CN111179183B - 一种核级环境下非均匀照明环境下的图像增强方法 - Google Patents
一种核级环境下非均匀照明环境下的图像增强方法 Download PDFInfo
- Publication number
- CN111179183B CN111179183B CN201911204299.1A CN201911204299A CN111179183B CN 111179183 B CN111179183 B CN 111179183B CN 201911204299 A CN201911204299 A CN 201911204299A CN 111179183 B CN111179183 B CN 111179183B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- uniform illumination
- data
- value
- 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.)
- Active
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000009499 grossing Methods 0.000 claims abstract description 9
- 239000000654 additive Substances 0.000 claims abstract description 7
- 230000000996 additive effect Effects 0.000 claims abstract description 7
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 239000013589 supplement Substances 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000003139 buffering effect Effects 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G06T5/70—
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Abstract
本发明涉及一种核级环境下非均匀照明环境下的图像增强方法，通过下述方式实现：(1)对获取非均匀照明环境下的图像进行对数运算，建立具有加性特征的光照分量和物体反射光分量相融合的数据表达形式；(2)构建高斯滤波模板，用于计算图像中像素点与周围区域中像素的加权平均值；(3)在频域，用高斯滤波模板对获取的非均匀照明环境下的图像作卷积运算，得到低通滤波后的图像；(4)对低通滤波图像进行取对数运算，计算得到低通滤波图像在数域的表达；(5)在对数域中，使用非均匀照明环境下的图像的像素值减去低通滤波图像的像素值，得到高频增强的图像：(6)对高频增强图像取反对数，得到增强后的图像I_target，并对图像进行增强处理；(7)对增强后图像进行平滑处理。
Description
技术领域
本发明涉及一种核级视频监控摄像机成像优化方法，特别是一种核级环境下非均匀照明环境下的图像增强方法。
背景技术
伴随着核能事业的发展，核安全与核应急同步得到加强。中国的核设施、核活动始终保持安全稳定状态。然而，随着三哩岛核事故、切尔诺贝利核事故、福岛核事故的相继发生，我大量核电站投产运营，对我国的核安全保障水平提出了更加严峻的挑战。
高剂量辐射环境下的视频监控主要用于两方面。一方面，对建设、运输、运行、存储等过程中的核设备、核设施、核废料等装备、场所的各类放射性物质、现场实际环境等信息进行采集、传输和分析决策，提前识别核安全事故。另一方面，对核岛内发生安全事故后，实时获取相关的辐射数据，以便为核事故后果评估、防护行动决策提供技术依据。
核岛内的光照主要由具有一定耐辐射能力的补光灯进行照明，采用固定机位，且数量有限，因此，核岛内整个环境较为昏暗。基于长期运营的经验，在反应堆运行期间，由于辐射原因，补光照明灯会不定时出现永久性故障导致无法正常照明。由于此时核堆处于运行期间，维修人员无法进入核岛内进行维修和处理，故障照明系统将无法正常补光，将造成核岛内昏暗条件下，出现了非均匀照明的情况，且非均匀性照明的出现的位置也具有随机性。
传统的核级摄像机系统在设计上，只是通过自带补光灯的技术手段进行补光，虽然通过自带补光灯对暗处进行了补光，因周围照明的不确定性，但该方案一定程度会引入新的光照不均匀情况，进而会影响系统成像质量。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提出了一种核级环境下非均匀照明环境下的图像增强方法。
本发明解决技术的方案是：一种核级环境下非均匀照明环境下的图像增强方法，通过下述方式实现：
(1)对获取非均匀照明环境下的图像进行对数运算，建立具有加性特征的光照分量和物体反射光分量相融合的数据表达形式；
(2)构建高斯滤波模板，用于计算图像中像素点与周围区域中像素的加权平均值；
(3)在频域，用高斯滤波模板对获取的非均匀照明环境下的图像作卷积运算，得到低通滤波后的图像；
(4)对低通滤波图像进行取对数运算，计算得到低通滤波图像在数域的表达；
(5)在对数域中，使用非均匀照明环境下的图像的像素值减去低通滤波图像的像素值，得到高频增强的图像：
(6)对高频增强图像取反对数，得到增强后的图像I_target，并对图像进行增强处理；
(7)对增强后图像进行平滑处理。
优选的，所述步骤(1)中的对数运算为采用数据域空间变化的方法，将原始的图像和光照的乘性噪声特征，转换为加性噪声特征.
