CN109658350A - 一种夜间人脸视频图像增强与降噪方法 - Google Patents
一种夜间人脸视频图像增强与降噪方法 Download PDFInfo
- Publication number
- CN109658350A CN109658350A CN201811414421.3A CN201811414421A CN109658350A CN 109658350 A CN109658350 A CN 109658350A CN 201811414421 A CN201811414421 A CN 201811414421A CN 109658350 A CN109658350 A CN 109658350A
- Authority
- CN
- China
- Prior art keywords
- imf
- component
- image
- enhancing
- noise
- 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
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000001815 facial effect Effects 0.000 title claims abstract description 28
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 18
- 230000003044 adaptive effect Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 125000001475 halogen functional group Chemical group 0.000 abstract description 3
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 20
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000002131 composite material Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000006467 substitution reaction 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种夜间人脸视频图像增强与降噪方法，属于信息处理技术领域，本发明首先将人脸视频图像从RGB空间转换到HSV空间，对图像的V分量进行BEMD分解，按照一定规则自适应地分解成若干IMF分量，对其中的低频IMF分量进行滤波并去除照射分量，对高频IMF分量进行纹理、细节等信息增强并降噪，把这些经过处理的IMF分量进行重构，即得到降噪与增强后的V分量，把处理后的V分量进行自适应对比度增强后，与经过小波降噪后的H、S分量重构，即可得到降噪与增强处理后的人脸视频图像。本方法在有效增强图像对比度的同时可锐化边缘、纹理等细节信息，有效提高了图像的清晰度，且能够去除夜间人脸图像增强中的光晕问题。
Description
技术领域
本发明属于信息处理技术领域，具体涉及一种夜间人脸视频图像增强与降噪方法。
背景技术
目前，视频监控技术广泛应用于社会治理与公共安全领域，成为公安机关辨识违法嫌疑人的重要技术手段。在白天光照良好的情况下，采集得到的视频图像可满足应用要求，而在傍晚或夜间采集的图像质量严重恶化，图像呈现大量暗区，且包含噪声，导致图像内容模糊不清，细节丢失；在夜晚人工光源下，采集到的人脸图像又会出现高光区，使图像整体亮度不均匀，这些问题都给夜间视频图像的人脸辨识带来巨大挑战，因此研究夜间人脸视频图像增强与降噪方法具有重要意义。
目前图形增强与降噪方法主要包括：基于直方图的增强与降噪方法、基于同态滤波的增强与降噪方法和基于Retinex理论的增强与降噪等方法，这些方法都有其局限性，如基于直方图的增强算法没有考虑图像的频率及细节信息，容易出现过增强，增强后会减弱图像的层次感；基于同态滤波的增强方法的应用前提是假设光照均匀，对高光区和暗区图像增强效果很差；基于Retinex理论的增强方法基于照明-反射模型，这类算法在图像边缘区存在光晕问题，且照射分量难以估计，使图像增强效果不佳。
发明内容
针对现有技术中存在的上述技术问题，本发明提出了一种夜间人脸视频图像增强与降噪方法，设计合理，克服了现有技术的不足，具有良好的效果。
为了实现上述目的，本发明采用如下技术方案：
一种夜间人脸视频图像增强与降噪方法，包括以下步骤：
步骤1：读取图像到计算机；
傍晚或夜晚，在人工光源情况下，使用连接摄像头的计算机连续采集人脸视频并存储在计算机内，从存储的视频中抽取一帧夜间人脸图像，存储为BMP格式，记为I(x,y)；
步骤2：图像空间转换；
对于待处理图像I(x,y)，将其从RGB空间转换到HSV空间，在转换后的HSV空间中，记色调分量为H(x,y)、饱和度分量为S(x,y)、亮度分量为V(x,y)；
步骤3：对亮度分量V(x,y)进行BEMD分解，具体包括如下步骤：
步骤3.1：初始化分解层数N＝5；令E(x,y)＝V(x,y)；k＝0；i＝1；
步骤3.2：令k＝k+1；E(x,y)为二维信号，其包络曲面的极大值和极小值分别记为E+(x,y)和E-(x,y)，将二者的均值作为E(x,y)的包络均值，即：
步骤3.3：使用E(x,y)减去包络均值，得到：
步骤3.4：判断是否为IMF分量，定义IMF分量的判定特征指数SD为：
IMF分量的判定特征指数SD<0.25；
如果k＝1或者SD≥0.25，则不符合IMF分量的定义，需重复上述过程，此时令然后转步骤3.2；
否则，符合IMF的定义，转步骤3.5；
步骤3.5：计算图像分量V(x,y)的第i阶IMF分量，即：
步骤3.6：将imfi(x,y)从图像E(x,y)中分离，得到余项R(x,y)，即：
R(x,y)＝E(x,y)-imfi(x,y) (5)；
步骤3.7：如果i≤N,则将余项R(x,y)作为新信号，即令E(x,y)＝R(x,y)，重复步骤3.2至步骤3.7，直至i>N，然后转步骤3.8；
步骤3.8：将亮度分量V(x,y)进行分解，得到：
此时亮度分量V(x,y)分解得到5个IMF和一个余项R(x,y)，即6个频带；对分解得到的6个频带转步骤4处理：
步骤4：对分解得到的低频IMF分量和余项R(x,y)进行消噪滤波，去除照射分量，具体包括如下步骤：
步骤4.1：定义滤波器，如公式(7)所示：
式中，g(x,y)为滤波器输出结果，表示输出(x,y)位置的像素值g依赖于邻域内像素值f的加权组合，(k,l)表示像素(x,y)的邻域像素位置；权重系数w(x,y,k,l)等于空间域核d(x,y,k,l)和值域核r(x,y,k,l)的乘积，即：
w(x,y,k,l)＝d(x,y,k,l)·r(x,y,k,l) (8)；
其中，
则有：
式中，σd为空间域方差，σr为值域方差；
步骤4.2：利用公式(7)定义的滤波器分别对低频IMF分量imf4(x,y)、imf5(x,y)和余项R(x,y)进行滤波处理，消除噪声成分，滤波后的结果记为：imf4′(x,y),imf5′(x,y),R′(x,y)；
步骤5：对分解得到的高频IMF分量imf1(x,y),imf2(x,y),imf3(x,y)分别进行边缘、纹理细节信息自适应增强与降噪，具体包括如下步骤：
步骤5.1：分别对高频IMF分量imf1(x,y),imf2(x,y),imf3(x,y)进行小波分析；
步骤5.2：利用式(12)对小波系数进行自适应调节：
f(w)＝a[sigm(c(w-b))-sigm(-c(w+b))] (12)；
其中，
式(12)、(13)中，w为小波系数，f(w)为增强后的小波系数，b和c为控制增强幅度的参数；
步骤5.3：重构增强后的小波系数，得到边缘、纹理细节信息自适应增强后的高频子带imf1′(x,y),imf2′(x,y),imf3′(x,y)；
步骤6：重构经步骤4、5处理后的IMF分量，得到新的图像分量V′(x,y)；
按照式(14)重构经过步骤4、步骤5处理后的低、高频子带，得到去除照射分量和边缘细节信息增强的图像分量，记为V′(x,y)：
步骤7：对新的图像分量V′(x,y)进行对比度自适应增强处理，具体包括如下步骤：
步骤7.1：计算图像分量V′(x,y)的灰度统计直方图：
式中，sk为图像分量V′(x,y)的第k级灰度值，nk是灰度值sk的像素个数，n是像素总数，L是图像的灰度级总数；
步骤7.2：计算图像分量V′(x,y)的灰度累积概率密度p′(sk)：
步骤7.3：建立灰度值映射，即：
sk′＝μ×(L-1)×p′(sk),k＝0,1,2,...,L-1 (17)；
式中，μ为灰度映射系数；
步骤7.4：将图像分量V′(x,y)中的灰度值sk变换成s′k，得到对比度增强后的图像分量V″(x,y)；
步骤8：对分量H(x,y)，S(x,y)分别进行小波自适应阈值降噪处理，得到降噪后的分量H′(x,y)、S′(x,y)；
步骤9：将对比度增强后的图像分量V″(x,y)与降噪后的分量H′(x,y)、S′(x,y)重构，得到去噪与增强后的图像，即：
I′(x,y)＝H′(x,y)+S′(x,y)+V″(x,y) (18)；
将经过处理的图像I′(x,y)从HSV空间转换到RGB空间；
至此，完成了夜间人脸视频图像的增强处理。
优选地，在步骤4.1中，取σd∈[3,5]，σr∈[0.05,0.15]。
优选地，在步骤5.2中，取b＝0.4，c＝50。
优选地，在步骤7.3中，取μ∈[0.85,0.95]。
本发明所带来的有益技术效果：
根据夜间人脸视频图像的特点，首先将图像从RGB空间转换到HSV空间，设计BEMD分解算法将图像V分量的高、低频分量进行有效分离，对低频分量设计专用滤波器滤除噪声并去除照射分量，对高频分量设计算法增强边缘、纹理等细节信息；根据直方图分布特点设计算法对V分量进行对比度自适应增强，实现夜间人脸图像对比度的自适应增强；本方法在有效增强图像对比度的同时可锐化边缘、纹理等细节信息，有效提高了图像的清晰度，且能够去除夜间人脸图像增强中的光晕问题。
附图说明
图1为本发明中夜间人脸视频图像增强方法流程图；
图2为本发明中像素(x,y)与邻域像素(k,l)的位置关系示意图；
图3为本发明中夜间人脸图像转换到HSV空间的结果示意图；
图3(a)为夜间人脸图像；图3(b)为图像(a)的H分量示意图；图3(c)为图像(a)的S分量示意图；图3(d)为图像3(a)的V分量示意图；
图4为本发明中图像V分量经过BEMD分解后生成的IMF示意图；
图4(a)为imf1(x,y)的示意图；图4(b)为imf2(x,y)的示意图；图4(c)为imf3(x,y)的示意图；图4(d)为imf4(x,y)的示意图；图4(e)为imf5(x,y)的示意图；图4(f)为余项R(x,y)的示意图；
图5为本发明中经过降噪与增强处理后的IMF示意图；
图5(a)为处理后的imf1(x,y)的示意图；图5(b)为处理后的imf2(x,y)的示意图；图5(c)为处理后的imf3(x,y)的示意图；图5(d)为处理后的imf4(x,y)的示意图；图5(e)为处理后的imf5(x,y)的示意图；图5(f)为处理后的余项R(x,y)的示意图；
图6为本发明中经过降噪与增强处理后的H、S、V分量及H、S、V分量的合成结果示意图；
图6(a)为降噪后的H分量；图6(b)为降噪后的S分量；图6(c)为降噪后的V分量；图6(d)为合成结果示意图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
一种夜间人脸视频图像增强与降噪方法，其流程如图1所示，包括以下步骤：
步骤1：读取图像到计算机；
傍晚或夜晚，在人工光源情况下，使用连接摄像头的计算机连续采集人脸视频并存储在计算机内，从存储的视频中抽取一帧夜间人脸图像，存储为BMP格式，记为I(x,y)；该图像包含有大量噪声且人脸细节信息较为模糊，且图像内容较暗，如图3(a)所示；
步骤2：图像空间转换；
对于待处理图像I(x,y)，将其从RGB空间转换到HSV空间，在转换后的HSV空间中，记色调分量为H(x,y)、饱和度分量为S(x,y)、亮度分量为V(x,y)，如图3(b)、(c)、(d)所示；
步骤3：对亮度分量V(x,y)进行BEMD分解，具体包括如下步骤：
步骤3.1：初始化分解层数N＝5；令E(x,y)＝V(x,y)；k＝0；i＝1；
步骤3.2：令k＝k+1；E(x,y)为二维信号，其包络曲面的极大值和极小值分别记为E+(x,y)和E-(x,y)，将二者的均值作为E(x,y)的包络均值，即：
步骤3.3：使用E(x,y)减去包络均值，得到：
步骤3.4：判断是否为IMF分量，定义IMF分量的判定特征指数SD为：
IMF分量的判定特征指数SD<0.25；
如果k＝1或者SD≥0.25，则不符合IMF分量的定义，需重复上述过程，此时令然后转步骤3.2；
否则，符合IMF的定义，转步骤3.5；
步骤3.5：计算图像分量V(x,y)的第i阶IMF分量，即：
步骤3.6：将imfi(x,y)从图像E(x,y)中分离，得到余项R(x,y)，即：
R(x,y)＝E(x,y)-imfi(x,y) (5)；
步骤3.7：如果i≤N,则将余项R(x,y)作为新信号，即令E(x,y)＝R(x,y)，重复步骤3.2至步骤3.7，直至i>N，然后转步骤3.8；
步骤3.8：将亮度分量V(x,y)进行分解，得到：
此时亮度分量V(x,y)分解得到5个IMF和一个余项R(x,y)，即6个频带，如图4所示；对分解得到的6个频带转步骤4处理：
步骤4：对图4(d)，(e)，(f)中的低频IMF分量和余项R(x,y)进行滤波，去除照射分量，具体包括如下步骤：
步骤4.1：定义滤波器，如公式(7)所示：
式中，g(x,y)为滤波器输出结果，表示输出(x,y)位置的像素值g依赖于邻域内像素值f的加权组合，(k,l)表示像素(x,y)的邻域像素位置；权重系数w(x,y,k,l)等于空间域核d(x,y,k,l)和值域核r(x,y,k,l)的乘积，即：
w(x,y,k,l)＝d(x,y,k,l)·r(x,y,k,l) (8)；
其中，
则有：
式中，σd为空间域方差，σr为值域方差；特别地，取σd∈[3,5]，σr∈[0.05,0.15]。
步骤4.2：利用公式(7)定义的滤波器分别对低频IMF分量imf4(x,y)、imf5(x,y)和余项R(x,y)进行滤波处理，消除噪声成分，滤波后的结果记为：imf4′(x,y),imf5′(x,y),R′(x,y)；如图5(d)，(e)，(f)所示；
步骤5：对图4(a)，(b)，(c)中的高频IMF分量imf1(x,y),imf2(x,y),imf3(x,y)分别进行边缘、纹理细节信息自适应增强与降噪，具体包括如下步骤：
步骤5.1：分别对高频IMF分量imf1(x,y),imf2(x,y),imf3(x,y)执行小波分析；
步骤5.2：利用式(12)对小波系数进行自适应调节，
f(w)＝a[sigm(c(w-b))-sigm(-c(w+b))] (12)；
其中，
式(12)、(13)中，w为小波系数，f(w)为增强后的小波系数，b和c为控制增强幅度的参数；特别地，取b＝0.4，c＝50。
步骤5.3：重构增强后的小波系数，得到边缘、纹理细节信息自适应增强后的高频子带imf1′(x,y),imf2′(x,y),imf3′(x,y)；如图5(a)，(b)，(c)所示；
步骤6：重构分量V′(x,y)；
按照式(14)重构图5中所有经过处理的IMF分量和余项，得到去除照射分量和边缘细节信息增强的图像分量，记为V′(x,y)：
步骤7：对图像分量V′(x,y)进行对比度自适应增强处理，具体包括如下步骤：
步骤7.1：计算图像分量V′(x,y)的灰度统计直方图：
式中，sk为图像分量V′(x,y)的第k级灰度值，nk是灰度值sk的像素个数，n是像素总数，L是图像的灰度级总数；
步骤7.2：计算图像分量V′(x,y)的灰度累积概率密度p′(sk)：
步骤7.3：建立灰度值映射，即：
sk′＝μ×(L-1)×p′(sk),k＝0,1,2,...,L-1 (17)；
式中，μ为灰度映射系数，特别地，取μ∈[0.85,0.95]；
步骤7.4：将图像分量V′(x,y)中的灰度值sk变换成s′k，得到对比度增强后的图像分量V″(x,y)；如图6(c)所示；
步骤8：对分量H(x,y)，S(x,y)分别进行小波自适应阈值降噪处理，得到降噪后的分量H′(x,y)、S′(x,y)；如图6(a)、(b)所示；
步骤9：将对比度增强后的图像分量V″(x,y)与降噪后的分量H′(x,y)、S′(x,y)重构，即将图6中(a)、(b)、(c)三图重构，得到去噪与增强后的图像，如图6(d)所示，即：
I′(x,y)＝H′(x,y)+S′(x,y)+V″(x,y) (18)；
将经过处理的图像I′(x,y)从HSV空间转换到RGB空间；
至此，完成了夜间人脸视频图像的增强处理。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。
Claims (4)
1.一种夜间人脸视频图像增强与降噪方法，其特征在于：包括以下步骤：
步骤1：读取图像到计算机；
傍晚或夜晚，在人工光源情况下，使用连接摄像头的计算机连续采集人脸视频并存储在计算机内，从存储的视频中抽取一帧夜间人脸图像，存储为BMP格式，记为I(x,y)；
步骤2：图像空间转换；
对于待处理图像I(x,y)，将其从RGB空间转换到HSV空间，在转换后的HSV空间中，记色调分量为H(x,y)、饱和度分量为S(x,y)、亮度分量为V(x,y)；
步骤3：对亮度分量V(x,y)进行BEMD分解，具体包括如下步骤：
步骤3.1：初始化分解层数N＝5；令E(x,y)＝V(x,y)；k＝0；i＝1；
步骤3.2：令k＝k+1；E(x,y)为二维信号，其包络曲面的极大值和极小值分别记为E+(x,y)和E-(x,y)，将二者的均值作为E(x,y)的包络均值，即：
步骤3.3：使用E(x,y)减去包络均值，得到：
步骤3.4：判断是否为IMF分量，定义IMF分量的判定特征指数SD为：
IMF分量的判定特征指数SD<0.25；
如果k＝1或者SD≥0.25，则不符合IMF分量的定义，需重复上述过程，此时令然后转步骤3.2；
否则，符合IMF的定义，转步骤3.5；
步骤3.5：计算图像分量V(x,y)的第i阶IMF分量，即：
步骤3.6：将imfi(x,y)从图像E(x,y)中分离，得到余项R(x,y)，即：
R(x,y)＝E(x,y)-imfi(x,y) (5)；
步骤3.7：如果i≤N,则将余项R(x,y)作为新信号，即令E(x,y)＝R(x,y)，重复步骤3.2至步骤3.7，直至i>N，然后转步骤3.8；
步骤3.8：将亮度分量V(x,y)进行分解，得到：
此时亮度分量V(x,y)分解得到5个IMF和一个余项R(x,y)，即6个频带；对分解得到的6个频带转步骤4处理：
步骤4：对分解得到的低频IMF分量和余项R(x,y)进行消噪滤波，去除照射分量，具体包括如下步骤：
步骤4.1：定义滤波器，如公式(7)所示：
式中，g(x,y)为滤波器输出结果，表示输出(x,y)位置的像素值g依赖于邻域内像素值f的加权组合，(k,l)表示像素(x,y)的邻域像素位置；权重系数w(x,y,k,l)等于空间域核d(x,y,k,l)和值域核r(x,y,k,l)的乘积，即：
w(x,y,k,l)＝d(x,y,k,l)·r(x,y,k,l) (8)；
其中，
则有：
式中，σd为空间域方差，σr为值域方差；
步骤4.2：利用公式(7)定义的滤波器分别对低频IMF分量imf4(x,y)、imf5(x,y)和余项R(x,y)进行滤波处理，消除噪声成分，滤波后的结果记为：imf4′(x,y),imf5′(x,y),R′(x,y)；
步骤5：对分解得到的高频IMF分量imf1(x,y),imf2(x,y),imf3(x,y)分别进行边缘、纹理细节信息自适应增强与降噪，具体包括如下步骤：
步骤5.1：分别对高频IMF分量imf1(x,y),imf2(x,y),imf3(x,y)进行小波分析；
步骤5.2：利用式(12)对小波系数进行自适应调节：
f(w)＝a[sigm(c(w-b))-sigm(-c(w+b))] (12)；
其中，
式(12)、(13)中，w为小波系数，f(w)为增强后的小波系数，b和c为控制增强幅度的参数；
步骤5.3：重构增强后的小波系数，得到边缘、纹理细节信息自适应增强后的高频子带imf1′(x,y),imf2′(x,y),imf3′(x,y)；
步骤6：重构经步骤4、5处理后的IMF分量，得到新的图像分量V′(x,y)；
按照式(14)重构经过步骤4、步骤5处理后的低、高频子带，得到去除照射分量和边缘细节信息增强的图像分量，记为V′(x,y)：
步骤7：对新的图像分量V′(x,y)进行对比度自适应增强处理，具体包括如下步骤：
步骤7.1：计算图像分量V′(x,y)的灰度统计直方图：
式中，sk为图像分量V′(x,y)的第k级灰度值，nk是灰度值sk的像素个数，n是像素总数，L是图像的灰度级总数；
步骤7.2：计算图像分量V′(x,y)的灰度累积概率密度p′(sk)：
步骤7.3：建立灰度值映射，即：
s′k＝μ×(L-1)×p′(sk),k＝0,1,2,...,L-1 (17)；
式中，μ为灰度映射系数；
步骤7.4：将图像分量V′(x,y)中的灰度值sk变换成s′k，得到对比度增强后的图像分量V″(x,y)；
步骤8：对分量H(x,y)，S(x,y)分别进行小波自适应阈值降噪处理，得到降噪后的分量H′(x,y)、S′(x,y)；
步骤9：将对比度增强后的图像分量V″(x,y)与降噪后的分量H′(x,y)、S′(x,y)重构，得到去噪与增强后的图像，即：
I′(x,y)＝H′(x,y)+S′(x,y)+V″(x,y) (18)；
将经过处理的图像I′(x,y)从HSV空间转换到RGB空间；
至此，完成了夜间人脸视频图像的增强处理。
2.根据权利要求1所述的夜间人脸视频图像增强与降噪方法，其特征在于：在步骤4.1中，取σd∈[3,5]，σr∈[0.05,0.15]。
3.根据权利要求1所述的夜间人脸视频图像增强与降噪方法，其特征在于：在步骤5.2中，取b＝0.4，c＝50。
4.根据权利要求1所述的夜间人脸视频图像增强与降噪方法，其特征在于：在步骤7.3中，取μ∈[0.85,0.95]。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811414421.3A CN109658350A (zh) | 2018-11-26 | 2018-11-26 | 一种夜间人脸视频图像增强与降噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811414421.3A CN109658350A (zh) | 2018-11-26 | 2018-11-26 | 一种夜间人脸视频图像增强与降噪方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109658350A true CN109658350A (zh) | 2019-04-19 |
Family
ID=66112214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811414421.3A Pending CN109658350A (zh) | 2018-11-26 | 2018-11-26 | 一种夜间人脸视频图像增强与降噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109658350A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796626A (zh) * | 2019-11-13 | 2020-02-14 | 中国电子科技集团公司信息科学研究院 | 图像锐化方法及装置 |
| CN111724326A (zh) * | 2020-06-28 | 2020-09-29 | 深圳市慧鲤科技有限公司 | 图像处理方法及装置、电子设备及存储介质 |
| CN112822343A (zh) * | 2021-01-05 | 2021-05-18 | 中国电子科技集团公司信息科学研究院 | 一种面向夜间视频的清晰化方法及存储介质 |
| CN114972074A (zh) * | 2022-04-27 | 2022-08-30 | 广东鉴面智能科技有限公司 | 一种基于微光环境夜视图像分析系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030081842A1 (en) * | 2001-10-31 | 2003-05-01 | Xerox Corporation | Enhancement of compressed image data |
| CN101527038A (zh) * | 2009-04-02 | 2009-09-09 | 四川虹微技术有限公司 | 一种改进的基于直方图的图像对比度增强方法 |
| CN103903232A (zh) * | 2014-04-10 | 2014-07-02 | 北京工业大学 | 在小波域利用进化规划进行图像去噪和增强的方法 |
-
2018
- 2018-11-26 CN CN201811414421.3A patent/CN109658350A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030081842A1 (en) * | 2001-10-31 | 2003-05-01 | Xerox Corporation | Enhancement of compressed image data |
| CN101527038A (zh) * | 2009-04-02 | 2009-09-09 | 四川虹微技术有限公司 | 一种改进的基于直方图的图像对比度增强方法 |
| CN103903232A (zh) * | 2014-04-10 | 2014-07-02 | 北京工业大学 | 在小波域利用进化规划进行图像去噪和增强的方法 |
Non-Patent Citations (3)
| Title |
|---|
| LIU FANG ETC.: ""Image denoising and enhancement with evolutionary programming in wavelet domain"", 《2013 SIXTH INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DESIGN》 * |
| 刘清: ""低照度图像增强算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 周欣: ""二维经验模式分解（BEMD）在图像处理中的应用"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796626A (zh) * | 2019-11-13 | 2020-02-14 | 中国电子科技集团公司信息科学研究院 | 图像锐化方法及装置 |
| CN111724326A (zh) * | 2020-06-28 | 2020-09-29 | 深圳市慧鲤科技有限公司 | 图像处理方法及装置、电子设备及存储介质 |
| CN111724326B (zh) * | 2020-06-28 | 2023-08-01 | 深圳市慧鲤科技有限公司 | 图像处理方法及装置、电子设备及存储介质 |
| CN112822343A (zh) * | 2021-01-05 | 2021-05-18 | 中国电子科技集团公司信息科学研究院 | 一种面向夜间视频的清晰化方法及存储介质 |
| CN112822343B (zh) * | 2021-01-05 | 2022-12-20 | 中国电子科技集团公司信息科学研究院 | 一种面向夜间视频的清晰化方法及存储介质 |
| CN114972074A (zh) * | 2022-04-27 | 2022-08-30 | 广东鉴面智能科技有限公司 | 一种基于微光环境夜视图像分析系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109658350A (zh) | 一种夜间人脸视频图像增强与降噪方法 | |
| CN103530853B (zh) | 红外光强图像和红外偏振图像增强融合方法 | |
| 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 | |
| CN110889812B (zh) | 一种多尺度融合图像特征信息的水下图像增强方法 | |
| CN103295204B (zh) | 一种基于非下采样轮廓波变换的图像自适应增强方法 | |
| CN110189286B (zh) | 一种基于ResNet的红外与可见光图像融合方法 | |
| CN104504664B (zh) | 基于人眼视觉特性的nsct域水下图像自动增强系统及其方法 | |
| CN106709504B (zh) | 细节保持的高保真色调映射方法 | |
| 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 | |
| CN108492268A (zh) | 基于小波系数融合的低照度图像增强算法 | |
| CN106067164B (zh) | 基于自适应小波域处理的彩色图像对比度增强算法 | |
| Premkumar et al. | An efficient approach for colour image enhancement using Discrete Shearlet Transform | |
| Zhang et al. | Colorful image enhancement algorithm based on guided filter and Retinex | |
| CN111815550A (zh) | 一种基于灰度共生矩阵的红外与可见光图像融合方法 | |
| CN109064413B (zh) | 图像对比度增强方法及采用其的图像采集医疗设备 | |
| Zhang et al. | A novel method of medical image enhancement based on wavelet decomposition | |
| CN110175959B (zh) | 一种台风云图增强方法 | |
| CN117011192A (zh) | 基于中性集合与双边滤波的nsct域声呐图像去噪方法及设备 | |
| Gao et al. | Image denoising based on edge detection and prethresholding Wiener filtering of multi-wavelets fusion | |
| CN110298807A (zh) | 基于改进Retinex及量子菌群算法的NSCT域红外图像增强方法 | |
| CN109859138A (zh) | 一种基于人眼视觉特性的红外图像增强方法 | |
| CN113487505A (zh) | 一种基于噪声识别的红外图像混合降噪方法 | |
| 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. | |
| CN111325690B (zh) | 一种基于差分进化算法的自适应水下图像增强方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190419 |