DEST_PATH_IMAGE014
是概率分布的标准差，是高斯函数
Figure 914921DEST_PATH_IMAGE010
的唯一参数。同时确定模版宽度
Figure 418715DEST_PATH_IMAGE016
。选择
Figure 408799DEST_PATH_IMAGE014
应满足公式：
Figure 769373DEST_PATH_IMAGE018
                         
模版宽度
Figure 94175DEST_PATH_IMAGE016
和标准差
Figure 463977DEST_PATH_IMAGE014
分别选为31和5，即模版为31*31。
②求反射分量图像
Figure 541523DEST_PATH_IMAGE020
Figure 276261DEST_PATH_IMAGE022
      
其中对数都是取以10为底，
Figure 885097DEST_PATH_IMAGE024
为夜视亮度分量图像，
Figure 744075DEST_PATH_IMAGE010
是二维高斯函数，
Figure 754756DEST_PATH_IMAGE026
代表了卷积运算，
Figure 847346DEST_PATH_IMAGE006
表示像素点在图像中的坐标。
③对反射分量图像
Figure 943478DEST_PATH_IMAGE020
进行S曲线修正
  对曲线选择参数进行适当选择后，将所得反射分量图像
Figure DEST_PATH_IMAGE084
代入得S曲线修正Retinex算法增强图像
Figure 592765DEST_PATH_IMAGE008
：
           
一般参数选为
Figure DEST_PATH_IMAGE086
。
步骤(3)对亮度分量图像
Figure 222909DEST_PATH_IMAGE002
进行选择性非线性灰度值映射增强，得到保持原图像光影信息的增强图像。
①计算亮度分量图像
Figure 243003DEST_PATH_IMAGE002
的亮度分布，设亮度最大值
Figure DEST_PATH_IMAGE088
的0.8倍的亮度值为点光源最暗值，即亮度值大于小于
Figure 169612DEST_PATH_IMAGE088
的部分为点光源。对点光源部分先进行腐蚀，去小点，再进行膨胀恢复大点面积，得到图像中各点光源分布
Figure 409969DEST_PATH_IMAGE042
。
②计算各点光源
Figure 187432DEST_PATH_IMAGE042
所包含像素的个数总和记为点光源的大小
Figure 356508DEST_PATH_IMAGE044
，计算各点光源
Figure 648949DEST_PATH_IMAGE042
所包含像素的横纵坐标的均值记为各点光源的中心；分别计算与各光源中心的距离相关的提亮因子
Figure 138016DEST_PATH_IMAGE048
和与亮度相关的提亮因子
Figure 976528DEST_PATH_IMAGE050
，方法为：
求取与光源中心的距离相关的提亮因子
Figure 21844DEST_PATH_IMAGE048
：
Figure DEST_PATH_IMAGE090
    
其中
Figure 40222DEST_PATH_IMAGE044
为各点光源的大小，
Figure 589015DEST_PATH_IMAGE054
、
Figure 614740DEST_PATH_IMAGE056
为各点光源的中心，
Figure 881774DEST_PATH_IMAGE058
为待定系数，一般取10。
求取与亮度相关的提亮因子
Figure 267624DEST_PATH_IMAGE050
：
Figure 670924DEST_PATH_IMAGE060
其中
Figure 867550DEST_PATH_IMAGE062
为
Figure 310295DEST_PATH_IMAGE006
的灰度值，亮度值
Figure 47307DEST_PATH_IMAGE064
为点光源最低灰度值，为待定系数，一般情况下，若整体图像较暗（如图像的亮度均值<0.15），取6，否则取3。
③对图像的整体亮度分量进行增强，方法为
Figure 938219DEST_PATH_IMAGE068
              
其中
Figure 101216DEST_PATH_IMAGE050
和
Figure 641919DEST_PATH_IMAGE070
分别为与光源中心距离相关的提亮因子与亮度相关的提亮因子。
Figure 223073DEST_PATH_IMAGE040
为亮度分量图像
Figure 267163DEST_PATH_IMAGE002
经选择性非线性灰度值映射后的增强图像。
步骤(4)将增强图像
Figure 996085DEST_PATH_IMAGE008
与
Figure 12582DEST_PATH_IMAGE040
进行加权融合，得到增强后的亮度图像
Figure 510559DEST_PATH_IMAGE072
。
将亮度分量图像经S曲线修正Retinex算法处理的结果和经选择性非线性灰度值映射的结果
Figure 239984DEST_PATH_IMAGE040
进行加权得到图像
Figure 280883DEST_PATH_IMAGE072
，公式如下：
Figure DEST_PATH_IMAGE092
          