优选的，通过下述方式构建高斯滤波模板:
(2.1)初始化均值k以及方差σ,构建高斯滤波模板；
(2.2)按照步骤(3)-(7)处理得到平滑处理后的图像；
(2.3)分析平滑处理后图像的信噪比,判断信噪比是否满足要求,若满足,则执行步骤(2.4)；否则,调整高斯滤波模板中的均值k,返回步骤(2.2),直至信噪比满足要求,执行步骤(2.4)；
(2.4)分析当前最新的平滑处理后图像像素点的灰度值,若各级灰度值之差均大于预设的阈值,则根据当前的均值k以及方差σ,构建高斯滤波模板；否则,执行步骤(2.5)；
(2.5)调整高斯滤波模板中的方差σ,并按照步骤(3)-(7)处理得到平滑处理后的图像,返回步骤(2.4),直至灰度值满足要求.
优选的，所述的预设的阈值至少为32。
优选的，所述高斯滤波模板卷积元算中使用的高斯核为5*5高斯核.
优选的，缓存一帧非均匀照明环境下的图像,即原始图像；
在缓存图像的基础上，进行行、列数据的边缘扩充；
遍历边缘扩充后图像的每个像素点,利用高斯核进行卷积运算,得到光照估计图像即低通滤波图像；
所述的边缘扩充方法为：
(a)行扩充：在0行之前，使用0行数据，补充2行，相对原始图像数据而言，第-2行、-1行使用第0行数据进行补充，在原始图像最后一行之后，增加2行，相对原始图像数据而言，利用原始数据最后以行数据内容进行补充；
(b)列扩充：在0列之前，扩充2列，相对原始图像数据而言，第-2列、第-1列使用第0列数据进行补充，在原始图像最后一列之后，增加2列，相对原始图像数据而言，利用原始图像最后一行数据进行补充。
优选的，所述步骤(6)中采用双缓冲实现的全局直方图均衡化算法进行增加处理。
优选的，按实时采集的奇偶帧图像分别进行缓存,按照先奇数帧后偶数帧的方式交替处理,在奇数帧处理过程中,从上一时刻偶数帧直方图均衡化处理后得到的像素值进行像素映射,其中第一帧奇数帧处理输出无效。
优选的，所述的全局直方图均衡化算法具体步骤如下:
(6.1)从内存中获取增强后的图像I_target，图像为均匀光照环境下的估计图像；
(6.2)建立像素数值空间的统计数组；
(6.3)遍历I_target图像，统计像素点值<10的像素点数量，如果数量<5,则认为<10的像素点为暗点噪声点，进行标记；
(6.4)遍历I_target图像，统计像素点值＝灰度值极值的像素点数量，如果数量<5,则认为＝灰度值极值的像素点为亮点噪声点，进行标记；
(6.5)使用行前向填充法，即使用故障点的前1点像素值替换被标记的暗点、亮点值，以进行图像补充修正，原始图像I_target_b；
(6.6)遍历补充后的图像数组I_target_b，根据各点的像素值，更新统计数组，具体方法为：当当前取得像素点的像素值与统计数组下标相同时，数组下标对应的数组值进行+1操作；
(6.7)对统计后数组进行归一化操作，通过计算，获得统计后新的映射数组；
(6.8)遍历I_target_b，图像的每个像素点均进行直方图映射，最终得到新的增强后图像I_enhance.
