CN103903229B - 一种夜晚图像增强方法和装置 - Google Patents
一种夜晚图像增强方法和装置 Download PDFInfo
- Publication number
- CN103903229B CN103903229B CN201410093837.5A CN201410093837A CN103903229B CN 103903229 B CN103903229 B CN 103903229B CN 201410093837 A CN201410093837 A CN 201410093837A CN 103903229 B CN103903229 B CN 103903229B
- Authority
- CN
- China
- Prior art keywords
- luminance picture
- brightness
- image
- pixel
- evening images
- 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
Links
Abstract
本发明公开了一种夜晚图像增强方法和装置,属于图像处理技术领域。该方法包括:对输入的夜晚图像进行本征图像分解,得到亮度图像和反射图像;基于亮度指数衰减模型对亮度图像进行增强;对增强的亮度图像进行优化;利用反射图像和优化后的亮度图像合成输出增强图像。采用本发明实施例的方法和装置,不需要背景图像作为参考图像,就能根据输入的夜晚图像输出符合亮度衰减物理过程、降低噪声和颜色偏差的增强图像。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种夜晚图像增强方法和装置。
背景技术
视频监控在人们的日常生活中有着广泛的应用。随着监控摄像头的重要性日益增加,低光照(尤其是夜晚)视频增强问题变得日趋重要。通常,监控摄像头的工作环境假设拥有足够的光照,以便监控固定场景的活动。但是,由于极端的低光照条件,夜晚采集的视频很难达到监控的目的。对于夜晚采集的图像或者视频,传统的图像增强算法,例如直方图均衡化,对比度拉伸等,很难达到增强的效果。
外文文献“Denighting:Enhancement of nighttime images for asurveillance camera”(发表于ICIP 2008,Pattern Recognition,19th InternationalConference on.IEEE,2008,Yamasaki,Akito,et al.)提出了一种应用于监控摄像头采集的夜晚图像的增强方法。该方法首先需要训练同一监控场景下白天和夜晚的背景图像,以这两张背景图像作为参考图像。然后将图像进行分解,分解出亮度图像和反射图像,对亮度图像进行增强。最后,该方法对亮度图像的增强是通过输入图像分解而得的亮度图像乘以白天与夜晚两张背景图像对应亮度图像的比例实现的。该方法仅对夜晚监控场景的背景具有较好的增强效果,对于真正感兴趣的前景部分实际上无太大增强效果。
外文文献“Fast efficient algorithm for enhancement of low lightingvideo”(发表于ICME 2011,Multimedia and Expo,International Conference on.IEEE,2011,Dong,Xuan,et al.)提出了一种基于暗通道先验低光照视频增强方法。该方法首先将夜晚视频 帧逐像素取反并加上255,然后使用基于暗通道先验的去雾算法对处理过的视频帧进行去雾处理,最后再将得到的视频帧逐像素取反并加上255。该方法适用于雾霾条件下的低光照图像,但由于夜晚条件下的图像与雾霾条件下的图像存在较大的差别,如果夜晚条件下的图像应用该方法则会引入大量的噪声,并造成颜色偏差。
发明内容
有鉴于此,本发明要解决的技术问题是提供一种夜晚图像增强方法和装置,以解决不需要背景图像作为参考图像,就能根据输入的夜晚图像输出符合亮度衰减物理过程、降低噪声和颜色偏差的增强图像。
本发明解决上述技术问题所采用的技术方案如下:
根据本发明的一个方面,提供的一种夜晚图像增强方法包括:
本征图像分解步骤:对输入的夜晚图像进行本征图像分解,得到亮度图像和反射图像;
亮度图像增强步骤:基于亮度指数衰减模型对亮度图像进行增强;
