CN103593830A - 一种低照度视频图像增强方法 - Google Patents

Abstract

本发明公开了一种低照度视频图像增强方法，该方法包括：视频图像帧内增强：对视频的一帧图像进行帧内增强，计算其增强参数，再根据增强后的图像信息进行图像重建；视频图像帧间增强：将上述一帧图像作为标准帧图像；将标准帧图像的下一帧图像的特性与标准帧图像的特性比较，判断是否需要重新建立标准帧图像，并根据确定的标准帧图像的增强参数对所述下一帧图像进行帧内增强，再根据增强后的图像信息进行图像重建，按照上述方法直到完成整个视频图像的增强。本方法对图像的低照度部分进行灰度拉伸，确保增强过程中不会增强噪声，保持了图像灰度的基本信息。

Description

一种低照度视频图像增强方法

技术领域

本发明涉及视频图像处理技术领域，尤其涉及一种低照度视频图像增强方法。

背景技术

随着计算机技术和多媒体技术的飞速发展，数字视频处理在视频监控、视讯会议系统等领域获得了广泛的应用。视频图像的获取常受环境光照条件的影响，如环境光照度较低或逆光等曝光不当情况下，使得视频图像呈现对比度低，细节缺失，或颜色不自然等现象，严重时甚至会使视频图像完全不可用，因此需要采用视频图像增强技术来改善和提升低照度视频图像的质量。

低照度视频图像增强既要求对图像的低照度部分进行灰度拉伸，同时又要确保图像增强过程中不会导致噪声增大，并且保持图像灰度的基本信息。通常噪声包含在图像灰度最小值附近，因此要确定适当的灰度增强范围及相应的拉伸程度，使得灰度值尽量均匀分布。传统的直方图均衡方法能够对视频图像进行增强，但它对视频图像数据的处理不加选择，从而会导致灰度过度拉伸。而用抛物线函数作为输入与输出亮度之间的映射函数，能保留原始图像直方图的基本信息，但该方法与γ矫正方法相似，会在最小灰度级附近引入噪声。此外，用归一化非完全β函数作为增强前后视频图像亮度之间的函数映射关系，能有效地减少噪声，但该方法用β函数映射时涉及到变换参数的确定问题，故计算量相对较大。

在现有技术中，公开号为102014279A的专利中公开了一种视频图像对比度增强方法，该方案首先确定一帧图像中暗部区域和亮部区域的像素分界值，再根据确定出的像素分界值对帧图像进行灰度拉伸，最后对经过灰度拉伸后的图像的暗部区域和亮部区域进行增强，得到对比度增强的图像。该发明能够动态地确定图像的暗部区域和亮部区域的像素分界值，根据动态确定出的像素分界值对图像进行灰度拉伸和细节增强，也就能够动态地增强视频图像的对比度，改善视频画面的实时效果。但是该方案本质上是先对图像对比度进行线性拉伸，再对暗部区域和亮部区域进行γ矫正。γ矫正部分用到的增强参数在该发明中并未给出设定方法，所以无法自适应地进行增强处理。

在现有技术中，2012年，Rao等在文献“Illumination-based nighttime videocontrast enhancement using genetic algorithm”中提出了一种彩色图像的自动增强方法。该方法在图像的照度层进行拉伸，并利用遗传算法自动确定增强参数，能够实现很好的增强效果，对比度得到很好的拉伸且符合人眼的视觉特征。但是该该方法的计算量非常大，虽然对图像有一定的增强效果，但是需要花费大量的时间处理，无法实现实时的视频增强。

发明内容

根据现有技术存在的问题，本发明公开了一种低照度视频图像增强方法，该方法包括：

——视频图像帧内增强：对视频的一帧图像进行帧内增强，计算其增强参数，再根据增强后的图像信息进行图像重建；

——视频图像帧间增强：将经过所述帧内图像增强的一帧图像作为标准帧图像；将标准帧图像的下一帧图像的特性与标准帧图像的特性比较，判断是否需要重新建立标准帧图像，并根据确定的标准帧图像的增强参数对所述下一帧图像进行帧内增强，再根据增强后的图像信息进行图像重建，按照上述方法直到完成整个视频图像的增强；

