CN110969584A - 一种低照度图像增强方法 - Google Patents

一种低照度图像增强方法 Download PDF

Info

Publication number
CN110969584A
CN110969584A CN201910970891.6A CN201910970891A CN110969584A CN 110969584 A CN110969584 A CN 110969584A CN 201910970891 A CN201910970891 A CN 201910970891A CN 110969584 A CN110969584 A CN 110969584A
Authority
CN
China
Prior art keywords
image
component
filter
formula
enhancement
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.)
Granted
Application number
CN201910970891.6A
Other languages
English (en)
Other versions
CN110969584B (zh
Inventor
何涛
谢有庆
邱捷
张维
黎建健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN201910970891.6A priority Critical patent/CN110969584B/zh
Publication of CN110969584A publication Critical patent/CN110969584A/zh
Application granted granted Critical
Publication of CN110969584B publication Critical patent/CN110969584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/10Image enhancement or restoration using non-spatial domain filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20048Transform domain processing
    • G06T2207/20052Discrete cosine transform [DCT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20221Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种低照度图像增强方法,所述低照度图像增强方法采用图像融合的方法进行低照度图像增强,通过对图像的入射分量和反射分量进行分离,对入射分量进行灰度拉升线性增强,再将入射分量和反射分量做基于梯度策略的DCT域多聚焦融合,最后得到增强后的图像。