亮度图像优化步骤:对增强的亮度图像进行优化,得到优化的亮度图像;
增强图像合成步骤:利用优化的亮度图像和反射图像合成输出增强图像。
优选地,本征图像分解步骤进一步包括:
对夜晚图像进行低通滤波得到亮度图像;
用夜晚图像逐像素除以亮度图像对应像素的值得到反射图像。
优选地,亮度图像增强步骤进一步包括:
基于亮度指数衰减模型模拟出亮度下降速度和相对下降时间;
根据亮度指数衰减模型,将亮度下降速度和相对下降时间与夜晚图像的亮度分别进行幂运算后相乘,得到增强的亮度图像。
优选地,亮度指数衰减模型为:
LN=LD·e-βt
其中,LN表示夜晚时刻的亮度,LD表示白天时刻的亮度,β表示亮度 下降速度,t表示相对下降时间。
优选地,亮度图像增强步骤中还包括按以下公式改善增强的亮度图像:
LE=(L*)1-r·(LN)r=(L*)1-r·((LD)r·e-β(tr))≈LD·e-β(tr)
其中,LE表示改善后的增强的亮度图像,L*表示增强的亮度图像,LN表示夜晚时刻的亮度,r为提纯的参数,LD表示白天时刻的亮度。
优选地,亮度图像优化步骤进一步包括:
为增强的亮度图像设计一个马尔可夫随机场的代价函数,其中,马尔可夫随机场的代价函数包括数据惩罚项和平滑项,数据惩罚项表示亮度的估计值与观察值之间差异程度;平滑项表示同一邻域中的不同像素之间亮度的差异程度;
使用优化算法优化马尔可夫随机场的代价函数,得到优化的亮度图像。
优选地,马尔可夫随机场的代价函数为:
其中,D是数据惩罚项,V是平滑项,p和q代表像素位置,N表示邻域系统,L表示亮度图像,Lp,Lq分别表示像素p,q的亮度值,“P”表示需要增强的图像区域,“Np”表示以像素p为中心的邻域,且满足以下关系公式:
V(Lp,Lq)=min(K,|Lp-Lq|2)
其中,K为预设的阈值,表示同一邻域的不同像素之间允许出现的亮度差异阈值。
优选地,增强图像合成步骤进一步包括:
将优化的亮度图像与反射图像逐像素相乘,得到最终的增强图像。
根据本发明的另一个方面,提供的一种夜晚图像增强装置包括:
本征图像分解模块:用于对输入的夜晚图像进行本征图像分解,得到亮度图像和反射图像;
亮度图像增强模块:用于基于亮度指数衰减模型对亮度图像进行增强;
亮度图像优化模块:用于对增强的亮度图像进行优化,得到优化的亮度图像;
增强图像合成模块:用于利用优化的亮度图像和反射图像合成输出增强图像。
优选地,本征图像分解模块具体用于:对夜晚图像进行低通滤波得到亮度图像;用夜晚图像逐像素除以亮度图像对应的像素的值得到反射图像。
优选地,亮度图像增强模块具体用于:基于亮度指数衰减模型模拟出亮度下降速度和相对下降时间;根据亮度指数衰减模型,将亮度下降速度和相对下降时间与夜晚图像的亮度分别进行幂运算后相乘,得到增强的亮度图像。
优选地,亮度图像优化模块具体用于:为增强的亮度图像设计一个马尔可夫随机场的代价函数;使用优化算法优化马尔可夫随机场的代价函数,得到优化的亮度图像;其中,马尔可夫随机场的代价函数包括数据惩罚项和平滑项,数据惩罚项表示亮度的估计值与观察值之间差异程度;平滑项表示同一邻域中的不同像素之间亮度的差异程度。
优选地,增强图像合成模块具体用于:将优化的亮度图像与反射图像逐像素相乘,得到最终的增强图像。
本发明实施例的夜晚图像增强方法和装置,利用亮度指数衰减模型假设在从白天向夜晚过渡的时间段中,亮度随时间呈指数衰减,首先通过亮度指数衰减模型增强本征图像分解出的亮度图像,然后对增强的亮度图像进行进一步优化,再利用优化的亮度图像和本征图像分解出的反射图像合成增强图像,不需要背景图像作为参考图像,就能根据输入的夜晚图像输出符合亮度衰减物理过程、降低噪声和颜色偏差的增强图像。
附图说明
图1为本发明实施例提供的一种夜晚图像增强方法的流程图。
图2为本发明优选实施例提供的一种本征图像分解方法的流程图。
图3为本发明优选实施例提供的一种亮度图像增强方法的流程图。
图4为本发明优选实施例提供的一种增强亮度图像的优化方法流程图。
图5为本发明优选实施例提供的一种夜晚图像增强方法的流程图。
图6为本发明优选实施例提供的一种亮度衰减曲线拟合示意图。
图7为本发明优选实施例提供的实验结果实验图。
图8为本发明优选实施例提供的一种夜晚图像增强装置的模块结构图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