所述视频图像帧内增强包括以下步骤：

步骤1：将一帧图像从RGB色彩空间映射到HIS色彩空间，提取该帧图像的原亮度分量（I）中的原照度分量（L）；

步骤2：对该帧图像的原照度分量（L）进行增强：首先对原照度分量（L）进行动态拉伸，得到拉伸后的第一照度分量（L'），再对第一照度分量（L'）进行进一步增强，得到增强后的第二照度分量（T）；

步骤3：计算上述照度增强后的该帧图像的第一亮度分量（I'），根据步骤1中HSI色彩空间与RGB空间的映射方式对该帧图像进行重新建立，定义为重建图像；

将一帧图像从RGB色彩空间映射到HIS色彩空间时，原亮度分量（I）采用如下方式计算：

I=(R+G+B)/3

其中：R、G、B为图像中的红、绿、蓝三种颜色分量。

在提取一帧图像的原亮度分量（I）中的原照度分量（L）时采用多尺度Retinex算法：

$l(x,y)=\underset{t=1}{\overset{N}{\mathrm{\Σ}}}{w}_t\left\{\log \right[I(x,y)\·G_t(x,y)\left]\right\}$

其中：G_t(x,y)是已知的高斯低通卷积函数，N通常取3，w_t常取1/3；因为：图像的原亮度分量（I）为原反射分量（RF）和原照度分量（L）的乘积，即：

I(x,y)=RF(x,y)L(x,y)；

上述公式对数形式表示为：

i(x,y)=rf(x,y)+l(x,y)

其中：

$\left\{\begin{array}{c}i(x,y)={\log }_{10}\left[I(x,y)\right]\\ \mathrm{rf}(x,y)={\log }_{10}\left[\mathrm{RF}(x,y)\right]\\ l(x,y)={\log }_{10}\left[L(x,y)\right]\end{array}\right.$

根据上述换算关系，计算一帧图像的原照度分量（L）值。

计算一帧图像的第一照度分量（L'）时：将该帧图像的直方图拉伸至0～255，使原照度分量（L）的动态范围拉大，得到第一照度分量（L'），即采用如下算法：

$L^{\′}=\frac{L-L_{\min }}{L_{\max }-L_{\min }}$

其中：L_max和L_min分别为该帧图像的原照度分量（L）的最大值和最小值。

一帧图像的第二照度分量（T）采用如下公式计算：

$T=\frac{{\∫}_0^{L^{`}}{t}^{\mathrm{\α}-1}{(1-t)}^{\mathrm{\β}-1}\mathrm{dt}}{B(\mathrm{\α},\mathrm{\β})}$

其中：α和β为需要计算的参数，计算方法如下：

设该帧图像的评价函数F(i)为：

$F\left(i\right)=\frac{\∂G\left(i\right)}{\∂\mathrm{\α}}+\frac{\∂G\left(i\right)}{\∂\mathrm{\β}}$

其中： $G\left(i\right)=\frac{1}{n{B}^2(\mathrm{\α},\mathrm{\β})}\underset{L_{\mathrm{in}}=0}{\overset{255}{\mathrm{\Σ}}}{P}^2\left(L_{\mathrm{in}}\right)\×\mathrm{num}\left(L_{\mathrm{in}}\right)-\frac{1}{n^2{B}^2(\mathrm{\α},\mathrm{\β})}{[\underset{L_{\mathrm{in}}=0}{\overset{255}{\mathrm{\Σ}}}P\left(L_{\mathrm{in}}\right)\×\mathrm{num}\left(L_{\mathrm{in}}\right)]}^2$

式中：num(L_in)为图像中照度值为L_in的像素个数，

α和β待求参数，且应使得α<β；根据求出的α和β值计算该帧图像的第二照度分量（T）。

重建图像采用如下计算方式：

采用权利要求3所述的方法提取一帧图像的反射分量（R）和第二照度分量（T），根据第一亮度分量（I'）为反射分量（R）和第二照度分量（T）的乘积，计算出第一亮度分量（I'）；