Description

一种低照度图像增强方法
技术领域
本发明涉及计算机视觉技术领域,特别是涉及低照度图像增强方法。
背景技术
在夜晚、黄昏等缺少光线、能见度低的条件下,图像采集设备所采集的图像不仅存在暗区而且图像的亮度和对比度都会严重降低,导致图像细节难以分辨甚至无法看到任何细节,从而对可视化工程管控中图像的识别判断及信息的提取造成一定影响。
因此希望有一种增强低照度图像的细节特征最终提高图像的整体质量的方法能够解决现有技术中存在的问题。
发明内容
本发明公开了低照度图像增强方法,所述低照度图像增强方法采用图像融合的方法进行低照度图像增强,通过对图像的入射分量和反射分量进行分离,对入射分量进行灰度拉升线性增强,再将入射分量和反射分量做基于梯度策略的DCT域多聚焦融合,最后得到增强后的图像。
优选地,所述对图像的入射分量和反射分量进行分离采用引导滤波器代替Retinex理论中的高斯滤波器,其中引导滤波器为公式(1)所示:
Figure BDA0002230819480000011
Figure BDA0002230819480000012
Figure BDA0002230819480000013
q(x,y)是输出图像,J(x,y)是引导图像,p(x,y)是输入要处理的图像,Mk是滤波半径为r的平方窗口,k(x,y)是滤波窗口的中心,ak和bk分别是当窗口中心位于像素k时的线性系数,uk是图像J(x,y)对应滤波窗口Mk中的平均值,σk是窗口Mk中的方差,|w|是窗口Mk中的总像素数,
Figure BDA0002230819480000021
是窗口Mk中图像p(x,y)的平均值,ε是一个正则化参数;
基于Retinex理论,用引导滤波器代替高斯滤波器提取图像的入射分量和反射分量,得到的入射分量和反射分量分别为公式(4)和公式(5)所示:
Ln(x,y)=qn(x,y)*J(x,y) (4)
Figure BDA0002230819480000022
其中,qn(x,y)为引导滤波器,J(x,y)为输入的低照度图像,Wn为权重因子。
优选地,采用色彩因子C对所述入射分量进行灰度拉升线性增强,以弥补由于图像局部区域对比度增强而导致的图像颜色失真缺陷,如公式(6)所示:
R(x,y)=Ci(x,y)Ri(x,y)i∈(r,g,b) (6)
色彩恢复因子C的表达式为公式(7)所示:
Figure BDA0002230819480000023
引入色彩恢复因子C对入射分量图像进行色彩恢复如公式(8)-(10)
所示:
Figure BDA0002230819480000024
Figure BDA0002230819480000025
Ri(x,y)=lg(Ci(x,y)+1)*lg(Ri(x,y)+1) (10)
其中I(x,y)为要进行色彩恢复的图像,LI(x,y)为反射分量,Ri(x,y)为入射分量;
对增强后的入射分量取反对数,如公式(11)所示:
RI(x,y)=exp(Ri(x,y)) (11)
在进行融合前对入射分量进行灰度拉升线性增强,具体拉伸增强模型的计算方法如公式(12)所示:
Figure BDA0002230819480000026
其中,F(x,y)为待进行灰度拉升的图像,MAX和MIN分别为取最大值和最小值函数,b为线性增强系数,q为引导滤波器输出。
优选地,所述入射分量和反射分量做基于梯度策略的DCT域多聚焦融合包括以下步骤:
步骤一:将待融合图像分割成8×8块;
步骤二:对步骤一分割的每一块图像分别进行二维离散余弦变换,计算每一块的灰度值平均梯度,将灰度值平均梯度的大小作为融合准则,取梯度大的像素块作为融合后图像对应图像块的像素值,图像平均梯度的计算如公式(13)所示:
Figure BDA0002230819480000031
其中,F(i,j)为图像的第i行,第j列的灰度值;M、N分别为图像的总行数和总列数,
步骤三:设p1(m,n)和p2(m,n)分别表示待融合图像,p(m,n)为融合后的图像,在融合的过程中选择灰度值平均梯度大的作为融合图像p(m,n)的DCT块,即公式(14)所示:
Figure BDA0002230819480000032
步骤四:为防止颜色失真,将融合后的DCT域图像进行IDCT变换并使用伽马校正函数对彩色图像的各通道进行处理,伽马校正公式为公式(15)所示:
S′=Sγ (15)
其中,S和S′分别为校正前和校正后的输出图像,γ是用于控制校正强度的拉伸系数,通常取0.5-1之间的值。
本发明提出了一种低照度图像增强方法,本发明在DCT域基于梯度策略进行低照度图像融合增强,通过本发明对含雾低照度图像和夜间低照度图像进行仿真实验,结果表明可以提高低照度图像的可视性和清晰度。
附图说明
图1为本发明梯度策略的DCT域图像融合过程流程图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将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更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明低照度图像增强方法采用图像融合的方法进行低照度图像增强,通过对图像的入射分量和反射分量进行分离,对入射分量进行灰度拉升线性增强,再将入射分量和反射分量做基于梯度策略的DCT域多聚焦融合,最后得到增强后的图像。
所述对图像的入射分量和反射分量进行分离采用引导滤波器代替Retinex理论中的高斯滤波器,其中引导滤波器为公式(1)所示:
Figure BDA0002230819480000041
Figure BDA0002230819480000042
Figure BDA0002230819480000043
q(x,y)是输出图像,J(x,y)是引导图像,p(x,y)是输入要处理的图像,Mk是滤波半径为r的平方窗口,k(x,y)是滤波窗口的中心,ak和bk分别是当窗口中心位于像素k时的线性系数,uk是图像J(x,y)对应滤波窗口Mk中的平均值,σk是窗口Mk中的方差,|w|是窗口Mk中的总像素数,
Figure BDA0002230819480000044
是窗口Mk中图像p(x,y)的平均值,ε是一个正则化参数;
基于Retinex理论,用引导滤波器代替高斯滤波器提取图像的入射分量和反射分量,得到的入射分量和反射分量分别为公式(4)和公式(5)所示:
Ln(x,y)=qn(x,y)*J(x,y) (4)
Figure BDA0002230819480000045
其中,qn(x,y)为引导滤波器,J(x,y)为输入的低照度图像,Wn为权重因子。
采用色彩因子C对所述入射分量进行灰度拉升线性增强,以弥补由于图像局部区域对比度增强而导致的图像颜色失真缺陷,如公式(6)所示:
R(x,y)=Ci(x,y)Ri(x,y)i∈(r,g,b) (6)
色彩恢复因子C的表达式为公式(7)所示:
Figure BDA0002230819480000051
引入色彩恢复因子C对入射分量图像进行色彩恢复如公式(8)-(10)所示:
Figure BDA0002230819480000052
Figure BDA0002230819480000053
Ri(x,y)=lg(Ci(x,y)+1)*lg(Ri(x,y)+1)(10)
其中I(x,y)为要进行色彩恢复的图像,LI(x,y)为反射分量,Ri(x,y)为入射分量;
对增强后的入射分量取反对数,如公式(11)所示:
RI(x,y)=exp(Ri(x,y)) (11)
对所述入射分量和反射分量进行DCT域梯度多聚焦融合,由于权重因子的取值Wn大于色彩恢复因子C,增强的入射分量图像亮度较高,亮度大会导致图像的饱和度和对比度降低,因此在进行融合前对入射分量进行灰度拉升线性增强,具体拉伸增强模型通过实验得出,其计算方法如公式(12)所示:
Figure BDA0002230819480000054
其中,F(x,y)为待进行灰度拉升的图像,MAX和MIN分别为取最大值和最小值函数,b为线性增强系数,q为引导滤波器输出
如图1所示,所述入射分量和反射分量做基于梯度策略的DCT域多聚焦融合包括以下步骤:
步骤一:将待融合图像分割成8×8块;
步骤二:对步骤一分割的每一块图像进行二维离散余弦变换,计算每一块的灰度值平均梯度,将灰度值平均梯度的大小作为融合准则,取梯度大的像素块作为融合后图像对应图像块的像素值,图像平均梯度的计算如公式(13)所示:
Figure BDA0002230819480000061
其中,F(i,j)为图像的第i行,第j列的灰度值;M、N分别为图像的总行数和总列数,
步骤三:设p1(m,n)和p2(m,n)分别表示待融合图像,p(m,n)为融合后的图像,在融合的过程中选择灰度值平均梯度大的作为融合图像p(m,n)的DCT块,即公式(14)所示:
Figure BDA0002230819480000062
在实际对图像块的平均梯度大小进行比较时,可以把梯度中的开根号运算简化为计算绝对值运算,这样可以降低运算量。为进一步减少图像融合过程中噪声的影响发生误判,从而导致融合图像的DCT块产生效应,所以需要对融合后的图像进行一致性判别。一致性判别准则为对于A和B两幅图像,若A某一像素点周围的像素均来自图像B,而该像素点来自于图像A,则将该点像素重新取值为与图像B周围像素点来源相同的像素值。
步骤四:图像融合过程中会因为增加噪声而造成对图像中的局部区域色彩失真,使得物体的真正颜色效果不能很好地显现出来,从而影响了整体视觉效果,所以将融合后的DCT域图像进行IDCT变换并使用伽马校正函数对彩色图像的各通道进行处理,防止颜色失真且使彩色图像更清晰,伽马校正公式为公式(15)所示:
S′=Sγ (15)
其中,S和S′分别为校正前和校正后的输出图像,γ是用于控制校正强度的拉伸系数,通常取0.5-1之间的值。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种低照度图像增强方法,其特征在于,所述低照度图像增强方法采用图像融合的方法进行低照度图像增强,通过对图像的入射分量和反射分量进行分离,对入射分量进行灰度拉升线性增强,再将入射分量和反射分量做基于梯度策略的DCT域多聚焦融合,最后得到增强后的图像。
2.根据权利要求1所述的低照度图像增强方法,其特征在于:所述对图像的入射分量和反射分量进行分离采用引导滤波器代替Retinex理论中的高斯滤波器,其中引导滤波器为公式(1)所示:
Figure FDA0002230819470000011
Figure FDA0002230819470000012
Figure FDA0002230819470000013
q(x,y)是输出图像,J(x,y)是引导图像,p(x,y)是输入要处理的图像,Mk是滤波半径为r的平方窗口,k(x,y)是滤波窗口的中心,ak和bk分别是当窗口中心位于像素k时的线性系数,uk是图像J(x,y)对应滤波窗口Mk中的平均值,σk是窗口Mk中的方差,|w|是窗口Mk中的总像素数,
Figure FDA0002230819470000014
是窗口Mk中图像p(x,y)的平均值,ε是一个正则化参数;
基于Retinex理论,用引导滤波器代替高斯滤波器提取图像的入射分量和反射分量,得到的入射分量和反射分量分别为公式(4)和公式(5)所示:
Ln(x,y)=qn(x,y)*J(x,y) (4)
Figure FDA0002230819470000015
其中,qn(x,y)为引导滤波器,J(x,y)为输入的低照度图像,Wn为权重因子。
3.根据权利要求2所述的低照度图像增强方法,其特征在于:采用色彩因子C对所述入射分量进行灰度拉升线性增强,以弥补由于图像局部区域对比度增强而导致的图像颜色失真缺陷,如公式(6)所示:
R(x,y)=Ci(x,y)Ri(x,y)i∈(r,g,b) (6)
色彩恢复因子C的表达式为公式(7)所示:
Figure FDA0002230819470000021
引入色彩恢复因子C对入射分量图像进行色彩恢复如公式(8)-(10)所示:
Figure FDA0002230819470000022
Figure FDA0002230819470000023
Ri(x,y)=lg(Ci(x,y)+1)*lg(Ri(x,y)+1) (10)
其中I(x,y)为要进行色彩恢复的图像,LI(x,y)为反射分量,Ri(x,y)为入射分量;
对增强后的入射分量取反对数,如公式(11)所示:
RI(x,y)=exp(Ri(x,y)) (11)
在进行融合前对入射分量进行灰度拉升线性增强,具体拉伸增强模型的计算方法如公式(12)所示:
Figure FDA0002230819470000024
其中,F(x,y)为待进行灰度拉升的图像,MAX和MIN分别为取最大值和最小值函数,b为线性增强系数,q为引导滤波器输出。
4.根据权利要求3所述的低照度图像增强方法,其特征在于:所述入射分量和反射分量做基于梯度策略的DCT域多聚焦融合包括以下步骤:
步骤一:将待融合图像分割成8×8块;
步骤二:对步骤一分割的每一块图像分别进行二维离散余弦变换,计算每一块的灰度值平均梯度,将灰度值平均梯度的大小作为融合准则,取梯度大的像素块作为融合后图像对应图像块的像素值,图像平均梯度的计算如公式(13)所示:
Figure FDA0002230819470000031
其中,F(i,j)为图像的第i行,第j列的灰度值;M、N分别为图像的总行数和总列数;
步骤三:设p1(m,n)和p2(m,n)分别表示待融合图像,p(m,n)为融合后的图像,在融合的过程中选择灰度值平均梯度大的作为融合图像p(m,n)的DCT块,即公式(14)所示:
Figure FDA0002230819470000032
步骤四:为防止颜色失真,将融合后的DCT域图像进行IDCT变换并使用伽马校正函数对彩色图像的各通道进行处理,伽马校正公式为公式(15)所示:
S′=Sγ (15)
其中,S和S′分别为校正前和校正后的输出图像,γ是用于控制校正强度的拉伸系数,通常取0.5-1之间的值。
CN201910970891.6A 2019-10-12 2019-10-12 一种低照度图像增强方法 Active CN110969584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910970891.6A CN110969584B (zh) 2019-10-12 2019-10-12 一种低照度图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910970891.6A CN110969584B (zh) 2019-10-12 2019-10-12 一种低照度图像增强方法

Publications (2)

Publication Number Publication Date
CN110969584A true CN110969584A (zh) 2020-04-07
CN110969584B CN110969584B (zh) 2023-09-19

Family

ID=70029774

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910970891.6A Active CN110969584B (zh) 2019-10-12 2019-10-12 一种低照度图像增强方法

Country Status (1)

Country Link
CN (1) CN110969584B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215767A (zh) * 2020-09-28 2021-01-12 电子科技大学 一种抗块效应的图像视频增强方法
CN113554572A (zh) * 2021-08-13 2021-10-26 中国矿业大学 一种基于改进Retinex的图像增强方法和系统
WO2021254229A1 (zh) * 2020-06-18 2021-12-23 中兴通讯股份有限公司 低照度视频处理方法、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574293A (zh) * 2014-11-28 2015-04-29 中国科学院长春光学精密机械与物理研究所 基于有界运算的多尺度Retinex图像清晰化算法
CN108596849A (zh) * 2018-04-23 2018-09-28 南京邮电大学 一种基于天空区域分割的单幅图像去雾方法
CN110175964A (zh) * 2019-05-30 2019-08-27 大连海事大学 一种基于拉普拉斯金字塔的Retinex图像增强方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574293A (zh) * 2014-11-28 2015-04-29 中国科学院长春光学精密机械与物理研究所 基于有界运算的多尺度Retinex图像清晰化算法
CN108596849A (zh) * 2018-04-23 2018-09-28 南京邮电大学 一种基于天空区域分割的单幅图像去雾方法
CN110175964A (zh) * 2019-05-30 2019-08-27 大连海事大学 一种基于拉普拉斯金字塔的Retinex图像增强方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021254229A1 (zh) * 2020-06-18 2021-12-23 中兴通讯股份有限公司 低照度视频处理方法、设备和存储介质
CN112215767A (zh) * 2020-09-28 2021-01-12 电子科技大学 一种抗块效应的图像视频增强方法
CN113554572A (zh) * 2021-08-13 2021-10-26 中国矿业大学 一种基于改进Retinex的图像增强方法和系统
CN113554572B (zh) * 2021-08-13 2024-03-26 中国矿业大学 一种基于改进Retinex的图像增强方法和系统

Also Published As

Publication number Publication date
CN110969584B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
Shi et al. Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement
CN111292258B (zh) 一种基于暗通道和亮通道先验的图像去雾方法
Wang et al. A fast single-image dehazing method based on a physical model and gray projection
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
Zhang et al. Underwater image enhancement via weighted wavelet visual perception fusion
Zhang et al. A naturalness preserved fast dehazing algorithm using HSV color space
CN109087254B (zh) 无人机航拍图像雾霾天空和白色区域自适应处理方法
CN110969584A (zh) 一种低照度图像增强方法
CN104253930A (zh) 一种实时视频去雾方法
KR102355329B1 (ko) 영상 처리 장치, 영상 처리 방법, 및 영상 처리 프로그램
CN104618700A (zh) 一种彩色高动态范围图像增强显示的方法
CN112116536A (zh) 一种低光照图像增强方法及系统
Kim et al. Single image haze removal using hazy particle maps
CN116188339A (zh) 一种基于Retinex及图像融合的暗视觉图像增强方法
CN110298796B (zh) 基于改进Retinex与对数图像处理的低照度图像增强方法
CN115587945A (zh) 高动态红外图像细节增强方法、系统及计算机存储介质
Wei et al. An image fusion dehazing algorithm based on dark channel prior and retinex
CN114155173A (zh) 一种图像去雾方法、设备及非易失性存储介质
CN112308793A (zh) 一种新型的非均匀光照图像对比度和细节增强方法
CN109859138A (zh) 一种基于人眼视觉特性的红外图像增强方法
CN111260589B (zh) 基于Retinex的输电线路监控图像去雾方法
Tang et al. Sky-preserved image dehazing and enhancement for outdoor scenes
de Dravo et al. An adaptive combination of dark and bright channel priors for single image dehazing
Asadi et al. Improving dark channel prior for single image dehazing
Tang et al. Single image dehazing algorithm based on sky segmentation

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
GR01 Patent grant
GR01 Patent grant