如图1所示为本发明实施例提供的一种夜晚图像增强方法的流程图,该方法包括:
S102、对夜晚图像进行本征图像分解,得到亮度图像和反射图像。
其中,亮度图像用于反应亮度,反射图像用于反应纹理及颜色。作为一种优选方案,请参阅图2,步骤S102进一步包括:
S1022、对夜晚图像进行低通滤波得到亮度图像;
S1024、用夜晚图像逐像素除以亮度图像对应的像素的值得到反射图像。
S104、基于亮度指数衰减模型对亮度图像进行增强。
其中,亮度指数衰减模型用于假设在从白天向夜晚过渡的时间段中,亮度随时间呈指数衰减。作为一种优选方案,请参阅图3,步骤S104进一步包括:
S1042、基于亮度指数衰减模型模拟出亮度下降速度和相对下降时间;
亮度下降速度与相对下降时间可以通过记录采样像素的亮度,然后进行曲线模拟得到。
S1044、根据亮度指数衰减模型,将亮度下降速度和相对下降时间与夜晚图像的亮度分别进行幂运算后相乘,得到增强的亮度图像。
S106、对增强的亮度图像进行优化,得到优化的亮度图像。
请参阅图4,步骤S106可以采用马尔可夫随机场的代价函数对增强的 亮度图像进行优化,进一步包括:
S1062、为增强的亮度图像设计一个马尔可夫随机场的代价函数;
其中,马尔可夫随机场的代价函数包括数据惩罚项和平滑项,数据惩罚项表示亮度的估计值与观察值之间差异程度;平滑项表示同一邻域中的不同像素之间亮度的差异程度;
S1064、使用优化算法优化马尔可夫随机场的代价函数,得到优化的亮度图像。
其中,可以使用Graph cuts算法,Belief Propagation算法等优化这个代价函数。
S108、利用反射图像和优化的亮度图像合成输出增强图像。
作为一种优选方案,步骤S108可以采用:将优化的亮度图像与反射图像逐像素相乘,得到最终的增强图像。
本发明实施例的夜晚图像增强方法,利用亮度指数衰减模型假设在从白天向夜晚过渡的时间段中,亮度随时间呈指数衰减,首先通过亮度指数衰减模型增强本征图像分解出的亮度图像,然后对增强的亮度图像进行进一步优化,再利用优化的亮度图像和本征图像分解出的反射图像合成增强图像,不需要背景图像作为参考图像,就能根据输入的夜晚图像输出符合亮度衰减物理过程、降低噪声和颜色偏差的增强图像。
实施例二
如图5为本发明优选实施例提供的一种夜晚图像增强方法的流程图,本实施例应用于监控视频采集的夜晚视频帧。
S202、本征图像分解
具体地,本征图像分解可以采用以下方式实现:使用一个低通滤波器(例如双边滤波),对原始夜晚图像进行低通滤波,获得滤波后的亮度图像LN;将输入图像与亮度图像逐像素相除,得到反射图像R。
S204、亮度图像增强
(a)利用估计的亮度下降速度β与相对下降时间t,结合亮度指数衰减模型,对亮度图像进行增强。
假设亮度指数衰减模型为:
LN=LD·e-βt
其中,LN表示夜晚时刻的亮度,LD表示白天时刻的亮度,β表示亮度下降速度,t表示相对下降时间。
则按以下公式对亮度图像进行增强:
L*=LN/e-βt
其中,L*是增强的亮度图像,LN表示夜晚时刻的亮度,下降速度β与相对下降时间t可以通过实验方法曲线模拟估计来获得,例如:使用一个固定位置的监控摄像头,采集一段时间跨度跨越白天和晚上的视频,在视频中采样若干像素点,每隔大约10至15分钟采样一帧,记录一次这若干个像素的亮度,然后按照亮度衰减模型依次对这若干个像素进行曲线拟合(如图6所示,纵坐标代表下降速度β,横坐标轴代表相对下降时间t),估计出对应每一个像素下降速度βi,取这些下降速度的均值作为估计的下降速度β,最后可以根据拟合出来的曲线,在曲线上趋于平坦的区域选取一个合适的时间t作为亮度的相对下降时间。根据此方法估计的亮度下降速度与相对下降时间不仅可以应用于同一摄像头在同一场景采集的视频帧,也可应用与其他夜晚图像。所谓其他夜晚图像,即非训练场景的夜晚图像。
(b)改善增强的亮度图像L*
在步骤(a)中假设所有像素位置的亮度下降速度是一样的,但是这与事实是不符的,可以使用下面的方法进一步改善步骤(a)增强的亮度图像L*:
LE=(L*)1-r·(LN)r
其中,LE表示改善后增强的亮度图像,LN表示夜晚时刻的亮度,r表示一个提纯的参数,可以理解为伽马校正(QuickGamma)的gamma值,r的取值是1/4,但是针对不同的图像,可以根据图像的实际明暗情况,选取不同的r值,常用的可以是1/2,1/3,1/4。
上述公式能够起到改善作用的原理在于:
LE=(L*)1-r·(LN)r=(L*)1-r·((LD)r·e-β(tr))≈LD·e-β(tr)
其中,LD表示白天时刻的亮度,LN是夜晚时刻的亮度,上述公式等价 于(L*)1-r(LD)r≈LD,显然这个公式的左边比L*更接近于LD,即通过这一步骤可以得到更接近于理论亮度的值。即LE约等于所输入的夜晚图像所对应的白天亮度图像下降至由初始时间的1/4t处的亮度图像。
S206、增强的亮度图像优化
具体地,由于处于相邻区域的像素亮度值应趋于一致,因此可以为增强的亮度图像设计一个马尔可夫随机场的代价函数,进一步优化亮度图像。马尔可夫随机场的代价函数的形式为公知的公式,但本发明实施例将知的公式形式应用到本实施例中给参数赋予具体的含义,从而实现本发明实施例的亮度图像优化:
其中,D是数据惩罚项,用于测度亮度的估计值与观察值之间差异程度;V是平滑项,用于测度同一邻域中的不同像素之间亮度的差异程度;p和q代表像素位置,N表示邻域系统,“P”表示需要增强的图像区域,“Np”表示以像素P为中心的邻域,D和V的具体形式为:
V(Lp,Lq)=min(K,|Lp-Lq|2)
其中,K是一个阈值,它表示同一邻域的不同像素之间允许出现的亮度最大差异值。本发明所提出的代价函数可以使用Graph cuts算法,Belief propagation算法等进行优化。
S208、增强图像合成
在上述亮度图像增强和增强的亮度图像优化中,对输入图像的亮度图像进行了增强和优化,最终输出图像IE等于优化的亮度图像LE'与本征图像分解得到的反射图像R逐像素相乘:
IE(x)=LE'(x)·R(x)
其中,x代表像素。
本发明实施例中采用了具体的亮度指数衰减模型和马尔可夫随机场的代价函数进行举例说明,实验证明,采用图7(a)所示的输入图像,通过本发明实施例的夜晚图像增强方法进行增强后,输出的图像如图7(b)所 示,从这两个图的比较可知,可以恢复较好的亮度图像。
实施例三
如图8所示是本发明实施例提供的一种夜晚图像增强装置,该装置包括:
本征图像分解模块10:用于对输入的夜晚图像进行本征图像分解,得到亮度图像和反射图像。
优选地,本征图像分解模块10具体用于:对夜晚图像进行低通滤波得到亮度图像;用夜晚图像逐像素除以亮度图像对应的像素的值得到反射图像。
亮度图像增强模块20:用于基于亮度指数衰减模型对亮度图像进行增强。
优选地,亮度图像增强模块20具体用于:基于亮度指数衰减模型模拟出亮度下降速度和相对下降时间;根据亮度指数衰减模型,将亮度下降速度和相对下降时间与夜晚图像的亮度分别进行幂运算后相乘,得到增强的亮度图像。
举例来说,假设亮度指数衰减模型为:
LN=LD·e-βt
其中,LN表示夜晚时刻的亮度,LD表示白天时刻的亮度,β表示亮度下降速度,t表示相对下降时间。
则按以下公式对亮度图像进行增强:
L*=LN/e-βt
其中,L*是增强的亮度图像,LN表示夜晚时刻的亮度,下降速度β与相对下降时间t可以通过实验方法曲线模拟估计来获得。
作为一种优选方案,亮度图像增强模块20还用于按以下公式改善增强的亮度图像:
LE=(L*)1-r·(LN)r=(L*)1-r·((LD)r·e-β(tr))≈LD·e-β(tr)
其中,LE表示改善后的增强的亮度图像,L*表示增强的亮度图像,LN表示夜晚时刻的亮度,r为提纯的参数,LD表示白天时刻的亮度。
亮度图像优化模块30:用于对增强的亮度图像进行优化。
优选地,亮度图像优化模块30具体用于:为增强的亮度图像设计一个马尔可夫随机场的代价函数;使用优化算法优化马尔可夫随机场的代价函数,得到优化的亮度图像。
其中,马尔可夫随机场的代价函数包括数据惩罚项和平滑项,数据惩罚项表示亮度的估计值与观察值之间差异程度;平滑项表示同一邻域中的不同像素之间亮度的差异程度。
举例来说,马尔可夫随机场的代价函数为:
其中,D是数据惩罚项,V是平滑项,p和q代表像素位置,N表示邻域系统,L表示亮度图像,Lp,Lq分别表示像素p,q的亮度值,“P”表示需要增强的图像区域,“Np”表示以像素P为中心的邻域,且满足以下关系公式:
V(Lp,Lq)=min(K,|Lp-Lq|2)
其中,K为预设的阈值,表示同一邻域的不同像素之间允许出现的亮度差异阈值。
增强图像合成模块40:用于利用优化的亮度图像和反射图像合成输出增强图像。
优选地,增强图像合成模块40具体用于:将优化的亮度图像与反射图像逐像素相乘,得到最终的增强图像。