根据第一亮度分量（I'）和如下HSI空间与RGB空间的对应函数计算重建图像：

由HSI空间至RGB空间的对应函数为：

$\left\{\begin{array}{c}h=H\&CenterDot;\frac{\mathrm{\&pi;}}{180}\\ s=S/100\\ i=I^{`}/255\end{array}\right.$

$\left\{\begin{array}{c}x=i\&CenterDot;(1-s)\\ y=i\&CenterDot;[1+\frac{s\&CenterDot;\cos \left(h\right)}{\cos (\frac{\mathrm{\&pi;}}{3}-h)}]\\ z=3i-(x+y)\end{array}\right.$

如果h＜2π/3，则B'=x，R'=y，G'=z

如果2π/3≤h＜4π/3，则h＝h-2π/3，R'=x，G'=y，B'=z

如果4π/3≤h＜2π，则h＝h-4π/3，G'=x，B'=y，R'=z

其中，H和S分别为原视频图像的色调和色饱和度数据，根据上述公式计算出重建图像的B'、R'和G'数据，即完成帧图像的重建。

视频图像帧间增强采用如下方式：

——将所述下一帧图像的直方图与标准帧图像的直方图比较，如果所述下一帧图像的直方图与标准帧图像的直方图之间的欧式距离小于设定的临界值，则使用标准帧图像的增强参数对所述下一帧图像进行帧内增强；如果所述下一帧图像的直方图与标准帧图像的直方图之间的欧式距离大于临界值，则将所述下一帧图像进行帧内增强，计算出增强参数，进行图像重建，并将所述下一帧图像作为标准帧图像；按照上述方法直到对视频的最后一个帧图像进行判断和帧内增强。

所述增强参数为α参数和β参数。

所述一帧图像的特性包括帧图像的直方图之间的欧式距离。

本发明公开的一种低照度视频图像增强方法，为了避免在增强时引入色彩失真，本发明仅对图像的亮度维度的照度分量进行处理，并根据正常照度图像的灰度直方图分布相对均匀的特性，确定灰度拉伸过程中使用的评价函数。视频帧间增强是通过比较帧间的相似性来确定是否需要重新计算增强参数，从而可降低计算参数的次数，减小计算复杂度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明中视频图像帧内增强的流程图；

图2为本发明中图像重建的流程图；

图3为本发明中视频图像帧间增强的流程图；

图4为本发明实施例的示意图。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

本发明公开的低照度视频图像增强方法，首先对视频图像的一帧图像进行帧内增强：在增强的过程中需要计算增强参数，再根据增强后的图像信息进行图像重建，这样使图像变得更加清晰。然后进行视频图像的帧间增强：首先将上述的一帧图像作为标准帧图像，将该标准帧图像的下一帧图像的特性与标准帧图像的特性比较，判断是否需要重新建立标准帧图像，并根据确定的标准帧图像的增强参数对所述下一帧图像进行帧内增强。在判断是否需要重新建立标准帧图像时：如果判断不需要，则采用原标准帧图像的增强参数对所述的下一帧图像进行帧内增强；如果判断需要建立标准帧图像，则将所述的下一帧图像作为标准帧图像，对下一帧图像进行帧内增强，计算其增强参数，根据增强后的图像信息进行图像重建，使所述的下一帧图像变得清晰。按照上述方法直到完成整个视频图像的增强。

进一步的，如图1所示：视频图像帧内增强包括以下步骤：

步骤1：将一帧图像从RGB色彩空间映射到HIS色彩空间，提取该帧图像的原亮度分量（I）中的原照度分量（L）；

步骤2：对该帧图像的原照度分量（L）进行增强：首先对原照度分量（L）进行动态拉伸，得到拉伸后的第一照度分量（L'），再对第一照度分量（L'）进行进一步增强，得到增强后的第二照度分量（T）；

步骤3：计算上述实现照度增强后的该帧图像的第一亮度分量（I'），根据步骤1中HSI色彩空间与RGB空间的映射方式对该帧图像进行重新建立，定义为重建图像。

其中视频图像帧内增强具体采用如下方式进行计算：

将一帧图像从RGB色彩空间映射到HIS色彩空间时，原亮度分量（I）采用如下方式计算:

