CN113450289B - 一种客运场景下人脸图像低照度自动增强的方法 - Google Patents

一种客运场景下人脸图像低照度自动增强的方法 Download PDF

Info

Publication number
CN113450289B
CN113450289B CN202111008368.9A CN202111008368A CN113450289B CN 113450289 B CN113450289 B CN 113450289B CN 202111008368 A CN202111008368 A CN 202111008368A CN 113450289 B CN113450289 B CN 113450289B
Authority
CN
China
Prior art keywords
image
rgb
value
brightness
pixel
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
Application number
CN202111008368.9A
Other languages
English (en)
Other versions
CN113450289A (zh
Inventor
张永清
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.)
China Transport Technology Co ltd
Original Assignee
China Transport Technology 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 China Transport Technology Co ltd filed Critical China Transport Technology Co ltd
Priority to CN202111008368.9A priority Critical patent/CN113450289B/zh
Publication of CN113450289A publication Critical patent/CN113450289A/zh
Application granted granted Critical
Publication of CN113450289B publication Critical patent/CN113450289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种客运场景下人脸图像低照度自动增强的方法，包括：对人脸识别设备摄像头采集到的RGB图像数据转换为HSV颜色空间数据，通过通道遍历HSV颜色空间数据，提取出表示颜色的明暗程度的V通道数据，完成直方图统计，根据得到的直方图去除图像中像素值接近0与255的像素，去除了部分干扰，并对剩余的像素值求亮度平均值，对得到的亮度平均值判断是否满足预设的亮度阈值，如果当前亮度平均值小于预设的亮度阈值，则将人脸图像数据进行低照度图像增强，将增强后的图像或满足预设亮度阈值的图像传入进行人脸识别，在不更换硬件设备的情况下有效解决了客运场景下因低照度造成的人脸识别效率问题，减少了硬件更换及维护的成本。

Description

一种客运场景下人脸图像低照度自动增强的方法
技术领域
本发明涉及图像增强处理技术领域，具体为一种客运场景下人脸图像低照度自动增强的方法。
背景技术
人脸识别设备是智慧客运中的一个重要组成部分，人脸识别设备中的摄像头成像为人脸识别算法提供了主要的数据来源，摄像头成像的人脸图像也是人脸识别算法的重要基础，但是，由于复杂的现场环境光线、不同的摄像头缺少宽动态或者宽动态不强、人脸识别设备安装位置等因素导致部分摄像头的成像不理想，出现目标人脸亮度过暗不清晰的问题，导致人脸算法的识别效率降低，从而影响了人脸识别算法的精度和实效性，进而导致了客运人流进站出现拥挤情况，同时低质量的照片也给数据的存储及回溯带来了不必要的麻烦；
目前，针对人脸识别设备中摄像头成像过暗不清晰的问题，通常的解决方法是：更换具备有宽动态的摄像头以达到成像正常的目的，但是，该方法往往会造成成本上的增加，并且在一些比较复杂的环境下，同样无法改变成像过暗、图像质量偏低的情况，需要根据当前现场环境的光线及图像亮度值，自动判断当前图像是否需要达到进行图像增强的标准，从而对成像过暗的图像进行增强，这样可以在不更换硬件设备的情况下有效地解决客运场景下因低照度造成的人脸识别效率问题，同时减少了硬件更换和维护的成本。
