CN108492268A - 基于小波系数融合的低照度图像增强算法 - Google Patents
基于小波系数融合的低照度图像增强算法 Download PDFInfo
- Publication number
- CN108492268A CN108492268A CN201810227289.9A CN201810227289A CN108492268A CN 108492268 A CN108492268 A CN 108492268A CN 201810227289 A CN201810227289 A CN 201810227289A CN 108492268 A CN108492268 A CN 108492268A
- Authority
- CN
- China
- Prior art keywords
- image
- low
- wavelet
- coefficient
- algorithm
- 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.)
- Pending
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 15
- 238000005286 illumination Methods 0.000 title claims abstract description 15
- 230000002708 enhancing effect Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 230000006872 improvement Effects 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 238000011946 reduction process Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000001228 spectrum Methods 0.000 description 2
- 241000638935 Senecio crassissimus Species 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
基于小波系数融合的低照度图像增强算法。传统的图像增强算法很难将点运算和模板处理兼顾。本发明方法步骤包括：输入低照度图像；使用基于暗区去除的改进直方图算法进行图像增强，得到增强后的图像；对增强后的图像进行小波分解，提取低频系数c1得到原图的近似图像；对低照度图像进行小波分解，提取高频系数c2并用半软阈值法进行去噪增强处理，得到新的系数c3，表示图像的细节部分；将低频系数c1和高频系数c3组合，构成完整的小波变换系数；利用小波逆变换重构图像，得到最后的增强图像。本发明能够得到接近高曝光时间拍摄所得图像的效果，可以有效节约曝光时间，减少图像拖影现象。
Description
技术领域：
本发明涉及一种基于小波系数融合的低照度图像增强算法。
背景技术：
常用的图像增强方法有：灰度变换、直方图均衡、图像锐化、噪声去除、几何畸变校正、频域滤波以及彩色增强等。图像增强的方式多种多样，但一般都带有较强的针对性，并与感兴趣的图像特征、观察者的目的和处理习惯等因素密切相关，因此目前还不存在一种普遍适用于各种场景的增强算法。于是，为了对不同场景的图像进行特定目的的效果改善，便产生了多种图像增强的算法。传统的图像增强算法主要分为基于空间域的图像增强算法和基于变换域的图像增强算法。空域增强法主要有两种操作：点运算和模板处理。点运算为对某个像素点的像素值进行处理变换，与该像素点周围的其他像素点无关，而模板处理方法是在该像素点的邻域内进行的，与周围像素点密切相关。变换域增强法是基于图像的傅立叶变换，对图像频谱进行改善，从而增强所希望的频谱，抑制干扰，然后再通过傅立叶逆变换得到增强图像。低照度图像灰度值较低，且细节灰度差别小，通常在几十级以内，因此我们希望能通过一种图像增强算法处理后，既能突出局部细节，同时能使整幅图像得到亮度的提升，从而便于人眼分辨。但是目前传统的图像增强算法很难将二者兼顾。现有的应用于低照度图像增强的算法主要是基于直方图均衡化的方法，使用该方法一般都会得到全局的增强。基于局部对比度的增强方法，可以突出图像细节，但对低照度图像增强的效果不太明显。近年来基于小波的图像处理方法颇受关注，其应用于图像增强和图像去噪等领域中，也取得可喜的成果。由于小波变换能同时体现时域和频域的特征，因此将小波变换用于图像处理时，既能提取出图像的边缘，又可提取整体结构，适于对低照度图像进行增强处理。目前图像增强效果还没有统一的评价标准，这是由于缺乏对图像进行主观判别的度量工具。因此图像增强技术的研究具有一定的多样性。
发明内容：
本发明的目的是提供一种基于小波系数融合的低照度图像增强算法。
上述的目的通过以下的技术方案实现：
一种基于小波系数融合的低照度图像增强算法，一幅图像经过小波分解后，将对视觉效果影响较大的灰度信息存在于低频部分，噪声和图像细节则分布于高频部分，将图像的低频信号用基于暗区去除的改进直方图增强算法进行处理，高频信号用半软阈值法进行降噪处理，最后将低频和高频系数组合，通过小波反变换获得增强后的图像，所述的基于小波系数融合的低照度图像增强算法通过以下步骤实现：
步骤一、输入低照度图像f(x，y)；
步骤二、使用基于暗区去除的改进直方图算法进行图像增强，得到增强后的图像g(x，y)；
步骤三、对g(x，y)进行小波分解，提取低频系数c1得到原图的近似图像；
步骤四、对f(x，y)进行小波分解，提取高频系数c2并用半软阈值法进行去噪增强处理，得到新的系数c3，表示图像的细节部分；
步骤五、将低频系数c1和高频系数c3组合，构成完整的小波变换系数；
步骤六、利用小波逆变换重构图像，得到最后的增强图像。
有益效果：
基于小波系数融合的低照度图像增强算法对低照度图像进行空间域的增强，提取其低频信息，并对输入图像的高频信息进行半软阈值滤波增强处理，最后将低频分量与高频分量融合，小波重构得到增强后的输出图像。减少了因为灰度级合并造成的图像细节丢失的现象，同时也降低了图像的噪声。相比于直方图均衡化等方法，基于小波系数融合的低照度图像增强算法在处理低照度图像时，能将整体效果和局部细节兼顾，得到较高质量的输出图像，对低曝光时间获得的图像进行增强处理后，能够得到接近高曝光时间拍摄所得图像的效果，可以有效节约曝光时间，减少图像拖影现象。
具体实施方式：
具体实施方式一：