优选的，步骤(7)中采用3*3均值滤波方法进行平滑处理。
本发明与现有技术相比的有益效果是：
本发明可作为国产核级监控摄像机的一项关键技术，使得监控摄像机在外部补光灯出现故障异常导致光照不均匀环境，以及在核堆内无法进行人为干预的情况下，通过摄像机的自适应处理方法，实现摄像机视频图像的自适应增强，达到恶劣情况下继续用于监控和延长使用寿命的目的。
本发明对摄像机采集后的图像，通过软件处理的技术手段，对采集到的非均匀光照图像进行处理，剥离出非均匀光照的影响，实现高质量成像，满足核级摄像机在非人为干预下的自适应优质成像。
本发明提出的一种核级环境下非均匀照明环境下的图像增强方法，是为了应用在基于国产抗辐射器件的全国产高耐辐射摄像机上。目前，国内抗辐射摄像机主要采用商业器件，进行壳体加固方式实现，其图像增强是采用高性能处理器+移植图像处理库的方式实现，虽然其图像效果较好，但其耐辐射性能无法达到核岛红区的使用要求，故障率极高。而本发明提出的方法的应用平台是基于国产抗辐射器件的全国产高耐辐射摄像机，该摄像机的硬件平台为了满足高剂量辐射环境下使用要求，不具备高性能处理器，更无法移植图像处理库。因此，传统的图像增强方法无法满足全国产高耐辐射摄像机要求。
本发明提出的一种核级环境下非均匀照明环境下的图像增强方法，使摄像机具备了一定的自适应能力，解决了在核岛红区照明补光灯故障期间，增强监控图像效果的目的。核岛红区主要装备的摄像机主要为国外进口产品，采用电子管传感器，虽然对辐射不敏感，但该设备图像成像质量在自适应方面较差，特别是非均匀照明下的图像效果。而核岛红区由于长期处于辐射环境，照明灯经常会出现故障，出现非均匀照明情况，由于人员只有在大修期间(周期1年-1.5年)。故障期间，给监控带来了困难。本发明与国外设备相比从根本上解决了以上问题。
本发明提出的一种核级环境下非均匀照明环境下的图像增强方法，相比于传统的单纯空间域或图像处理方法，通过进行对数处理，实现了光照与实际成像的加性映射，进而通过高斯模糊处理预估出非均匀光照环境的光照图层，通过后续的处理，消除了非均匀光照图层的影响。相比传统的滤波处理，实现了物体反射成像和光照图层的分离，与被拍摄物体的特性无关，更具有通用性。
本发明提出的一种核级环境下非均匀照明环境下的图像增强方法，相比于目前流行人工智能算法，其运算量较小，仅有对数运算、FFT运算、图像卷积运算，对处理的时间复杂度和空间复杂度要求较少，普通的嵌入式处理器(主频<500MHz)+FPGA(300万门)即可实现，而不需要超强的计算能力(>2GHz)和标准软件库。可在核级摄像机上进行实现。
附图说明
图1为本发明滤波及全局直方图均衡化处理流程图。
具体实施方式
下面结合实施例对本发明作进一步阐述。
1、获取非均匀照明环境下的图像，对获取图像进行数变换的计算，将原始有效图像和光照噪声的乘性特征转换为加性噪声特征。
具体的运算方法按如式(1)所示的公式进行计算，其中，I表示获取图像，I_source表示原始有效图像，I_noise表示光照噪声，Pix表示原始图像I在对数域表示，即原始对数图像Pix。
I＝I_source*I_noise；
Pix＝log(I_source*I_noise)＝log(I_source)+log(I_noise)； 式(1)
执行流程：
(1)遍历初始化Pix，使其每个像素点的值为0；
(2)从第1行第1列开始，遍历第1行所有列，即1-720列，对原始图像I进行对数运算，并存储到Pix对应的存储位置中。
(3)参照(2)的执行方式,遍历原始图像I的所有行，即1-625行，并存储到Pix对应的存储位置中。
2、对原始图像I进行快速傅里叶变换FFT运算，实现从空间域到频域的转换，得到频域图像。
执行流程：
(1)遍历初始化Pix，使其每个像素点的值为0；
(2)从第1行第1列开始，遍历第1行所有列，即1-720列，对原始图像I进行快速傅立叶变换FFT运算，并存储到Pix对应的存储位置中。
(3)参照(2)的执行方式,遍历原始图像I的所有行，即1-625行，并存储到Pix对应的存储位置中。
3、设计5X5高斯核，应用高斯模板对扩行列扩充后的扩充图像I_K进行卷积运算，得到低通滤波后的图像，用以对图像中光照分量成像进行估计。
(1)缓存1帧720*576的原始图像I
由于传感器的分辨精度为12位，即每个像素点由12bit的灰度值表示，因此，在内存中，需要分配如下大小空间，来进行1帧原始图像的缓存，其大小为：623KB；
由于在实际存储过程中，需要将12bit数据拓展为16bit数据，以便进行存储，因此，在本发明中，实际分配空间为830KB；
(2)对原始图像I进行列、行扩充.