实践表明，若灯光条件较好，可视距离较长，
Figure 161115DEST_PATH_IMAGE076
取为较小参数
Figure DEST_PATH_IMAGE094
；若灯光条件不好，如没有路灯的地点，由车灯产生的可视距离较短，一般取值为较大参数，
Figure DEST_PATH_IMAGE096
。
步骤(5)将亮度分量图像
Figure 144300DEST_PATH_IMAGE072
与步骤(1)得到的颜色分量
Figure 302356DEST_PATH_IMAGE078
、
Figure 150226DEST_PATH_IMAGE080
、反变换回RGB空间后进行显示。
从YUV空间反变换为RGB空间，变换方法为;
Figure 13140DEST_PATH_IMAGE082
。  

Claims (1)

1.适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法，其特征在于该方法的具体步骤是：
步骤(1)得到夜视图像的亮度分量图像                                                ,具体是：
将图像从RGB空间变换为YUV空间，得到Y、U、V三个分量，其中Y表示亮度，U表示红色与Y的色差信号，V表示蓝色与Y的色差信号；
RGB空间变换为YUV空间公式如下：
Figure 493854DEST_PATH_IMAGE002
      
其中
Figure 279407DEST_PATH_IMAGE003
表示像素点在图像中的坐标；
步骤(2)用S曲线修正Retinex算法对亮度分量图像
Figure 391588DEST_PATH_IMAGE001
进行增强，得到增强图像
Figure 615896DEST_PATH_IMAGE004
，具体是：
①确定高斯模版，
二维高斯卷积函数
Figure 880655DEST_PATH_IMAGE005
表示为
Figure 791105DEST_PATH_IMAGE006
                
其中是概率分布的标准差，同时确定模版宽度
Figure 153002DEST_PATH_IMAGE008
；
Figure 272268DEST_PATH_IMAGE007
选择应满足：
Figure 415935DEST_PATH_IMAGE009
                         
②求反射分量图像
Figure 253441DEST_PATH_IMAGE010
      
其中
Figure 42592DEST_PATH_IMAGE012
为夜视图像的亮度分量，是二维高斯函数，
Figure 993547DEST_PATH_IMAGE013
代表了卷积运算，
Figure 786185DEST_PATH_IMAGE003
表示像素点在图像中的坐标；
③对反射分量图像
Figure 942360DEST_PATH_IMAGE010
进行S曲线修正，选择曲线如下：
Figure 285934DEST_PATH_IMAGE015
              
对曲线选择参数进行选择后，将所得反射分量图像
Figure 646377DEST_PATH_IMAGE010
代入得S曲线修正Retinex算法增强图像
Figure 594741DEST_PATH_IMAGE004
：
           
其中，
Figure 335526DEST_PATH_IMAGE017
、
Figure 781551DEST_PATH_IMAGE018
用于控制曲线的形状，
Figure 850001DEST_PATH_IMAGE018
代表了曲线所在的位置，
Figure 175809DEST_PATH_IMAGE017
代表了曲线增长速度的快慢，决定了曲线的终值；
步骤(3)对亮度分量图像
Figure 946636DEST_PATH_IMAGE001
进行选择性非线性灰度值映射增强，得到保持原图像光影信息的增强图像
Figure 931909DEST_PATH_IMAGE020
，具体是：
计算亮度分量图像
Figure 930083DEST_PATH_IMAGE001
的亮度分布，先得到各点光源
Figure 808DEST_PATH_IMAGE021
所包含像素的坐标，所述的点光源为亮度值大于
Figure 991897DEST_PATH_IMAGE022
，小于
Figure 18628DEST_PATH_IMAGE023
的部分，
Figure 436971DEST_PATH_IMAGE023
为亮度最大值，
Figure 729412DEST_PATH_IMAGE022
为亮度最大值
Figure 586510DEST_PATH_IMAGE023
的0.8倍；再计算各点光源
Figure 969212DEST_PATH_IMAGE021
所包含像素的个数总和记为点光源的大小，计算各点光源
Figure 603772DEST_PATH_IMAGE021
所包含像素的横纵坐标的均值记为各点光源的中心
Figure 185932DEST_PATH_IMAGE025
；然后分别计算与光源中心的距离相关的提亮因子
Figure 734725DEST_PATH_IMAGE026
和与亮度相关的提亮因子
Figure 760450DEST_PATH_IMAGE027
，其中
Figure 715899DEST_PATH_IMAGE028
，具体方法如下：
①求取与光源中心的距离相关的提亮因子
Figure 649220DEST_PATH_IMAGE026
：
    
其中
Figure 701676DEST_PATH_IMAGE024
为各点光源的大小，
Figure 190426DEST_PATH_IMAGE030
、
Figure 130700DEST_PATH_IMAGE031
为各点光源的中心，
Figure 654085DEST_PATH_IMAGE032
取10；
②求取与亮度相关的提亮因子
Figure 506766DEST_PATH_IMAGE027
：
     