I=(R+G+B)/3

图像的色彩用R、G、B三种颜色表示。R代表红色数值、G代表绿色数值、B代表蓝色数值。HSI色彩空间三个元素分别表示色调（Hue）、色饱和度（Saturation或Chroma）和亮度（Intensity或Brightness）。为了在增强过程中不影响视频图像的颜色信息，需要将图像从RGB空间映射到HSI颜色空间。

在提取一帧图像的原亮度分量（I）中的原照度分量（L）时根据多尺度Retinex算法：

$l(x,y)=\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{w}_t\left\{\log \right[I(x,y)\&CenterDot;G_t(x,y)\left]\right\}$

其中：G_t(x,y)是已知的高斯低通卷积函数，N通常取3，w_t常取1/3。根据Land的Retinex理论，物体反射何种颜色的光线是由物体本身的性质决定，不因光源或光线亮度的变化而变化。故本发明通过提取亮度(I)中的照度分量来进行图像增强，即去除光源照度的影响，还原出物体本身颜色。因为图像的原亮度分量（I）为原反射分量（RF）和原照度分量（L）的乘积，即：

I(x,y)=RF(x,y)L(x,y)

对数形式更接近人眼亮度感知能力，则上述公式又可表示为：

i(x,y)=rf(x,y)+l(x,y)

其中：

$\left\{\begin{array}{c}i(x,y)={\log }_{10}\left[I(x,y)\right]\\ \mathrm{rf}(x,y)={\log }_{10}\left[\mathrm{RF}(x,y)\right]\\ l(x,y)={\log }_{10}\left[L(x,y)\right]\end{array}\right.$

根据上述换算关系，计算一帧图像的原照度分量（L）值。然后根据原照度分量（L）值对原照度分量（L）进行增强，计算第一照度分量（L'），即采用如下方式：将该帧图像的直方图拉伸至0～255，使原照度分量（L）的动态范围拉大：计算公式如下：

$L^{\&prime;}=\frac{L-L_{\min }}{L_{\max }-L_{\min }}$

其中：L_max和L_min分别为该帧图像的原照度分量（L）的最大值和最小值。

再计算一帧图像的第二照度分量（T）：

$T=\frac{{\&Integral;}_0^{L^{`}}{t}^{\mathrm{\&alpha;}-1}{(1-t)}^{\mathrm{\&beta;}-1}\mathrm{dt}}{B(\mathrm{\&alpha;},\mathrm{\&beta;})}$

其中： $G\left(i\right)=\frac{1}{n{B}^2(\mathrm{\&alpha;},\mathrm{\&beta;})}\underset{L_{\mathrm{in}}=0}{\overset{255}{\mathrm{\&Sigma;}}}{P}^2\left(L_{\mathrm{in}}\right)\&times;\mathrm{num}\left(L_{\mathrm{in}}\right)-\frac{1}{n^2{B}^2(\mathrm{\&alpha;},\mathrm{\&beta;})}{[\underset{L_{\mathrm{in}}=0}{\overset{255}{\mathrm{\&Sigma;}}}P\left(L_{\mathrm{in}}\right)\&times;\mathrm{num}\left(L_{\mathrm{in}}\right)]}^2$

G(i)表达式中：num(L_in)为图像中照度值为L_in的像素个数， $P\left(L_{\mathrm{in}}\right)={\&Integral;}_0^{L_{\mathrm{in}}}{t}^{\mathrm{\&alpha;}-1}{(1-t)}^{\mathrm{\&beta;}-1}\mathrm{dt},B(\mathrm{\&alpha;},\mathrm{\&beta;})={\&Integral;}_0^1{t}^{\mathrm{\&alpha;}-1}{(1-t)}^{\mathrm{\&beta;}-1}\mathrm{dt},$ α和β待求参数，且应使得α<β；根据求出的α和β值计算该帧图像的第二照度分量（T）。实现视频图像的照度分量的增强。