根据5*5高斯核进行卷积运算的需求，在原始图像I的基础上，进行行、列数据的边缘扩充。扩充方法为：
(a)行扩充：在0行之前，使用0行数据，补充2行，相对原始图像数据而言，第-2行、-1行使用第0行数据进行补充，在625行之后，增加2行，相对原始图像数据而言，第626行、627行使用第625行数据进行补充；
(b)列扩充：在0列之前，扩充2列，相对原始图像数据而言，第-2列、第-1列使用第0列数据进行补充，在720列之后，增加2列，相对原始图像数据而言，第721行、722列使用第720列数据进行补充；
对扩充后的数据进行重新映射，形成724*580分辨率的扩充图像I_k，分配相应的存储空间进行缓存，在内存中分别空间大小为630KB；
由于在实际存储过程中，需要将12bit数据拓展为16bit数据，以便进行存储，因此，在本发明中，实际分配空间为840KB；
(3)通过仿真，确定5X 5高斯核的数值,使用高斯核对扩充图像I_k进行卷积运算，直至整个图像遍历完成；
根据图像正态分布的特性，确定权重，正态分布是一种钟形曲线，越接近中心，取值越大，越远离中心，取值越小。将5*5中心点确定为原点，即高斯核中(2,2)点，其他点按照其在正态曲线上的位置，分配权重，就可以得到一个加权平均值。
因此，按5*5的模板,根据如式(2)所示公式，其中，i，j本别表示扩充图像I_k的行、列坐标值，π为常数，e为常数，k表示均值，σ表示方差。
根据公式及仿真情况，在本发明中,采用k＝2,σ＝0.75。计算获得如表1所示的5*5高斯核。
表1 5*5高斯核GS_core
| 0.529 | 0.6717 | 0.7273 | 0.6717 | 0.529 |
| 0.6717 | 0.8528 | 0.9235 | 0.8528 | 0.6717 |
| 0.7273 | 0.9235 | 1 | 0.9235 | 0.7273 |
| 0.6717 | 0.8528 | 0.9235 | 0.8528 | 0.6717 |
| 0.529 | 0.6717 | 0.7273 | 0.6717 | 0.529 |
本发明中，为了提高算法的执行效率，将缓存的拓展后图像I_k，与高斯核进行卷积运算，其运算如式(3)所示，通过高斯计算处理后，生成了一个分辨率为720＊576的光照估计图像I_light。
Ilight(i，j)＝0.529*Ik(i，j)+0.6717*Ik(i，j+1)+0.7273*IK(i，j+2)+0.6717*IK(i，j+3)+0.529*Ik(i，j+4)+0.6717*Ik(i+1，j)+0.8528*Ii+1，j+1+0.9235*Ik(i+1，j+2)+0.8528*Ik(i+1，j+3)+0.6717*Ik(i+1，j+4)+0.7273*Ik(i+2，j)+0.9235*Ik(i+2，j+1)+1*Ik(i+2，j+2)+0.9235*Ik(i+2，j+3)+0.7273*Ik(i+2，j+4)+0.6717*Ik(i+3，j)+0.8528*Ik(i+3，j+1)+0.9235*Ik(i+3，j+2)+0.852*Ik(i+3，j+3)+0.6717*Ik(i+3，j+4)+0.529*Ik(i+4，j)+0.6717*Ik(i+4，j+1)+0.7273*Ik(i+4，j+2)+0.6717*Ik(i+4，j+3)+0.529*Ik(i+4，j+4) 式(3)
4、对光照估计图像I_light进行二维傅里叶变换的逆变换，实现高斯卷积运算后的图像从频域到空间域的转换，得到空间域图像。对卷积后图像进行指数运算，计算得到光照估计图像在数域的表达。
其计算流程为：
(1)遍历初始化I_light_s，使其每个像素点的值为0；
(2)从第1行第1列开始，遍历第1行所有列，即1-720列，对光照估计图像I_light进行二维傅里叶变换的逆变换，并存储到光照估计对数图像I_light_log对应的存储位置中。
(3)参照(2)的执行方式，遍历光照估计图像I_light的所有行，即1-625行，并存储到光照估计对数图像I_light_log对应的存储位置中。
5、在对数域中，使原始对数图像Pix值减去估计对数图像I_light_log，得到均匀反射的目标物体的原始有效对数图像I_target。对I_target进行指数运算，获得原始有效图像I_source；
其计算流程为：
(1)遍历初始化原始有效图像I_source、原始有效对数图像I_target，使每个图像的每个像素点的值置为0；
(2)从第1行第1列开始，遍历第1行所有列，即1-720列，用原始对数图像Pix像素点的值减去估计对数图像I_light_log对应像素点的值，对计算得到的差值进行指数运算,并将结果存储到原始有效对数图像I_target对应的像素位置上。
(3)参照(2)的执行方式,同步遍历原始对数图像Pix、原始有效对数图像I_target所有行，即1-625行，并存储到原始有效对数图像I_target对应的存储位置中。
6、对获取得到均匀反射的目标物体图像(分辨率为720*576)，进行全局直方图均衡化，对图像进行增强处理。
具体流程如图1所示；
(1)从内存中获取去掉光照信息的图像I_target，图像为均匀光照环境下的估计图像；
(2)建立像素数值空间的统计数组，因每个像素点由12bit表示，像素数组数组的下标范围为0-4095.