其中
Figure 226777DEST_PATH_IMAGE034
为
Figure 791619DEST_PATH_IMAGE003
的灰度值，亮度值
Figure 330048DEST_PATH_IMAGE035
为点光源最低灰度值， 为待定系数，若整体图像的亮度均值<0.15，则取6，否则
Figure 324177DEST_PATH_IMAGE036
取3；
③对图像的整体亮度分量进行增强，方法为：
Figure 767928DEST_PATH_IMAGE037
               
步骤(4)将增强图像
Figure 984146DEST_PATH_IMAGE004
与进行加权融合，得到增强后的亮度图像
Figure 406086DEST_PATH_IMAGE038
，具体是：
将亮度分量图像
Figure 20738DEST_PATH_IMAGE001
经S曲线修正Retinex算法处理的结果
Figure 147088DEST_PATH_IMAGE004
和经选择性非线性灰度值映射的结果
Figure 833284DEST_PATH_IMAGE020
进行加权得到图像
Figure 977958DEST_PATH_IMAGE038
，公式如下：
          
步骤(5)将处理后的亮度分量图像与步骤(1)得到的颜色分量
Figure 427896DEST_PATH_IMAGE040
、
Figure 692656DEST_PATH_IMAGE041
、反变换回RGB空间后进行显示；
从YUV空间反变换为RGB空间，变换方法为：
Figure 665422DEST_PATH_IMAGE042
。
CN201110196586XA 2011-07-14 2011-07-14 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法 Expired - Fee Related CN102231206B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110196586XA CN102231206B (zh) 2011-07-14 2011-07-14 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110196586XA CN102231206B (zh) 2011-07-14 2011-07-14 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法

Publications (2)

Publication Number Publication Date
CN102231206A CN102231206A (zh) 2011-11-02
CN102231206B true CN102231206B (zh) 2012-11-28

Family

ID=44843768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110196586XA Expired - Fee Related CN102231206B (zh) 2011-07-14 2011-07-14 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法

Country Status (1)

Country Link
CN (1) CN102231206B (zh)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682436B (zh) * 2012-05-14 2017-12-12 奇瑞汽车股份有限公司 一种改进的多尺度Retinex理论的图像增强方法
CN103632351B (zh) * 2013-12-16 2017-01-11 武汉大学 一种基于亮度基准漂移的全天候交通图像增强方法
CN103745451B (zh) * 2014-01-22 2017-06-27 三星电子（中国）研发中心 一种处理图像的方法和装置
CN105023243A (zh) * 2014-04-28 2015-11-04 上海汽车集团股份有限公司 一种视频图像增强方法及装置、泊车辅助系统
CN104091317B (zh) * 2014-06-03 2017-05-17 天津大学 一种夜景图像窗户镜面反射效应去除方法
CN104112290A (zh) * 2014-06-19 2014-10-22 中国科学院深圳先进技术研究院 Rgb彩色图像处理方法和系统
EP3254537B1 (en) * 2015-02-05 2024-01-10 Signify Holding B.V. Road lighting
CN104778674B (zh) * 2015-04-30 2018-01-12 武汉大学 一种基于时间序列的顺逆光交通图像自适应增强方法
CN106250827B (zh) * 2016-07-20 2019-06-11 浙江宇视科技有限公司 车辆颜色识别方法及装置
CN107689031B (zh) * 2016-08-03 2021-05-28 天津慧医谷科技有限公司 舌象分析中基于光照补偿的色彩还原方法
CN106447641A (zh) * 2016-08-29 2017-02-22 努比亚技术有限公司 图像生成装置及方法
CN107871303B (zh) * 2016-09-26 2020-11-27 北京金山云网络技术有限公司 一种图像处理方法及装置
CN106570850B (zh) * 2016-10-12 2019-06-04 成都西纬科技有限公司 一种图像融合方法
CN106454014B (zh) * 2016-11-04 2019-03-08 安徽超远信息技术有限公司 一种提高逆光场景车辆抓拍图像质量的方法及装置
CN108629738B (zh) * 2017-03-16 2022-04-01 斑马智行网络(香港)有限公司 一种图像处理方法及装置
CN107341835B (zh) * 2017-07-07 2018-08-03 武汉斗鱼网络科技有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN110136071B (zh) * 2018-02-02 2021-06-25 杭州海康威视数字技术股份有限公司 一种图像处理方法、装置、电子设备及存储介质
CN110298792B (zh) * 2018-03-23 2021-08-17 北京大学 低光照图像增强与去噪方法、系统及计算机设备
CN109493289B (zh) * 2018-10-26 2021-06-01 华侨大学 一种具有亮度及饱和度双重非线性图像增强方法
CN109334557B (zh) * 2018-10-26 2020-04-17 厦门理工学院 一种基于车载视觉的车辆大灯调节控制方法及控制系统
CN109840912B (zh) * 2019-01-02 2021-05-04 厦门美图之家科技有限公司 一种图像中异常像素的修正方法及计算设备
CN111192229B (zh) * 2020-01-02 2023-10-13 中国航空工业集团公司西安航空计算技术研究所 一种机载多模态视频画面增强显示方法及系统
CN111445419A (zh) * 2020-04-09 2020-07-24 南京图格医疗科技有限公司 一种基于数学形态学的医学内窥镜图像增强方法
CN111899201B (zh) * 2020-08-17 2022-06-07 哈尔滨工业大学 一种基于条件重增强网络的低照度图像增强方法
CN111986113B (zh) * 2020-08-20 2024-03-22 浙江理工大学 一种光学图像光影消除方法及系统
CN112287861A (zh) * 2020-11-05 2021-01-29 山东交通学院 基于夜间环境感知的道路信息增强与驾驶预警方法
CN112580672A (zh) * 2020-12-28 2021-03-30 安徽创世科技股份有限公司 一种适用于暗环境的车牌识别预处理方法、装置及存储介质
CN114494098A (zh) * 2022-04-01 2022-05-13 武汉工程大学 一种锂电池x射线图像增强方法、装置以及存储介质
CN117197004B (zh) * 2023-11-08 2024-01-26 广东鸿威国际会展集团有限公司 一种低光照图像优化增强方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1867940A (zh) * 2003-10-14 2006-11-22 卡西欧计算机株式会社 成像装置及其图像处理方法
CN101010937A (zh) * 2004-09-01 2007-08-01 日本电气株式会社 图像修正处理系统以及图像修正处理方法
CN101303766A (zh) * 2008-07-09 2008-11-12 北京航空航天大学 一种基于Retinex理论的快速彩色图像增强方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7370983B2 (en) * 2000-03-02 2008-05-13 Donnelly Corporation Interior mirror assembly with display
US7492962B2 (en) * 2005-08-25 2009-02-17 Delphi Technologies, Inc. System or method for enhancing an image