本实施方式的基于小波系数融合的低照度图像增强算法，一幅图像经过小波分解后，将对视觉效果影响较大的灰度信息存在于低频部分，噪声和图像细节则分布于高频部分，将图像的低频信号用基于暗区去除的改进直方图增强算法进行处理，高频信号用半软阈值法进行降噪处理，最后将低频和高频系数组合，通过小波反变换获得增强后的图像，所述的基于小波系数融合的低照度图像增强算法通过以下步骤实现：
步骤一、输入低照度图像f(x，y)；
步骤二、使用基于暗区去除的改进直方图算法进行图像增强，得到增强后的图像g(x，y)；
步骤三、对g(x，y)进行小波分解，提取低频系数c1得到原图的近似图像；
步骤四、对f(x，y)进行小波分解，提取高频系数c2并用半软阈值法进行去噪增强处理，得到新的系数c3，表示图像的细节部分；
步骤五、将低频系数c1和高频系数c3组合，构成完整的小波变换系数；
步骤六、利用小波逆变换重构图像，得到最后的增强图像。
具体实施方式二：
与具体实施方式一不同的是，本实施方式的基于小波系数融合的低照度图像增强算法，步骤二所述的基于暗区去除的改进直方图算法为，设输入的原始图像为f(x，y)，共有l个灰度级，图像像素总数为n，其第k级的灰度值表示为rk，第k个灰度级的概率为灰度级k均衡化后的灰度的位置s由第k级坐标左右两侧的概率密度之比来确定，
具体实施方式三：
与具体实施方式一或二不同的是，本实施方式的基于小波系数融合的低照度图像增强算法，步骤四所述的半软阈值法为，当λ1＝λ2，函数为硬阈值函数，当λ1→∞，函数变为软阈值函数。
Claims (3)
1.一种基于小波系数融合的低照度图像增强算法，其特征是：一幅图像经过小波分解后，将对视觉效果影响较大的灰度信息存在于低频部分，噪声和图像细节则分布于高频部分，将图像的低频信号用基于暗区去除的改进直方图增强算法进行处理，高频信号用半软阈值法进行降噪处理，最后将低频和高频系数组合，通过小波反变换获得增强后的图像，所述的基于小波系数融合的低照度图像增强算法通过以下步骤实现：
步骤一、输入低照度图像f(x，y)；
步骤二、使用基于暗区去除的改进直方图算法进行图像增强，得到增强后的图像g(x，y)；
步骤三、对g(x，y)进行小波分解，提取低频系数c1得到原图的近似图像；
步骤四、对f(x，y)进行小波分解，提取高频系数c2并用半软阈值法进行去噪增强处理，得到新的系数c3，表示图像的细节部分；
步骤五、将低频系数c1和高频系数c3组合，构成完整的小波变换系数；
步骤六、利用小波逆变换重构图像，得到最后的增强图像。
2.根据权利要求1所述的基于小波系数融合的低照度图像增强算法，其特征是：步骤二所述的基于暗区去除的改进直方图算法为，设输入的原始图像为f(x，y)，共有l个灰度级，图像像素总数为n，其第k级的灰度值表示为rk，第k个灰度级的概率为灰度级k均衡化后的灰度的位置s由第k级坐标左右两侧的概率密度之比来确定，
3.根据权利要求1或2所述的基于小波系数融合的低照度图像增强算法，其特征是：步骤四所述的半软阈值法为，当λ1＝λ2，函数为硬阈值函数，当λ1→∞，函数变为软阈值函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810227289.9A CN108492268A (zh) | 2018-03-20 | 2018-03-20 | 基于小波系数融合的低照度图像增强算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810227289.9A CN108492268A (zh) | 2018-03-20 | 2018-03-20 | 基于小波系数融合的低照度图像增强算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108492268A true CN108492268A (zh) | 2018-09-04 |
Family
ID=63318501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810227289.9A Pending CN108492268A (zh) | 2018-03-20 | 2018-03-20 | 基于小波系数融合的低照度图像增强算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108492268A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109712094A (zh) * | 2018-12-26 | 2019-05-03 | 新疆大学 | 图像处理方法及装置 |
| CN109741274A (zh) * | 2018-12-26 | 2019-05-10 | 新疆大学 | 图像处理方法及装置 |
| CN109801240A (zh) * | 2019-01-15 | 2019-05-24 | 武汉鸿瑞达信息技术有限公司 | 一种图像增强方法以及图像增强装置 |
| CN109919861A (zh) * | 2019-01-29 | 2019-06-21 | 浙江数链科技有限公司 | 红外图像增强方法、装置、计算机设备和存储介质 |
| US11941786B2 (en) | 2020-06-11 | 2024-03-26 | GE Precision Healthcare LLC | Image noise reduction method and device |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030081842A1 (en) * | 2001-10-31 | 2003-05-01 | Xerox Corporation | Enhancement of compressed image data |
| CN101448170A (zh) * | 2008-12-31 | 2009-06-03 | 合肥工业大学 | 基于小波照度估计的雾天图像清晰化方法 |
| CN101882305A (zh) * | 2010-06-30 | 2010-11-10 | 中山大学 | 一种图像增强处理的方法 |
| CN106169181A (zh) * | 2016-06-30 | 2016-11-30 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及系统 |
-
2018