具体来说,最终输出图像IE等于优化的亮度图像LE'与本征图像分解得到的反射图像R逐像素相乘:
IE(x)=LE'(x)·R(x)
其中,x代表像素。
需要说明的是,上述方法实施例一和实施例二中的技术特征在本装置均能对应适用,这里不再重述。
本发明实施例的夜晚图像增强装置,利用亮度指数衰减模型假设在从白天向夜晚过渡的时间段中,亮度随时间呈指数衰减,首先通过亮度指数衰减模型增强本征图像分解出的亮度图像,然后对增强的亮度图像进行进 一步优化,再利用优化的亮度图像和本征图像分解出的反射图像合成增强图像,不需要背景图像作为参考图像,就能根据输入的夜晚图像输出符合亮度衰减物理过程、降低噪声和颜色偏差的增强图像。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来控制相关的硬件完成,所述的程序可以在存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上参照附图说明了本发明的优选实施例,并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质,可以有多种变型方案实现本发明,比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡在运用本发明的技术构思之内所作的任何修改、等同替换和改进,均应在本发明的权利范围之内。
Claims (11)
1.一种夜晚图像增强方法,其特征在于,该方法包括:
本征图像分解步骤:对输入的夜晚图像进行本征图像分解,得到亮度图像和反射图像;
亮度图像增强步骤:基于亮度指数衰减模型对所述亮度图像进行增强;
亮度图像优化步骤:对所述增强的亮度图像进行优化,得到优化的亮度图像;
增强图像合成步骤:利用所述优化的亮度图像和所述反射图像合成输出增强图像;
所述亮度图像优化步骤进一步包括:
为所述增强的亮度图像设计一个马尔可夫随机场的代价函数,其中,所述马尔可夫随机场的代价函数包括数据惩罚项和平滑项,所述数据惩罚项表示亮度的估计值与观察值之间差异程度;所述平滑项表示同一邻域中的不同像素之间亮度的差异程度;
使用优化算法优化所述马尔可夫随机场的代价函数,得到优化的亮度图像。
2.根据权利要求1所述的夜晚图像增强方法,其特征在于,所述本征图像分解步骤进一步包括:
对所述夜晚图像进行低通滤波得到亮度图像;
用所述夜晚图像逐像素除以所述亮度图像对应像素的值得到反射图像。
3.根据权利要求1所述的夜晚图像增强方法,其特征在于,所述亮度图像增强步骤进一步包括:
基于所述亮度指数衰减模型模拟出亮度下降速度和相对下降时间;
根据所述亮度指数衰减模型,将所述亮度下降速度和相对下降时间与所述夜晚图像的亮度分别进行幂运算后相乘,得到增强的亮度图像。
4.根据权利要求3所述的夜晚图像增强方法,其特征在于,所述亮度指数衰减模型为:
LN=LD·e-βt
其中,LN表示夜晚时刻的亮度,LD表示白天时刻的亮度,β表示亮度下降速度,t表示相对下降时间。
5.根据权利要求4所述的夜晚图像增强方法,其特征在于,所述亮度图像增强步骤中还包括按以下公式改善增强的亮度图像:
LE=(L*)1-r·(LN)r=(L*)1-r·((LD)r·e-β(tr))≈LD·e-β(tr)
其中,LE表示改善后的增强的亮度图像,L*表示增强的亮度图像,LN表示夜晚时刻的亮度,r为提纯的参数,LD表示白天时刻的亮度。
6.根据权利要求5所述的夜晚图像增强方法,其特征在于,所述马尔可夫随机场的代价函数为:
其中,D是数据惩罚项,V是平滑项,p和q代表像素位置,N表示邻域系统,L表示亮度图像,Lp,Lq分别表示像素p,q的亮度值,“P”表示需要增强的图像区域,“Np”表示以像素p为中心的邻域,且满足以下关系公式:
V(Lp,Lq)=min(K,|Lp-Lq|2)
其中,K为预设的阈值,表示同一邻域的不同像素之间允许出现的亮度差异阈值。
7.根据权利要求1所述的夜晚图像增强方法,其特征在于,所述增强图像合成步骤进一步包括:
将所述优化的亮度图像与所述反射图像逐像素相乘,得到最终的增强图像。
8.一种夜晚图像增强装置,其特征在于,该装置包括:
本征图像分解模块:用于对输入的夜晚图像进行本征图像分解,得到亮度图像和反射图像;
亮度图像增强模块:用于基于亮度指数衰减模型对所述亮度图像进行增强;