进一步的，如图2所示：实现图像增强后对图像进行图像重建，采用方法如下：

提取一帧图像的反射分量（RF）和第二照度分量（T），根据上面公开的计算方法：第一亮度分量（I'）为反射分量（RF）和第二照度分量（T）的乘积，计算出第一亮度分量（I'）；

根据第一亮度分量（I'）和如下HSI空间与RGB空间的对应函数计算重建图像：

由HSI空间至RGB空间的对应函数为：

$\left\{\begin{array}{c}h=H\&CenterDot;\frac{\mathrm{\&pi;}}{180}\\ s=S/100\\ i=I^{`}/255\end{array}\right.$

$\left\{\begin{array}{c}x=i\&CenterDot;(1-s)\\ y=i\&CenterDot;[1+\frac{s\&CenterDot;\cos \left(h\right)}{\cos (\frac{\mathrm{\&pi;}}{3}-h)}]\\ z=3i-(x+y)\end{array}\right.$

如果h＜2π/3，则B'=x，R'=y，G'=z

如果2π/3≤h＜4π/3，则h＝h-2π/3，R'=x，G'=y，B'=z

如果4π/3≤h＜2π，则h＝h-4π/3，G'=x，B'=y，R'=z

其中，H和S分别为原视频图像的色调和色饱和度数据，根据上述公式计算出重建图像的B'、R'和G'数据，即完成所述一帧图像的重建。

进一步的，如图3所示，视频图像帧间增强采用如下方式：

将下一帧图像的直方图与标准帧图像的直方图比较，如果下一帧图像的直方图与标准帧图像的直方图之间的欧式距离小于设定的临界值，则使用标准帧图像的增强参数对下一帧图像进行帧内增强；如果下一帧图像的直方图与标准帧图像的直方图之间的欧式距离大于临界值，则将下一帧图像进行帧内增强，计算出增强参数，实现图像重建，并将所述下一帧图像作为标准帧图像；按照上述方法直到对视频的最后一帧图像进行判断和帧内增强。实现整个视频图像的增强。

进一步的，所述图像的增强参数为α参数和β参数。即在对图像进行帧内增强时采用的计算参数。在对帧间增强过程中：因为视频相邻帧图像具有很强的相关性，它们的图像直方图信息也较为相似，所以相邻帧图像的增强参数也相近。所以我们首先进行判断分析是否可以采用标准帧图像的增强参数，如果可以这样我们可以不需要再重新计算增强参数，在对整个视频图形进行增强过程中就可以减少很多计算量，减少视频增强时间的效果。

进一步的，在实际进行视频增强时，可以先对视频的首帧图像进行帧内增强、完成图像重建，然后将视频首帧图像作为标准帧，计算其增强参数；比较第二帧图像与标准帧图像的直方图，如果第二帧图像的直方图与标准帧图像的直方图之间的欧式距离小于设定的临界值，则使用标准帧的增强参数对第二帧图像进行帧内增强；否则，将第二帧图像作为标准帧，并重新计算其增强参数，实现第二帧图像的增强和图像重建，按照上述方式直至完成整个视频的最后一个图像的增强和图像重建。

本发明可以对图像的低照度部分进行灰度拉伸，同时确保了增强过程中不会导致噪声的增强，且保持图像灰度的基本信息。相对于原始视频，该发明增强后的视频，其视频图像质量得到了很大的提高，大幅度减小了计算复杂度。本发明在视讯会议、视频监控等领域，有助于提取低照度视频中的有意义信息，明显提高图像质量。

采用本发明公开的算法对低照度视频图像进行增强与现有技术的方案进行对比：

实验数据集来自申请者录制的各场景视频图像。为了说明本发明提出的对比度增强方法的有效性，使用3组不同视频场景。“留念”表示背景光较强的情况，“合影”表示光照非常暗的情况，“办公室”表示逆光场景。实验参数如表1所示。γ校正方法、现有技术一，现有技术二以及本发明的图像增强结果如图4所示。