所以，人们需要一种客运场景下人脸图像低照度自动增强的方法来解决上述问题。
发明内容
本发明的目的在于提供一种客运场景下人脸图像低照度自动增强的方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种客运场景下人脸图像低照度自动增强的方法，其特征在于：包括以下步骤：
S0：输入待处理的RGB人脸图像；
S1：对输入的待处理的RGB人脸图像通过颜色空间转换为HSV颜色空间；
S2：根据HSV颜色空间数据，通过通道遍历HSV颜色空间数据，提取出表示颜色明暗程度的V通道数据，并进行直方图统计；
S3：依据得到的直方图，设置阈值，去除图像中像素值接近0与255的像素，对剩余的像素值求亮度平均值；
S4：预设一个亮度阈值，判断得到的亮度平均值是否满足预设的亮度阈值，若当前亮度平均值小于预设的亮度阈值，执行步骤S41，否则执行步骤S5；
S41：对亮度平均值小于预设亮度阈值的人脸图像数据进行低照度图像增强；
S5：将得到的人脸图像传入之后，进行人脸识别。
进一步的，在步骤S2中，根据下列公式进行直方图统计：
Figure 452862DEST_PATH_IMAGE001
；
其中，Sk表示输出的灰度级，n表示总的像素个数，k表示输出的灰度级个数，k=0，1，2，...，L-1，nj指的是第j个灰度级出现的个数，L指的是需要分的L个灰度级。
进一步的，在步骤S3中，定义阈值thresh1和thresh2，设定一个可变参数
Figure 166740DEST_PATH_IMAGE002
，其中，
Figure 867849DEST_PATH_IMAGE003
，
Figure 935162DEST_PATH_IMAGE004
，gmin表示不为0的V通道最小亮度值，gmax表示不为255的V通道最大亮度值，根据下列公式计算去除干扰后的每个像素亮度值Gi：
Figure 172370DEST_PATH_IMAGE005
；
根据下列公式计算剩余像素的亮度平均值
Figure 525991DEST_PATH_IMAGE006
：
Figure 465128DEST_PATH_IMAGE008
；
其中，gi表示原来V通道数据亮度值，j=1，2，...，m，Gj表示去除干扰后除亮度值为0以外的每个像素亮度值，m指的是去除干扰后总的像素个数。
进一步的，在步骤S4中，预设亮度阈值为
Figure 585400DEST_PATH_IMAGE009
，比较剩余像素的亮度平均值
Figure 51017DEST_PATH_IMAGE006
和亮度阈值
Figure 982063DEST_PATH_IMAGE009
：若
Figure 156299DEST_PATH_IMAGE010
，说明亮度平均值不满足预设亮度阈值，执行步骤S41；若
Figure 830994DEST_PATH_IMAGE011
，说明亮度平均值满足预设亮度阈值，执行步骤S5：将当前RGB人脸图像传入后进行人脸识别，先对图像进行是否需要低照度增强的判断，并非将全部的图像都进行低照度增强，节省了一定的技术成本，在一定程度上提高了人脸识别的效率，有效地避免了客运场景下人流进站出现拥挤的情况。
进一步的，所述步骤S41还包括以下步骤：
S411：输入亮度平均值不满足预设亮度阈值的低照度RGB图像；
S412：遍历低照度RGB图像，求得RGB每个通道的最小值，组成新图像Ⅰ；
S413：定义一个小窗口，遍历图像Ⅰ，求得窗口中最小的像素值，组成新图像Ⅱ；
S414：重新遍历原RGB图像，利用新图像Ⅱ对原RGB图像进行反色；
S415：将反色后的值作为系数，与原RGB图像的三个通道相乘，组成新图像J；
S416：将新图像J与原RGB图像中的各像素混合叠加，得到新的RGB 增强图像；
S417：设定迭代次数为a，判断当前迭代是否满足迭代次数a；
S418：对最终的RGB图像进行去噪处理。
进一步的，在步骤S411-S412中，遍历输入的低照度RGB图像，根据下列公式计算RGB每个通道的最小像素值
Figure 275751DEST_PATH_IMAGE012
：
Figure 643278DEST_PATH_IMAGE013
；
其中，c指的是RGB图像对应的r，g，b通道，(x，y)指的是对应当前像素在RGB图像中的坐标，
Figure 307740DEST_PATH_IMAGE014
指的是RGB图像中坐标为(x，y)的像素对应各通道的像素值，由RGB每个通道的最小像素组成RGB最小值图像，即为新图像Ⅰ。
进一步的，在步骤S413中，定义一个
Figure 379601DEST_PATH_IMAGE015