(3)遍历I_target图像，统计像素点值<10的像素点数量，如果数量<5,则认为<10的像素点为暗点噪声点，进行标记；
(4)遍历I_target图像，统计像素点值＝4095的像素点数量，如果数量<5,则认为＝4095的像素点为亮点噪声点，进行标记；
(5)使用行前向填充法，即使用故障点的前1点像素值替换被标记的暗点、亮点值，以进行图像补充修正，原始图像I_target_b；
(6)遍历补充后的图像数组I_target_b，根据各点的像素值，更新统计数组，具体方法为：当当前取得像素点的像素值与统计数组像素值相同时，相应的数值为进行+1操作。
(7)对统计后数组进行归一化操作，通过计算，获得统计后新的映射数组。
(8)遍历I_target_b，图像的每个像素点均进行直方图映射，最终得到新的增强后图像I_enhance
7、采用3*3均值滤波方法对增强后图像进行平滑处理。
针对增强后图像会出现边缘噪点，本发明中，采用3*3滤波器进行空间的平滑滤波，滤波方法采用均值法，其中，第1行、第576行、第1列、第720列图像像素不参与计算，保留原始值，每个新像素值计算方法如下：
(1)当I_final图像的坐标(i,j)范围在([1：719]，[1:575])时，其计算方法如下所示：
(2)当I_final图像的坐标(i,j)为在(0，[0:576])、(720，[0:576])、([0:720]，0)、([0:720]，576)时，其计算方法如下所示：
I-final(ij)＝I-enhance(i，j)
本发明未详细说明部分属于本领域技术人员的公知常识。
Claims (9)
1.一种核级环境下非均匀照明环境下的图像增强方法，其特征在于通过下述方式实现：
(1)对获取非均匀照明环境下的图像进行对数运算，建立具有加性特征的光照分量和物体反射光分量相融合的数据表达形式；
(2)构建高斯滤波模板，用于计算图像中像素点与周围区域中像素的加权平均值；
(3)在频域，用高斯滤波模板对获取的非均匀照明环境下的图像作卷积运算，得到低通滤波后的图像；
(4)对低通滤波图像进行取对数运算，计算得到低通滤波图像在对数域的表达；
(5)在对数域中，使用非均匀照明环境下的图像的像素值减去低通滤波图像的像素值，得到高频增强的图像：
(6)对高频增强图像取反对数，得到增强后的图像I_target，并对图像进行增强处理；
(7)对增强后图像进行平滑处理；
通过下述方式构建高斯滤波模板:
(2.1)初始化均值k以及方差σ,构建高斯滤波模板；
(2.2)按照步骤(3)-(7)处理得到平滑处理后的图像；
(2.3)分析平滑处理后图像的信噪比,判断信噪比是否满足要求,若满足,则执行步骤(2.4)；否则,调整高斯滤波模板中的均值k,返回步骤(2.2),直至信噪比满足要求,执行步骤(2.4)；
(2.4)分析当前最新的平滑处理后图像像素点的灰度值,若各级灰度值之差均大于预设的阈值,则根据当前的均值k以及方差σ,构建高斯滤波模板；否则,执行步骤(2.5)；
(2.5)调整高斯滤波模板中的方差σ,并按照步骤(3)-(7)处理得到平滑处理后的图像,返回步骤(2.4),直至灰度值满足要求。
2.根据权利要求1所述的方法,其特征在于:所述步骤(1)中的对数运算为采用数据域空间变化的方法，将原始的图像和光照的乘性噪声特征，转换为加性噪声特征。
3.根据权利要求1所述的方法,其特征在于:所述的预设的阈值至少为32。
4.根据权利要求1所述的方法,其特征在于:所述高斯滤波模板卷积元算中使用的高斯核为5*5高斯核。
5.根据权利要求4所述的方法,其特征在于:
缓存一帧非均匀照明环境下的图像,即原始图像；
在缓存图像的基础上，进行行、列数据的边缘扩充；
遍历边缘扩充后图像的每个像素点,利用高斯核进行卷积运算,得到光照估计图像即低通滤波图像；
所述的边缘扩充方法为：
(a)行扩充：在0行之前，使用0行数据，补充2行，相对原始图像数据而言，第-2行、-1行使用第0行数据进行补充，在原始图像最后一行之后，增加2行，相对原始图像数据而言，利用原始数据最后以行数据内容进行补充；
(b)列扩充：在0列之前，扩充2列，相对原始图像数据而言，第-2列、第-1列使用第0列数据进行补充，在原始图像最后一列之后，增加2列，相对原始图像数据而言，利用原始图像最后一行数据进行补充。
6.根据权利要求1所述的方法,其特征在于:所述步骤(6)中采用双缓冲实现的全局直方图均衡化算法进行增加处理。
7.根据权利要求6所述的方法,其特征在于:按实时采集的奇偶帧图像分别进行缓存,按照先奇数帧后偶数帧的方式交替处理,在奇数帧处理过程中,从上一时刻偶数帧直方图均衡化处理后得到的像素值进行像素映射,其中第一帧奇数帧处理输出无效。