表一：实验数据集描述

从图4可以看出，从主观角度，本发明与现有相比，虽然采用现有技术一中增强后的图像对比度大于本发明得到的图像，但本发明增强的图像主观效果好，且保留了图像更多的细节。现有技术一仅对初始图像照度过低情况有效，对高动态范围等低照度图像增强效果较差。由“合影”视频可知，与γ校正相比，本发明更好地抑制了噪声。本发明与现有技术二相比，增强后的视频更加明亮，色彩更协调。

为了进一步验证本发明的有效性，这里使用熵来度量图像中信息量大小、图像细节的丰富程度。图像熵的定义为

$\mathrm{entrop}=-\underset{i=0}{\overset{255}{\mathrm{\&Sigma;}}}{P}_i\log P_i$

其中P_i表示第i个灰度级的概率。

通常，熵越大，说明图像的信息含量越大，图像包含的细节越多。四种低照度视频处理结果的熵值如表2所示，由表2可见，在各场景下，本发明增强后图像的信息量均明显高于其它方法。

表2不同方法低照度图像增强的熵值比较

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种低照度视频图像增强方法，其特征在于：该方法包括：

——视频图像帧内增强：对视频的一帧图像进行帧内增强，计算其增强参数，再根据增强后的图像信息进行图像重建；

——视频图像帧间增强：将经过所述帧内图像增强的一帧图像作为标准帧图像；将标准帧图像的下一帧图像的特性与标准帧图像的特性比较，判断是否需要重新建立标准帧图像，并根据确定的标准帧图像的增强参数对所述下一帧图像进行帧内增强，再根据增强后的图像信息进行图像重建，按照上述方法直到完成整个视频图像的增强；

所述视频图像帧内增强包括以下步骤：

步骤1：将一帧图像从RGB色彩空间映射到HIS色彩空间，提取该帧图像的原亮度分量（I）中的原照度分量（L）；

步骤2：对该帧图像的原照度分量（L）进行增强：首先对原照度分量（L）进行动态拉伸，得到拉伸后的第一照度分量（L'），再对第一照度分量（L'）进行进一步增强，得到增强后的第二照度分量（T）；

步骤3：计算上述照度增强后的该帧图像的第一亮度分量（I'），根据步骤1中HSI色彩空间与RGB空间的映射方式对该帧图像进行重新建立，定义为重建图像。

2.根据权利要求1所述的一种低照度视频图像增强方法：其特征还在于：将一帧图像从RGB色彩空间映射到HIS色彩空间时，原亮度分量（I）采用如下方式计算：

I=(R+G+B)/3

其中：R、G、B为图像中的红、绿、蓝三种颜色分量。

3.根据权利要求2所述的一种低照度视频图像增强方法，其特征还在于：在提取一帧图像的原亮度分量（I）中的原照度分量（L）时采用多尺度Retinex算法：

$l(x,y)=\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{w}_t\left\{\log \right[I(x,y)\&CenterDot;G_t(x,y)\left]\right\}$

其中：G_t(x,y)是已知的高斯低通卷积函数，N通常取3，w_t常取1/3；因为：图像的原亮度分量（I）为原反射分量（RF）和原照度分量（L）的乘积，即：

I(x,y)=RF(x,y)L(x,y)；

上述公式对数形式表示为：

i(x,y)=rf(x,y)+l(x,y)

其中：

$\left\{\begin{array}{c}i(x,y)={\log }_{10}\left[I(x,y)\right]\\ \mathrm{rf}(x,y)={\log }_{10}\left[\mathrm{RF}(x,y)\right]\\ l(x,y)={\log }_{10}\left[L(x,y)\right]\end{array}\right.$

根据上述换算关系，计算一帧图像的原照度分量（L）值。

4.根据权利要求3所述的一种低照度视频图像增强方法，其特征还在于：计算一帧图像的第一照度分量（L'）时：将该帧图像的直方图拉伸至0～255，使原照度分量（L）的动态范围拉大，得到第一照度分量（L'），即采用如下算法：