大小的窗口，遍历新图像Ⅰ，根据下列公式计算定义的窗口中最小的像素值
Figure 960756DEST_PATH_IMAGE016
：
Figure 482873DEST_PATH_IMAGE017
；
其中，
Figure 149477DEST_PATH_IMAGE018
表示以像素坐标(x，y)为中心的一个窗口，
Figure 54723DEST_PATH_IMAGE019
表示对应当前像素在
Figure 5230DEST_PATH_IMAGE018
中的坐标，由定义的窗口中每个通道的最小像素组成新图像Ⅱ。
进一步的，在步骤S414-S416中，利用新图像Ⅱ对原RGB图像进行反色：根据下列公式计算反色后的值
Figure 714560DEST_PATH_IMAGE020
：
Figure 25718DEST_PATH_IMAGE021
；
将
Figure 360754DEST_PATH_IMAGE020
作为系数与原RGB图像相乘，得到新图像J，根据下列公式计算新图像J的像素值
Figure 650921DEST_PATH_IMAGE022
：
Figure 544534DEST_PATH_IMAGE023
；
对新图像J中的每个像素值作最值处理：对
Figure 185731DEST_PATH_IMAGE024
做右移8位的处理使得最终结果落在0-255的范围，将新图像J与原RGB图像进行混合叠加：根据下列公式计算新的RGB增强图像像素值
Figure 934244DEST_PATH_IMAGE025
：
Figure 95229DEST_PATH_IMAGE027
；
由新的RGB增强图像像素组成新的RGB增强图像，逐步提高了低照度图像的清晰度，在不更换硬件设备的前提下有效地解决了客运场景下因低照度造成的人脸识别效率低下问题，减少了硬件更换和维护的成本。
进一步的，在步骤S417-S418中，得到
Figure 146362DEST_PATH_IMAGE028
后，设定迭代次数a，判断当前迭代是否满足迭代次数a：若满足，执行步骤S418；若不满足，将
Figure 524122DEST_PATH_IMAGE028
赋值给
Figure 686113DEST_PATH_IMAGE029
，返回并执行步骤S412，直至当前迭代满足迭代次数a为止，得到最终的RGB增强图像，运用双边滤波法对其进行去噪处理后，执行步骤S5：将最终的RGB增强图像传入后进行人脸识别，双边滤波是非线性的滤波方法，是结合图像的像素值相似度和空间邻近度的一种折中处理，能够同时考虑到灰度相似性和空域信息以达到保边去噪的目的，利用双边滤波法进行去噪处理保证了边缘附近像素值的保存。
与现有技术相比，本发明所达到的有益效果是：
1.本发明通过采集RGB人脸图像数据，将其转换为HSV颜色空间，对HSV颜色空间数据进行V通道数据提取，完成直方图的统计，为去除部分干扰，依据直方图去除RGB图像中亮度值接近0与255的像素，计算去除干扰后的剩余像素亮度平均值，通过和预设的亮度阈值比较判断当前图像是否需要进行低照度增强：若剩余像素亮度平均值大于或等于亮度阈值，将图像直接传入进行人脸识别；若剩余像素亮度平均值小于亮度阈值，对RGB图像进行低照度增强，先对图像进行是否需要低照度增强的判断，并非将全部的图像都进行低照度增强，节省了技术成本，在一定程度上提高了人脸识别的效率，避免了客运场景下人流进站出现拥挤的情况；
2.本发明在低照度增强的过程中，经过多次遍历原RGB图像，求得固定窗口中图像通道的像素最小值以组成新图像Ⅱ，利用新图像Ⅱ对原RGB图像进行反色，将反色后的值与原RGB图像通道像素值相乘后再与原RGB图像进行混合叠加，得到最终的增强图像，对其进行去噪处理，逐步提高了低照度图像的清晰度，在不更换硬件设备的前提下有效地解决了客运场景下因低照度造成的人脸识别效率低下问题，减少了硬件更换和维护的成本。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种客运场景下人脸图像低照度自动增强的整体流程图；
图2是本发明的低照度图像增强流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
请参阅图1-2，本发明提供技术方案：一种客运场景下人脸图像低照度自动增强的方法，其特征在于：包括以下步骤：
S0：输入待处理的RGB人脸图像；
S1：对输入的待处理的RGB人脸图像通过颜色空间转换为HSV颜色空间；
S2：根据HSV颜色空间数据，通过通道遍历HSV颜色空间数据，提取出表示颜色明暗程度的V通道数据，并进行直方图统计；