亮度图像优化模块:用于对所述增强的亮度图像进行优化,得到优化的亮度图像;
增强图像合成模块:用于利用所述优化的亮度图像和所述反射图像合成输出增强图像;
所述亮度图像优化模块具体用于:为所述增强的亮度图像设计一个马尔可夫随机场的代价函数;使用优化算法优化所述马尔可夫随机场的代价函数,得到优化的亮度图像;其中,所述马尔可夫随机场的代价函数包括数据惩罚项和平滑项,所述数据惩罚项表示亮度的估计值与观察值之间差异程度;所述平滑项表示同一邻域中的不同像素之间亮度的差异程度。
9.根据权利要求8所述的夜晚图像增强装置,其特征在于,所述本征图像分解模块具体用于:对所述夜晚图像进行低通滤波得到亮度图像;用所述夜晚图像逐像素除以所述亮度图像对应的像素的值得到反射图像。
10.根据权利要求8所述的夜晚图像增强装置,其特征在于,所述亮度图像增强模块具体用于:基于所述亮度指数衰减模型模拟出亮度下降速度和相对下降时间;根据所述亮度指数衰减模型,将所述亮度下降速度和相对下降时间与所述夜晚图像的亮度分别进行幂运算后相乘,得到增强的亮度图像。
11.根据权利要求9所述的夜晚图像增强装置,其特征在于,所述增强图像合成模块具体用于:将所述优化的亮度图像与所述反射图像逐像素相乘,得到最终的增强图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410093837.5A CN103903229B (zh) | 2014-03-13 | 2014-03-13 | 一种夜晚图像增强方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410093837.5A CN103903229B (zh) | 2014-03-13 | 2014-03-13 | 一种夜晚图像增强方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103903229A CN103903229A (zh) | 2014-07-02 |
CN103903229B true CN103903229B (zh) | 2017-01-04 |
Family
ID=50994536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410093837.5A Expired - Fee Related CN103903229B (zh) | 2014-03-13 | 2014-03-13 | 一种夜晚图像增强方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103903229B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327443A (zh) * | 2016-08-24 | 2017-01-11 | 电子科技大学 | 一种改进的遗传算法的夜间图像增强方法 |
CN109903320B (zh) * | 2019-01-28 | 2021-06-08 | 浙江大学 | 一种基于肤色先验的人脸本征图像分解方法 |
CN109859144B (zh) * | 2019-02-22 | 2021-03-12 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN112308803B (zh) * | 2020-11-25 | 2021-10-01 | 哈尔滨工业大学 | 一种基于深度学习的自监督低照度图像增强及去噪方法 |
CN112529813A (zh) * | 2020-12-18 | 2021-03-19 | 四川云从天府人工智能科技有限公司 | 图像去雾处理方法、装置及计算机存储介质 |
CN115841431B (zh) * | 2023-02-06 | 2023-05-05 | 淄博市临淄区交通运输事业服务中心 | 基于视频监控的交通运输图像增强方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100562067C (zh) * | 2007-07-26 | 2009-11-18 | 上海交通大学 | 带有去噪功能的实时数字图像处理增强方法 |