$L^{\&prime;}=\frac{L-L_{\min }}{L_{\max }-L_{\min }}$

其中：L_max和L_min分别为该帧图像的原照度分量（L）的最大值和最小值。

5.根据权利要求4所述的一种低照度视频图像增强方法，其特征还在于：一帧图像的第二照度分量（T）采用如下公式计算：

$T=\frac{{\&Integral;}_0^{L^{`}}{t}^{\mathrm{\&alpha;}-1}{(1-t)}^{\mathrm{\&beta;}-1}\mathrm{dt}}{B(\mathrm{\&alpha;},\mathrm{\&beta;})}$

其中：α和β为需要计算的参数，计算方法如下：

设该帧图像的评价函数F(i)为：

$F\left(i\right)=\frac{\&PartialD;G\left(i\right)}{\&PartialD;\mathrm{\&alpha;}}+\frac{\&PartialD;G\left(i\right)}{\&PartialD;\mathrm{\&beta;}}$

其中： $G\left(i\right)=\frac{1}{n{B}^2(\mathrm{\&alpha;},\mathrm{\&beta;})}\underset{L_{\mathrm{in}}=0}{\overset{255}{\mathrm{\&Sigma;}}}{P}^2\left(L_{\mathrm{in}}\right)\&times;\mathrm{num}\left(L_{\mathrm{in}}\right)-\frac{1}{n^2{B}^2(\mathrm{\&alpha;},\mathrm{\&beta;})}{[\underset{L_{\mathrm{in}}=0}{\overset{255}{\mathrm{\&Sigma;}}}P\left(L_{\mathrm{in}}\right)\&times;\mathrm{num}\left(L_{\mathrm{in}}\right)]}^2$

式中：num(L_in)为图像中照度值为L_in的像素个数，

α和β待求参数，且应使得α<β；根据求出的α和β值计算该帧图像的第二照度分量（T）。

6.根据权利要求1或3所述的一种低照度视频图像增强方法，其特征还在于：重建图像采用如下计算方式：

采用权利要求3所述的方法提取一帧图像的反射分量（R）和第二照度分量（T），根据第一亮度分量（I'）为反射分量（R）和第二照度分量（T）的乘积，计算出第一亮度分量（I'）；

根据第一亮度分量（I'）和如下HSI空间与RGB空间的对应函数计算重建图像：

由HSI空间至RGB空间的对应函数为：

$\left\{\begin{array}{c}h=H\&CenterDot;\frac{\mathrm{\&pi;}}{180}\\ s=S/100\\ i=I^{`}/255\end{array}\right.$

$\left\{\begin{array}{c}x=i\&CenterDot;(1-s)\\ y=i\&CenterDot;[1+\frac{s\&CenterDot;\cos \left(h\right)}{\cos (\frac{\mathrm{\&pi;}}{3}-h)}]\\ z=3i-(x+y)\end{array}\right.$

如果h＜2π/3，则B'=x，R'=y，G'=z

如果2π/3≤h＜4π/3，则h＝h-2π/3，R'=x，G'=y，B'=z

如果4π/3≤h＜2π，则h＝h-4π/3，G'=x，B'=y，R'=z

其中，H和S分别为原视频图像的色调和色饱和度数据，根据上述公式计算出重建图像的B'、R'和G'数据，即完成帧图像的重建。

7.根据权利要求6所述的一种低照度视频图像增强方法，其特征还在于：视频图像帧间增强采用如下方式：

——将所述下一帧图像的直方图与标准帧图像的直方图比较，如果所述下一帧图像的直方图与标准帧图像的直方图之间的欧式距离小于设定的临界值，则使用标准帧图像的增强参数对所述下一帧图像进行帧内增强；如果所述下一帧图像的直方图与标准帧图像的直方图之间的欧式距离大于临界值，则将所述下一帧图像进行帧内增强，计算出增强参数，进行图像重建，并将所述下一帧图像作为标准帧图像；按照上述方法直到对视频的最后一个帧图像进行判断和帧内增强。

8.根据权利要求1、5或7所述的一种低照度视频图像增强方法，其特征还在于：所述增强参数为α参数和β参数。

9.根据权利要求1、或7所述的一种低照度视频图像增强方法，其特征还在于：所述一帧图像的特性包括帧图像的直方图之间的欧式距离。

Images