S3：依据得到的直方图，设置阈值，去除图像中像素值接近0与255的像素，对剩余的像素值求亮度平均值；
S4：预设一个亮度阈值，判断得到的亮度平均值是否满足预设的亮度阈值，若当前亮度平均值小于预设的亮度阈值，执行步骤S41，否则执行步骤S5；
S41：对亮度平均值小于预设亮度阈值的人脸图像数据进行低照度图像增强；
S5：将得到的人脸图像传入之后，进行人脸识别。
步骤S2中，根据下列公式进行直方图统计：
Figure 722113DEST_PATH_IMAGE030
；
其中，Sk表示输出的灰度级，n表示总的像素个数，k表示输出的灰度级个数，k=0，1，2，...，L-1，nj指的是第j个灰度级出现的个数，L指的是需要分的L个灰度级。
步骤S3中，定义阈值thresh1和thresh2，设定一个可变参数
Figure 678568DEST_PATH_IMAGE002
，其中，
Figure 543624DEST_PATH_IMAGE031
，
Figure 243727DEST_PATH_IMAGE032
，gmin表示不为0的V通道最小亮度值，gmax表示不为255的V通道最大亮度值，根据下列公式计算去除干扰后的每个像素亮度值Gi：
Figure 848146DEST_PATH_IMAGE033
；
根据下列公式计算剩余像素的亮度平均值
Figure 834556DEST_PATH_IMAGE006
：
Figure 406483DEST_PATH_IMAGE034
；
其中，gi表示原来V通道数据亮度值，j=1，2，...，m，Gj表示去除干扰后除亮度值为0以外的每个像素亮度值，m指的是去除干扰后总的像素个数。
步骤S4中，预设亮度阈值为
Figure 628386DEST_PATH_IMAGE009
，比较剩余像素的亮度平均值
Figure 726792DEST_PATH_IMAGE006
和亮度阈值
Figure 759470DEST_PATH_IMAGE009
：若
Figure 566496DEST_PATH_IMAGE010
，说明亮度平均值不满足预设亮度阈值，执行步骤S41；若
Figure 608401DEST_PATH_IMAGE011
，说明亮度平均值满足预设亮度阈值，执行步骤S5：将当前RGB人脸图像传入后进行人脸识别，先对图像进行是否需要低照度增强的判断，并非将全部的图像都进行低照度增强，能够节省一定的技术成本，并在一定程度上提高人脸识别的效率，便于有效避免客运场景下人流进站出现拥挤的情况。
步骤S41还包括以下步骤：
S411：输入亮度平均值不满足预设亮度阈值的低照度RGB图像；
S412：遍历低照度RGB图像，求得RGB每个通道的最小值，组成新图像Ⅰ；
S413：定义一个小窗口，遍历图像Ⅰ，求得窗口中最小的像素值，组成新图像Ⅱ；
S414：重新遍历原RGB图像，利用新图像Ⅱ对原RGB图像进行反色；
S415：将反色后的值作为系数，与原RGB图像的三个通道相乘，组成新图像J；
S416：将新图像J与原RGB图像中的各像素混合叠加，得到新的RGB 增强图像；
S417：设定迭代次数为a，判断当前迭代是否满足迭代次数a；
S418：对最终的RGB图像进行去噪处理。
步骤S411-S412中，遍历输入的低照度RGB图像，根据下列公式计算RGB每个通道的最小像素值
Figure 30155DEST_PATH_IMAGE035
：
Figure 14161DEST_PATH_IMAGE036
；
其中，c指的是RGB图像对应的r，g，b通道，(x，y)指的是对应当前像素在RGB图像中的坐标，
Figure 295100DEST_PATH_IMAGE037
指的是RGB图像中坐标为(x，y)的像素对应各通道的像素值，由RGB每个通道的最小像素组成RGB最小值图像，即为新图像Ⅰ。
步骤S413中，定义一个
Figure 891429DEST_PATH_IMAGE015
大小的窗口，遍历新图像Ⅰ，根据下列公式计算定义的窗口中最小的像素值
Figure 698848DEST_PATH_IMAGE038
：
Figure 338908DEST_PATH_IMAGE039
；
其中，
Figure 356411DEST_PATH_IMAGE040
表示以像素坐标(x，y)为中心的一个窗口，
Figure 740119DEST_PATH_IMAGE041
表示对应当前像素在
Figure 402045DEST_PATH_IMAGE040
中的坐标，由定义的窗口中每个通道的最小像素组成新图像Ⅱ。
步骤S414-S416中，利用新图像Ⅱ对原RGB图像进行反色：根据下列公式计算反色后的值