CN101814179B (zh) * | 2009-02-19 | 2012-06-27 | 富士通株式会社 | 图像增强方法和设备 |
TWI578977B (zh) * | 2011-04-07 | 2017-04-21 | 香港中文大學 | 視網膜圖像分析裝置 |
CN102779330B (zh) * | 2012-06-13 | 2014-08-06 | 京东方科技集团股份有限公司 | 图像增强方法、图像增强装置和显示装置 |
CN103593830B (zh) * | 2013-11-29 | 2016-07-06 | 大连理工大学 | 一种低照度视频图像增强方法 |
CN103578084B (zh) * | 2013-12-09 | 2017-04-19 | 西安电子科技大学 | 基于亮通道滤波的彩色图像增强方法 |
-
2014
- 2014-03-13 CN CN201410093837.5A patent/CN103903229B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103903229A (zh) | 2014-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103903229B (zh) | 一种夜晚图像增强方法和装置 | |
CN104506755B (zh) | 基于fpga的高清视频实时自动化去雾方法 | |
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
US9177363B1 (en) | Method and image processing apparatus for image visibility restoration | |
CN102077572B (zh) | 用于在成像系统中防止运动模糊和重影的方法及装置 | |
JP7077395B2 (ja) | 多重化高ダイナミックレンジ画像 | |
CN102637293B (zh) | 运动图像处理装置及运动图像处理方法 | |
CN107451966B (zh) | 一种采用灰度图引导滤波实现的实时视频去雾方法 | |
CN112308803B (zh) | 一种基于深度学习的自监督低照度图像增强及去噪方法 | |
CN110211052A (zh) | 一种基于特征学习的单幅图像去雾方法 | |
CN115393227B (zh) | 基于深度学习的微光全彩视频图像自适应增强方法及系统 | |
CN108305225A (zh) | 基于暗通道先验的交通监控图像快速去雾方法 | |
CN108093175A (zh) | 一种实时高清视频自适应去雾方法及装置 | |
CN104657939A (zh) | 一种低照度视频图像增强方法 | |
CN102572374A (zh) | 一种除雾图像采集装置 | |
KR20130012749A (ko) | 환경 자동 적응 비디오 인핸서 및 비디오 이미지의 처리 방법 | |
CN116309116A (zh) | 一种基于raw图像的低弱光图像增强方法与装置 | |
CN115829956A (zh) | 一种基于fpga的低照度视频增强硬件实现方法 | |
CN114170101A (zh) | 基于高低频信息的结构纹理保持弱光图像增强方法及系统 | |
CN201898578U (zh) | 一种除雾图像采集装置 | |
CN102595026B (zh) | 视频数据的滤波降噪系统及滤波降噪方法 | |
CN106339988A (zh) | 一种图像去雾方法及装置 | |
CN111010497A (zh) | 一种基于fpga的clahe透雾增强并行运算方法 | |
Wilson et al. | FPGA implementation of hardware efficient algorithm for image contrast enhancement using Xilinx System Generator | |
CN113379632B (zh) | 一种基于小波透射率优化的图像去雾方法及系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170104 Termination date: 20210313 |