8.根据权利要求6或7所述的方法,其特征在于:所述的全局直方图均衡化算法具体步骤如下:
(6.1)从内存中获取增强后的图像I_target，图像为均匀光照环境下的估计图像；
(6.2)建立像素数值空间的统计数组；
(6.3)遍历I_target图像，统计像素点值<10的像素点数量，如果数量<5,则认为<10的像素点为暗点噪声点，进行标记；
(6.4)遍历I_target图像，统计像素点值＝灰度值极值的像素点数量，如果数量<5,则认为＝灰度值极值的像素点为亮点噪声点，进行标记；
(6.5)使用行前向填充法，即使用故障点的前1点像素值替换被标记的暗点、亮点值，以进行图像补充修正，原始图像I_target_b；
(6.6)遍历补充后的图像数组I_target_b，根据各点的像素值，更新统计数组，具体方法为：当当前取得像素点的像素值与统计数组下标相同时，数组下标对应的数组值进行+1操作；
(6.7)对统计后数组进行归一化操作，通过计算，获得统计后新的映射数组；
(6.8)遍历I_target_b，图像的每个像素点均进行直方图映射，最终得到新的增强后图像I_enhance。
9.根据权利要求1所述的方法,其特征在于:步骤(7)中采用3*3均值滤波方法进行平滑处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911204299.1A CN111179183B (zh) | 2019-11-29 | 2019-11-29 | 一种核级环境下非均匀照明环境下的图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911204299.1A CN111179183B (zh) | 2019-11-29 | 2019-11-29 | 一种核级环境下非均匀照明环境下的图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111179183A CN111179183A (zh) | 2020-05-19 |
| CN111179183B true CN111179183B (zh) | 2023-11-21 |
Family
ID=70653773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911204299.1A Active CN111179183B (zh) | 2019-11-29 | 2019-11-29 | 一种核级环境下非均匀照明环境下的图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111179183B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915527B (zh) * | 2020-08-05 | 2023-04-07 | 成都圭目机器人有限公司 | 基于多模板的自适应光照补偿方法 |
| CN112505740B (zh) * | 2020-11-23 | 2022-10-04 | 南华大学 | 一种核辐射探测方法及系统 |
| CN112465932A (zh) * | 2020-12-10 | 2021-03-09 | 上海眼控科技股份有限公司 | 一种图像填充方法、装置、设备及存储介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101329726A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 一种基于一维滤波的指纹图像增强方法 |
| CN101515364A (zh) * | 2009-03-26 | 2009-08-26 | 哈尔滨工业大学 | 基于最频值滤波的各向异性图像平滑方法 |
| CN101567083A (zh) * | 2009-06-05 | 2009-10-28 | 哈尔滨工业大学 | 用截尾中值滤波实现的最频值各向异性图像平滑方法 |
| CN102521836A (zh) * | 2011-12-15 | 2012-06-27 | 江苏大学 | 一种基于特定类灰度图像的边缘检测方法 |
| CN104318529A (zh) * | 2014-10-19 | 2015-01-28 | 新疆宏开电子系统集成有限公司 | 处理在恶劣环境中所拍摄低照度图像的方法 |
| CN105118067A (zh) * | 2015-09-22 | 2015-12-02 | 成都融创智谷科技有限公司 | 一种基于高斯平滑滤波的图像分割方法 |