Figure 960809DEST_PATH_IMAGE042
：
Figure 216341DEST_PATH_IMAGE043
；
将
Figure 997215DEST_PATH_IMAGE042
作为系数与原RGB图像相乘，得到新图像J，根据下列公式计算新图像J的像素值
Figure 903860DEST_PATH_IMAGE044
：
Figure 885722DEST_PATH_IMAGE045
；
对新图像J中的每个像素值作最值处理：对
Figure 379283DEST_PATH_IMAGE046
做右移8位的处理使得最终结果落在0-255的范围，将新图像J与原RGB图像进行混合叠加：根据下列公式计算新的RGB增强图像像素值
Figure 229427DEST_PATH_IMAGE047
：
Figure 741311DEST_PATH_IMAGE048
；
由新的RGB增强图像像素组成新的RGB增强图像，经过多次图像处理得到最终的RGB增强图像，能够逐步提高低照度图像的清晰度，便于在不更换硬件设备的前提下有效地解决客运场景下因低照度造成的人脸识别效率低下问题，并且能够减少硬件更换和维护的成本。
步骤S417-S418中，得到
Figure 143342DEST_PATH_IMAGE049
后，设定迭代次数a，判断当前迭代是否满足迭代次数a：若满足，执行步骤S418；若不满足，将
Figure 966942DEST_PATH_IMAGE049
赋值给
Figure 496143DEST_PATH_IMAGE050
，返回并执行步骤S412，直至当前迭代满足迭代次数a为止，得到最终的RGB增强图像，运用双边滤波法对其进行去噪处理后，执行步骤S5：将最终的RGB增强图像传入后进行人脸识别，双边滤波是非线性的滤波方法，是结合图像的像素值相似度和空间邻近度的一种折中处理，能够同时考虑到灰度相似性和空域信息以达到保边去噪的目的，利用双边滤波法进行去噪处理能够保证边缘附近像素值的保存。
实施例一：本实施例中，为表明实施过程，采用一张组
Figure 548020DEST_PATH_IMAGE051
的图像数据作为输入的低照度RGB图像，RGB图像中坐标为(x，y)的像素对应各通道的像素值
Figure 120952DEST_PATH_IMAGE050
分别为：
Figure 963006DEST_PATH_IMAGE052
，
Figure 30319DEST_PATH_IMAGE053
，
Figure 1949DEST_PATH_IMAGE054
，
对应的当前像素在RGB图像中的坐标为：
Figure 621149DEST_PATH_IMAGE055
，
根据公式
Figure 560286DEST_PATH_IMAGE056
计算出RGB每个通道的最小像素值
Figure 680558DEST_PATH_IMAGE057
，
由RGB每个通道的最小像素组成RGB最小值图像，即新图像Ⅰ，定义一个
Figure 755961DEST_PATH_IMAGE058
大小的窗口，遍历新图像Ⅰ，对应当前像素在新图像Ⅰ中的像素值：
Figure 811642DEST_PATH_IMAGE059
，
根据公式
Figure 985878DEST_PATH_IMAGE060
计算出该窗口中最小的像素值：
Figure 394994DEST_PATH_IMAGE061
，
由该窗口中的最小像素组成新图像Ⅱ，利用新图像Ⅱ对原RGB图像进行反色，根据公式
Figure 839750DEST_PATH_IMAGE062
计算出反色后的值：
Figure 692431DEST_PATH_IMAGE063
，
将
Figure 606160DEST_PATH_IMAGE064
作为系数与原RGB图像相乘，得到新图像J，根据公式
Figure 333814DEST_PATH_IMAGE065
计算出新图像J的像素值，对J的每个像素值
Figure 649388DEST_PATH_IMAGE066
做右移8位的处理后使得最终结果落在0-255的范围，得到新图像J各通道像素值分别为：
Figure 670041DEST_PATH_IMAGE067
，
Figure 71066DEST_PATH_IMAGE068
，
Figure 71252DEST_PATH_IMAGE070
，
将新图像J与原RGB图像进行混合叠加，根据公式
Figure 506913DEST_PATH_IMAGE072
计算出新的RGB增强图像像素值
Figure 809718DEST_PATH_IMAGE073
，对应的各个通道的像素值分别为：
Figure 448772DEST_PATH_IMAGE075
，
Figure 268960DEST_PATH_IMAGE077
，
Figure 277237DEST_PATH_IMAGE079
，
得到
Figure 16523DEST_PATH_IMAGE080
后，设定迭代次数a=3，判断出当前迭代满足迭代次数a，运用双边滤波法对最终的RGB图像进行去噪处理后，将图像传入进行人脸识别。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种客运场景下人脸图像低照度自动增强的方法，其特征在于：包括以下步骤：
S0：输入待处理的RGB人脸图像；
S1：对输入的待处理的RGB人脸图像通过颜色空间转换为HSV颜色空间；
S2：根据HSV颜色空间数据，通过通道遍历HSV颜色空间数据，提取出表示颜色明暗程度的V通道数据，并进行直方图统计；
S3：依据得到的直方图，设置阈值thresh1和thresh2，去除图像中像素亮度值小于等于thresh1或者大于thresh2的像素，对剩余的像素值求亮度平均值；
S4：预设一个亮度阈值，判断得到的亮度平均值是否满足预设的亮度阈值，若当前亮度平均值小于预设的亮度阈值，执行步骤S41，否则执行步骤S5；
S41：对亮度平均值小于预设亮度阈值的人脸图像数据进行低照度图像增强；
S5：将得到的人脸图像传入之后，进行人脸识别；
所述步骤S41还包括以下步骤：
S411：输入亮度平均值不满足预设亮度阈值的低照度RGB图像；
S412：遍历低照度RGB图像，求得RGB每个通道的最小值，组成新图像Ⅰ；
S413：定义一个小窗口，遍历图像Ⅰ，求得窗口中最小的像素值，组成新图像Ⅱ；
S414：重新遍历原RGB图像，利用新图像Ⅱ对原RGB图像进行反色；
S415：将反色后的值作为系数，与原RGB图像的三个通道相乘，组成新图像J；
S416：将新图像J与原RGB图像中的各像素混合叠加，得到新的RGB 增强图像；
S417：设定迭代次数为a，判断当前迭代是否满足迭代次数a；
S418：对最终的RGB图像进行去噪处理；
在步骤S411-S412中，遍历输入的低照度RGB图像，根据下列公式计算RGB每个通道的最小像素值
Figure 89474DEST_PATH_IMAGE001
Figure 177253DEST_PATH_IMAGE002
其中，c指的是RGB图像对应的r，g，b通道，(x，y)指的是对应当前像素在RGB图像中的坐标，
Figure 612783DEST_PATH_IMAGE003
指的是RGB图像中坐标为(x，y)的像素对应各通道的像素值，由RGB每个通道的最小像素组成RGB最小值图像，即为新图像Ⅰ；
在步骤S413中，定义一个
Figure 330426DEST_PATH_IMAGE004
大小的窗口，遍历新图像Ⅰ，根据下列公式计算定义的窗口中最小的像素值
Figure 597328DEST_PATH_IMAGE005
Figure 42959DEST_PATH_IMAGE006
其中，
Figure 106730DEST_PATH_IMAGE007
表示以像素坐标(x，y)为中心的一个窗口，
Figure 991116DEST_PATH_IMAGE008
表示对应当前像素在
Figure 435828DEST_PATH_IMAGE009
中的坐标，由定义的窗口中每个通道的最小像素组成新图像Ⅱ；
在步骤S414-S416中，利用新图像Ⅱ对原RGB图像进行反色：根据下列公式计算反色后的值
Figure 662148DEST_PATH_IMAGE010
Figure 429859DEST_PATH_IMAGE011
将
Figure 930985DEST_PATH_IMAGE012
作为系数与原RGB图像相乘，得到新图像J，根据下列公式计算新图像J的像素值
Figure 997248DEST_PATH_IMAGE013
Figure 784682DEST_PATH_IMAGE014
对新图像J中的每个像素值作最值处理：对
Figure 744416DEST_PATH_IMAGE015
做右移8位的处理使得最终结果落在0-255的范围，将新图像J与原RGB图像进行混合叠加：根据下列公式计算新的RGB增强图像像素值
Figure 377130DEST_PATH_IMAGE016
Figure 722398DEST_PATH_IMAGE017
由新的RGB增强图像像素组成新的RGB增强图像。
2.根据权利要求1所述的一种客运场景下人脸图像低照度自动增强的方法，其特征在于：在步骤S2中，根据下列公式进行直方图统计：