- 2018-03-20 CN CN201810227289.9A patent/CN108492268A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030081842A1 (en) * | 2001-10-31 | 2003-05-01 | Xerox Corporation | Enhancement of compressed image data |
| CN101448170A (zh) * | 2008-12-31 | 2009-06-03 | 合肥工业大学 | 基于小波照度估计的雾天图像清晰化方法 |
| CN101882305A (zh) * | 2010-06-30 | 2010-11-10 | 中山大学 | 一种图像增强处理的方法 |
| CN106169181A (zh) * | 2016-06-30 | 2016-11-30 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及系统 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109712094A (zh) * | 2018-12-26 | 2019-05-03 | 新疆大学 | 图像处理方法及装置 |
| CN109741274A (zh) * | 2018-12-26 | 2019-05-10 | 新疆大学 | 图像处理方法及装置 |
| CN109741274B (zh) * | 2018-12-26 | 2022-04-01 | 新疆大学 | 图像处理方法及装置 |
| CN109712094B (zh) * | 2018-12-26 | 2022-07-08 | 新疆大学 | 图像处理方法及装置 |
| CN109801240A (zh) * | 2019-01-15 | 2019-05-24 | 武汉鸿瑞达信息技术有限公司 | 一种图像增强方法以及图像增强装置 |
| CN109801240B (zh) * | 2019-01-15 | 2020-12-08 | 武汉鸿瑞达信息技术有限公司 | 一种图像增强方法以及图像增强装置 |
| CN109919861A (zh) * | 2019-01-29 | 2019-06-21 | 浙江数链科技有限公司 | 红外图像增强方法、装置、计算机设备和存储介质 |
| US11941786B2 (en) | 2020-06-11 | 2024-03-26 | GE Precision Healthcare LLC | Image noise reduction method and device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108492268A (zh) | 基于小波系数融合的低照度图像增强算法 | |
| Zhou et al. | Retinex-based laplacian pyramid method for image defogging | |
| CN109191387B (zh) | 一种基于巴特沃斯滤波器的红外图像去噪方法 | |
| CN111583123A (zh) | 一种基于小波变换的融合高低频信息的图像增强算法 | |
| CN102222328B (zh) | 一种边缘保持的自然场景图像自适应加权滤波方法 | |
| CN108288258B (zh) | 一种针对恶劣天气条件下的低质图像增强方法 | |
| CN106530244B (zh) | 一种图像增强方法 | |
| CN107784639B (zh) | 一种无人机遥感图像改进多边滤波去噪方法 | |
| CN103295191A (zh) | 多尺度视觉自适应图像增强方法及评价方法 | |
| Jha et al. | Internal noise-induced contrast enhancement of dark images | |
| CN108109123B (zh) | 一种图像去噪方法 | |
| CN103295204A (zh) | 一种基于非下采样轮廓波变换的图像自适应增强方法 | |
| CN113724164B (zh) | 一种基于融合重构制导滤波的可见光图像噪声去除方法 | |
| CN101493939A (zh) | 基于小波域同态滤波的检测伪造图像的方法 | |
| CN109118440B (zh) | 基于透射率融合与自适应大气光估计的单幅图像去雾方法 | |
| Yu et al. | Image and video dehazing using view-based cluster segmentation | |
| CN100367770C (zh) | 一种去除视频孤立噪声点的方法 | |
| Yao et al. | Brightness preserving and contrast limited bi-histogram equalization for image enhancement | |
| CN104616259B (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
| CN106981052B (zh) | 基于变分框架的自适应亮度不均变分校正方法 | |
| Valliammal et al. | A hybrid method for enhancement of plant leaf recognition | |
| Patvardhan et al. | Document image denoising and binarization using Curvelet transform for OCR applications | |
| CN106446904A (zh) | 基于全局二值化的图像识别方法 | |
| Budhiraja et al. | Effect of pre-processing on MST based infrared and visible image fusion | |
| Cao et al. | A License Plate Image Enhancement Method in Low Illumination Using BEMD. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180904 |
|
| WD01 | Invention patent application deemed withdrawn after publication |