| CN106296670A (zh) * | 2016-08-02 | 2017-01-04 | 黑龙江科技大学 | 一种基于Retinex‑分水岭‑Canny算子的红外图像边缘检测方法 |
| CN108062508A (zh) * | 2017-10-13 | 2018-05-22 | 西安科技大学 | 变电站复杂背景红外图像中设备的提取方法 |
| CN108961188A (zh) * | 2018-07-06 | 2018-12-07 | 无锡天脉聚源传媒科技有限公司 | 一种图像画质增强方法、系统及装置 |
| CN109213183A (zh) * | 2018-05-31 | 2019-01-15 | 上海大学 | 噪声攻击下网络化视觉倒立摆系统稳定控制方法 |
| CN109711284A (zh) * | 2018-12-11 | 2019-05-03 | 江苏博墨教育科技有限公司 | 一种考试答题卡系统智能识别分析方法 |
| CN109741319A (zh) * | 2019-01-07 | 2019-05-10 | 南京晓庄学院 | 一种利用纵向信息增强全局重建婴儿大脑神经图像方法 |
| CN110021024A (zh) * | 2019-03-14 | 2019-07-16 | 华南理工大学 | 一种基于lbp和链码技术的图像分割方法 |
| CN110211074A (zh) * | 2019-05-31 | 2019-09-06 | 天津大学 | 低照度电子散斑干涉条纹图像增强方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9384538B2 (en) * | 2013-07-26 | 2016-07-05 | Li-Cor, Inc. | Adaptive noise filter |
| US10074159B2 (en) * | 2015-12-28 | 2018-09-11 | Volkswagen Ag | System and methodologies for super sampling to enhance anti-aliasing in high resolution meshes |
-
2019
- 2019-11-29 CN CN201911204299.1A patent/CN111179183B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101329726A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 一种基于一维滤波的指纹图像增强方法 |
| CN101515364A (zh) * | 2009-03-26 | 2009-08-26 | 哈尔滨工业大学 | 基于最频值滤波的各向异性图像平滑方法 |
| CN101567083A (zh) * | 2009-06-05 | 2009-10-28 | 哈尔滨工业大学 | 用截尾中值滤波实现的最频值各向异性图像平滑方法 |
| CN102521836A (zh) * | 2011-12-15 | 2012-06-27 | 江苏大学 | 一种基于特定类灰度图像的边缘检测方法 |
| CN104318529A (zh) * | 2014-10-19 | 2015-01-28 | 新疆宏开电子系统集成有限公司 | 处理在恶劣环境中所拍摄低照度图像的方法 |
| CN105118067A (zh) * | 2015-09-22 | 2015-12-02 | 成都融创智谷科技有限公司 | 一种基于高斯平滑滤波的图像分割方法 |
| CN106296670A (zh) * | 2016-08-02 | 2017-01-04 | 黑龙江科技大学 | 一种基于Retinex‑分水岭‑Canny算子的红外图像边缘检测方法 |
| CN108062508A (zh) * | 2017-10-13 | 2018-05-22 | 西安科技大学 | 变电站复杂背景红外图像中设备的提取方法 |
| CN109213183A (zh) * | 2018-05-31 | 2019-01-15 | 上海大学 | 噪声攻击下网络化视觉倒立摆系统稳定控制方法 |
| CN108961188A (zh) * | 2018-07-06 | 2018-12-07 | 无锡天脉聚源传媒科技有限公司 | 一种图像画质增强方法、系统及装置 |
| CN109711284A (zh) * | 2018-12-11 | 2019-05-03 | 江苏博墨教育科技有限公司 | 一种考试答题卡系统智能识别分析方法 |