Figure 662758DEST_PATH_IMAGE018
其中，Sk表示输出的灰度级，n表示总的像素个数，k表示输出的灰度级个数，k=0，1，2，...，L-1，nj指的是第j个灰度级出现的个数，L指的是需要分的L个灰度级。
3.根据权利要求2所述的一种客运场景下人脸图像低照度自动增强的方法，其特征在于：在步骤S3中，定义阈值thresh1和thresh2，设定一个可变参数
Figure 280428DEST_PATH_IMAGE019
，其中，
Figure 483876DEST_PATH_IMAGE020
，
Figure 339444DEST_PATH_IMAGE021
表示不为0的V通道最小亮度值，
Figure 406363DEST_PATH_IMAGE022
表示不为255的V通道最大亮度值，根据下列公式计算去除干扰后的每个像素亮度值
Figure 8522DEST_PATH_IMAGE023
：
Figure 750082DEST_PATH_IMAGE024
根据下列公式计算剩余像素的亮度平均值
Figure 69942DEST_PATH_IMAGE025
Figure 432397DEST_PATH_IMAGE026
其中，gi表示原来V通道数据亮度值，j=1，2，...，m，Gj表示去除干扰后除亮度值为0以外的每个像素亮度值，m指的是去除干扰后总的像素个数。
4.根据权利要求3所述的一种客运场景下人脸图像低照度自动增强的方法，其特征在于：在步骤S4中，预设亮度阈值为
Figure 260545DEST_PATH_IMAGE027
比较剩余像素的亮度平均值
Figure 503000DEST_PATH_IMAGE028
和亮度阈值
Figure 365783DEST_PATH_IMAGE029
若
Figure 305663DEST_PATH_IMAGE030
说明亮度平均值不满足预设亮度阈值，执行步骤S41；若
Figure 729429DEST_PATH_IMAGE031
说明亮度平均值满足预设亮度阈值，执行步骤S5：将当前RGB人脸图像传入后进行人脸识别。
5.根据权利要求1所述的一种客运场景下人脸图像低照度自动增强的方法，其特征在于：在步骤S417-S418中，得到
Figure 937426DEST_PATH_IMAGE032
后，设定迭代次数a，判断当前迭代是否满足迭代次数a：若满足，执行步骤S418；若不满足，将
Figure 837073DEST_PATH_IMAGE033
赋值给
Figure 88800DEST_PATH_IMAGE034
返回并执行步骤S412，直至当前迭代满足迭代次数a为止，得到最终的RGB增强图像，运用双边滤波法对其进行去噪处理后，执行步骤S5：将最终的RGB增强图像传入后进行人脸识别。
CN202111008368.9A 2021-08-31 2021-08-31 一种客运场景下人脸图像低照度自动增强的方法 Active CN113450289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111008368.9A CN113450289B (zh) 2021-08-31 2021-08-31 一种客运场景下人脸图像低照度自动增强的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111008368.9A CN113450289B (zh) 2021-08-31 2021-08-31 一种客运场景下人脸图像低照度自动增强的方法

Publications (2)

Publication Number Publication Date
CN113450289A CN113450289A (zh) 2021-09-28
CN113450289B true CN113450289B (zh) 2021-12-10

Family

ID=77819089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111008368.9A Active CN113450289B (zh) 2021-08-31 2021-08-31 一种客运场景下人脸图像低照度自动增强的方法

Country Status (1)

Country Link