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1867940A (zh) * 2003-10-14 2006-11-22 卡西欧计算机株式会社 成像装置及其图像处理方法
CN101010937A (zh) * 2004-09-01 2007-08-01 日本电气株式会社 图像修正处理系统以及图像修正处理方法
CN101303766A (zh) * 2008-07-09 2008-11-12 北京航空航天大学 一种基于Retinex理论的快速彩色图像增强方法

Also Published As

Publication number Publication date
CN102231206A (zh) 2011-11-02

Similar Documents

Publication Publication Date Title
CN102231206B (zh) 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法
CN103353982B (zh) 一种基于直方图均衡化的色调映射方法
CN107301623B (zh) 一种基于暗通道和图像分割的交通图像去雾方法及系统
CN101853492B (zh) 一种夜视微光图像与红外图像融合方法
CN108734670B (zh) 单幅夜间弱照度雾霾图像的复原方法
CN104346776B (zh) 基于Retinex理论的非线性图像增强方法及其系统
CN104537634B (zh) 动态图像中去除雨滴影响的方法和系统
CN102831591B (zh) 一种基于高斯滤波的单幅图像的实时去雾方法
CN108022223B (zh) 一种基于对数映射函数分块处理融合的色调映射方法
Gao et al. Sand-dust image restoration based on reversing the blue channel prior
CN103714520B (zh) 基于fpga实现数字视频图像增强系统及其方法
CN101783012A (zh) 一种基于暗原色的自动图像去雾方法
CN106897981A (zh) 一种基于引导滤波的低照度图像增强方法
CN105654438A (zh) 基于局部直方图均衡的灰度图像拟合增强方法
CN103593830A (zh) 一种低照度视频图像增强方法
CN101340511A (zh) 一种基于亮度检测的自适应视频图像增强方法
CN107895357B (zh) 一种基于fpga的实时水面浓雾场景图像增强方法
CN103632351A (zh) 一种基于亮度基准漂移的全天候交通图像增强方法
Zheng et al. Infrared traffic image enhancement algorithm based on dark channel prior and gamma correction
CN104167193B (zh) 显示影像的信号转换方法
CN110570360A (zh) 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法
CN107862672B (zh) 图像去雾的方法及装置
CN103778900A (zh) 一种图像处理方法及系统
CN104867121A (zh) 基于暗原色先验和Retinex理论的图像快速去雾法
CN103034983A (zh) 一种基于各向异性滤波的去雾方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20121128

Termination date: 20190714

CF01 Termination of patent right due to non-payment of annual fee