| CN109741319A (zh) * | 2019-01-07 | 2019-05-10 | 南京晓庄学院 | 一种利用纵向信息增强全局重建婴儿大脑神经图像方法 |
| CN110021024A (zh) * | 2019-03-14 | 2019-07-16 | 华南理工大学 | 一种基于lbp和链码技术的图像分割方法 |
| CN110211074A (zh) * | 2019-05-31 | 2019-09-06 | 天津大学 | 低照度电子散斑干涉条纹图像增强方法 |
Non-Patent Citations (5)
| Title |
|---|
| Shepard Steven M.Thermographic measurement of thermal barrier coating thickness.《Proc SPIE Thermosense XXVⅡ.SPIE》.2005,第407-410页. * |
| 刘克平 ; 李西卫 ; 李岩 ; 于微波 ; .基于边缘信息的SIFT图像匹配算法.吉林大学学报(信息科学版).2018,(02),第91-97页. * |
| 孙玲姣 ; .基于Retinex理论的图像增强算法研究.数码世界.2016,(12),第150-151页. * |
| 汤旭 ; 李婕 ; 孙园翔 ; 周宇晗 ; .汽车驾驶辅助中雾天图像增强算法的对比研究.电子制作.2018,(13),第98-101页. * |
| 龙云淋 ; 吴一全 ; 周杨 ; .结合NSST和快速非局部均值滤波的刀具图像去噪.信号处理.2017,(11),第105-114页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111179183A (zh) | 2020-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111179183B (zh) | 一种核级环境下非均匀照明环境下的图像增强方法 | |
| CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
| CN111105371B (zh) | 一种低对比度红外图像的增强方法 | |
| CN106557729B (zh) | 用于处理人脸图像的设备和方法 | |
| CN111179201A (zh) | 一种视频去噪方法和电子设备 | |
| CN115297288A (zh) | 用于驾驶模拟器的监控数据存储方法 | |
| CN112598612A (zh) | 一种基于照度分解的无闪烁暗光视频增强方法及装置 | |
| CN113012068B (zh) | 图像去噪方法、装置、电子设备及计算机可读存储介质 | |
| CN109308709B (zh) | 基于图像分割的Vibe运动目标检测算法 | |
| CN111563849A (zh) | 一种观测图像去噪方法及系统 | |
| CN117152182B (zh) | 一种超低照度网络相机图像处理方法、装置及电子设备 | |
| CN112614063B (zh) | 用于楼宇内低照度环境的图像增强和噪声自适应去除方法 | |
| CN116128766A (zh) | 一种基于改进Retinex-Net的电力设备红外图像增强方法 | |
| CN109741276B (zh) | 一种基于滤波分层框架的红外图像基本层处理方法及系统 | |
| CN107527378B (zh) | 一种Metropolis光线追踪自适应两阶段采样方法 | |
| CN116091357A (zh) | 深度卷积注意力和多尺度特征融合的低光图像增强方法 | |
| CN113487525B (zh) | 一种基于双平台直方图的自迭代红外图像增强方法 | |
| CN115829851A (zh) | 便携式眼底相机图像缺陷消除方法、系统及存储介质 | |
| CN115330612A (zh) | 基于自适应中值滤波的辐照图像去噪方法和系统 | |
| CN107623841A (zh) | 一种监控效果好的车载监控系统 | |
| CN110309728B (zh) | 停车线检测方法和装置 | |
| CN112001956A (zh) | 基于cnn的纹影法强激光远场焦斑测量图像去噪方法 | |
| CN108133467B (zh) | 基于粒计算的水下图像增强系统及增强方法 | |
| CN111145193A (zh) | 一种自适应全局阈值二值化方法 | |
| CN104809712B (zh) | 一种基于粗糙集的图像快速修复方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |