CN110148188A - 一种基于最大差值图像估计低照度图像光照分布的新方法 - Google Patents

Abstract

本发明公开了一种基于最大差值图像估计低照度图像光照分布的新方法，包括以下步骤，首先根据原始低照度图像J，通过计算最大差值图获得初始光照分量，然后利用交替引导滤波进行校正，得到准确的光照分量；本方法提出了最大差值图像的概念，并通过交替引导滤波的方法对最大差值图进行校正，最大差值图中存在部分区域不符合光照原始图像光照分布特征，并且包含细节信息，因此，本方法用交替引导滤波对其进行校正，交替引导滤波后的图像在保持边缘的同时，细节部分得到了平滑，同时强光源部分也得到了修正，完全符合原始图像的光照分布特征。

Description

一种基于最大差值图像估计低照度图像光照分布的新方法

技术领域

本发明涉及图像图形处理技术领域，具体是一种基于最大差值图像估计低照度图像光照分布的新方法。

背景技术

视频监控图像设备广泛应用于公共安全、交通管理以及工业生产等许多领域，清晰的高质量图像可以为案件侦破、智能交通、安全生产提供强有力的帮助。而在实际获取图像过程中，往往会受到多种因素的干扰，尤其是在夜间低照度条件下。由于夜间微弱的环境照明、不均匀的曝光等原因，导致此时捕获到的图像往往整体灰度级水平较低，且场景的光照不均匀，表现为当图像中亮的区域光线过强或暗的区域光照不足时，图像中的重要细节会被掩盖，为后续基于图像的应用带来困难；因此，对低照度图像增强的研究具有重要意义；目前，针对低照度图像增强已有很多研究成果，如：直方图均衡的方法、基于Retinex理论的方法、基于暗通道先验的方法、伽马校正的方法等，传统的直方图均衡法对整体亮度一致的图像具有较好的增强效果，但对于照度不均的图像而言，直方图均衡法会出现过饱和问题。为解决这一问题，一些带有阈值限制、对比度限制的方法被陆续提出，但这类方法往往很难确定准确的阈值。

目前，现有低照度图像增强方法中存在的主要问题是，增强后的结果存在过饱和或者色彩失真，这是因为未充分考虑低照度图像照度不均的问题，因此，只有通过估计原始图像的光照分量，对于光照较强的区域适当降低亮度，对于光照较弱的区域适当增强亮度，便可将被掩盖的细节重现，同时保证色彩不失真。因此，本领域技术人员提供了一种基于最大差值图像估计低照度图像光照分布的新方法，以解决上述背景技术中提出的问题。

发明内容

本发明的目的在于提供一种基于最大差值图像估计低照度图像光照分布的新方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于最大差值图像估计低照度图像光照分布的新方法，该方法包括以下步骤：

1)获取原始低照度图像J；

2)假设一幅低照度图像为J(x,y)，计算获取最大差值图DEC，作为初始光照分量；

3)通过交替引导滤波进行校正，得到准确光照分量。

作为本发明进一步的方案：所述步骤1)中，通过相机、摄像机、硬盘拷贝或者网络数据传输等方式获取原始图像J。

作为本发明再进一步的方案：所述步骤2)中，获得R、G、B三通道图像J_r(x,y)、J_g(x,y)、J_b(x,y)，由公式(1)，计算每个像素J(x,y)对应三通道间的最大差值D(x,y)；

D(x,y)＝max(|J_r(x,y)-J_g(x,y)|,|J_g(x,y)-J_b(x,y)|,|J_b(x,y)-J_r(x,y)|) (1)

求取三通道最大差值的方法具有一定的保边平滑功能，所得结果与原图像的光照分布具有高度的一致性，作为初始光照分量。

作为本发明再进一步的方案：所述步骤3)中，通过交替引导滤波对计算最大差值图得到的初始光照分量进行校正，交替引导滤波的具体步骤如下：

步骤a，将最大差值图DEC同时作为引导图和输入图进行引导滤波，得到结果DEC2作为初始迭代G₀；

步骤b，确定交替迭代次数n；

步骤c，将前次迭代结果G_n-1作为输入图像，原始图像J作为引导图进行引导滤波；

步骤d，将步骤c结果作为引导图，原始图像J作为输入图像进行引导滤波；

步骤e，根据迭代次数n，重复步骤c和步骤d，最终得到的结果G_N即为校正后的光照分量；

交替引导滤波后的图像在保持边缘的同时，细节部分得到了平滑，同时强光源部分也得到了修正，完全符合原始图像的光照分布特征。

与现有技术相比，本发明的有益效果是：

本发明提出了一种基于最大差值图像估计低照度图像光照分布的新方法，第一，本发明提出了最大差值图像的概念，将最大差值图作为初始光照分量；第二，本发明通过交替引导滤波，对初始光照分量进行校正，获取图像的准确光照分量，交替引导滤波后的图像在保持边缘的同时，细节部分得到了平滑，同时强光源部分也得到了修正，完全符合原始图像的光照分布特征，是十分准确的光照分量。

附图说明

图1为一种基于最大差值图像估计低照度图像光照分布的新方法的流程图。

具体实施方式

下面结合具体实施方式对本发明的技术方案作进一步详细地说明。

实施例1：一种基于最大差值图像估计低照度图像光照分布的新方法，该方法包括以下步骤：

1)获取原始低照度图像J；

2)假设一幅低照度图像为J(x,y)，计算获取最大差值图DEC，作为初始光照分量；

3)通过交替引导滤波进行校正，得到准确光照分量。

所述步骤1)中，通过相机、摄像机、硬盘拷贝或者网络数据传输等方式获取原始图像J。

所述步骤2)中，获得R、G、B三通道图像J_r(x,y)、J_g(x,y)、J_b(x,y)，由公式(1)，计算每个像素J(x,y)对应三通道间的最大差值D(x,y)；

D(x,y)＝max(|J_r(x,y)-J_g(x,y)|,|J_g(x,y)-J_b(x,y)|,|J_b(x,y)-J_r(x,y)|) (1)

求取三通道最大差值的方法具有一定的保边平滑功能，所得结果与原图像的光照分布具有高度的一致性，作为初始光照分量。

所述步骤3)中，交替引导滤波的具体步骤如下：

步骤a，将最大差值图DEC同时作为引导图和输入图进行引导滤波，得到结果DEC2作为初始迭代G₀；

步骤b，确定交替迭代次数n；

步骤c，将前次迭代结果G_n-1作为输入图像，原始图像J作为引导图进行引导滤波；

步骤d，将步骤c结果作为引导图，原始图像J作为输入图像进行引导滤波；

步骤e，根据迭代次数n，重复步骤c和步骤d，最终得到的结果G_N即为校正后的光照分量；

交替引导滤波后的图像在保持边缘的同时，细节部分得到了平滑，同时强光源部分也得到了修正，完全符合原始图像的光照分布特征。

本发明的工作原理是：

本发明提出了一种基于最大差值图像估计低照度图像光照分布的新方法，对低照度图像提出估计光照分量新方法，通过RGB三通道间的最大差值图获得初步光照分量，利用交替引导滤波进行校正，估计出图像的光照分量，通过求取三通道最大差值的方法具有一定的保边平滑功能，所得结果与原图像的光照分布具有高度的一致性，但最大差值图中仍然包含一定数量的图像细节，且部分区域不符合原始图像的光照分布特征，由此本方法通过采用了交替引导滤波的方法对最大差值图进行校正，交替引导滤波后的图像在保持边缘的同时，细节部分得到了平滑，同时强光源部分也得到了修正，完全符合原始图像的光照分布特征。

上面对本发明的较佳实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (4)

1.一种基于最大差值图像估计低照度图像光照分布的新方法，其特征在于，包括以下步骤：

1)获取原始低照度图像J；

2)假设一幅低照度图像为J(x,y)，计算获取最大差值图DEC，作为初始光照分量；

3)通过交替引导滤波进行校正，得到准确光照分量。

2.根据权利要求1所述的一种基于最大差值图像估计低照度图像光照分布的新方法，其特征在于，所述步骤1)中，通过相机、摄像机、硬盘拷贝或者网络数据传输等方式获取原始图像J。

3.根据权利要求1所述的一种基于最大差值图像估计低照度图像光照分布的新方法，其特征在于，所述步骤2)中，获得R、G、B三通道图像J_r(x,y)、J_g(x,y)、J_b(x,y)，由公式(1)，计算每个像素J(x,y)对应三通道间的最大差值D(x,y)

D(x,y)＝max(|J_r(x,y)-J_g(x,y)|,|J_g(x,y)-J_b(x,y)|,|J_b(x,y)-J_r(x,y)|) (1)

求取三通道最大差值的方法具有一定的保边平滑功能，所得结果与原图像的光照分布具有高度的一致性，作为初始光照分量。

4.根据权利要求1所述的一种基于最大差值图像估计低照度图像光照分布的新方法，其特征在于，所述步骤3)中，通过交替引导滤波对计算最大差值图得到的初始光照分量进行校正，交替引导滤波的具体步骤如下：

步骤a，将最大差值图DEC同时作为引导图和输入图进行引导滤波，得到结果DEC2作为初始迭代G₀；

步骤b，确定交替迭代次数n；

步骤c，将前次迭代结果G_n-1作为输入图像，原始图像J作为引导图进行引导滤波；

步骤d，将步骤c结果作为引导图，原始图像J作为输入图像进行引导滤波；

步骤e，根据迭代次数n，重复步骤c和步骤d，最终得到的结果G_N即为校正后的光照分量；

交替引导滤波后的图像在保持边缘的同时，细节部分得到了平滑，同时强光源部分也得到了修正，完全符合原始图像的光照分布特征。