CN (1) CN113450289B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115937836A (zh) * 2023-02-08 2023-04-07 江阴嘉欧新材料有限公司 电缆铺设进深鉴定装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104517268A (zh) * 2014-12-24 2015-04-15 小米科技有限责任公司 调整图像亮度的方法及装置
CN105046658A (zh) * 2015-06-26 2015-11-11 北京大学深圳研究生院 一种低照度图像处理方法和装置
CN105184757A (zh) * 2015-06-11 2015-12-23 西安电子科技大学 基于颜色空间特点的食物图像色彩增强方法
CN110225285A (zh) * 2019-04-16 2019-09-10 深圳壹账通智能科技有限公司 音视频通信方法、装置、计算机装置、及可读存储介质
CN111757082A (zh) * 2020-06-17 2020-10-09 深圳增强现实技术有限公司 一种应用于ar智能设备的图像处理方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782400B (zh) * 2019-09-12 2024-03-01 南宁师范大学 一种自适应的光照均匀实现方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104517268A (zh) * 2014-12-24 2015-04-15 小米科技有限责任公司 调整图像亮度的方法及装置
CN105184757A (zh) * 2015-06-11 2015-12-23 西安电子科技大学 基于颜色空间特点的食物图像色彩增强方法
CN105046658A (zh) * 2015-06-26 2015-11-11 北京大学深圳研究生院 一种低照度图像处理方法和装置
CN110225285A (zh) * 2019-04-16 2019-09-10 深圳壹账通智能科技有限公司 音视频通信方法、装置、计算机装置、及可读存储介质
CN111757082A (zh) * 2020-06-17 2020-10-09 深圳增强现实技术有限公司 一种应用于ar智能设备的图像处理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
警用模糊图像增强系统;刘成;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20190915;第I138-730页 *

Also Published As

Publication number Publication date
CN113450289A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN106886985B (zh) 一种减小色偏的自适应低照度图像增强方法
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
CN103593830B (zh) 一种低照度视频图像增强方法
CN108876742B (zh) 图像色彩增强方法和装置
CN108876743A (zh) 一种图像快速去雾方法、系统、终端及存储介质
CN111598791B (zh) 一种基于改进动态大气散射系数函数的图像去雾方法
CN108154492B (zh) 一种基于非局部均值滤波的图像去雾霾方法
Pei et al. Effective image haze removal using dark channel prior and post-processing
CN108154490A (zh) 基于改进模糊集理论的高压输电线路绝缘子图像增强方法
CN104331867B (zh) 图像去雾的方法、装置及移动终端
CN111079688A (zh) 一种人脸识别中的基于红外图像的活体检测的方法
CN113450289B (zh) 一种客运场景下人脸图像低照度自动增强的方法
CN108711160B (zh) 一种基于hsi增强性模型的目标分割方法
CN111476744A (zh) 一种基于分类及大气成像模型的水下图像增强方法
CN110675332A (zh) 一种金属腐蚀图像质量的增强方法
CN102724541B (zh) 一种监控影像智能诊断恢复方法
CN110298796B (zh) 基于改进Retinex与对数图像处理的低照度图像增强方法
CN103514588B (zh) 图像增强方法和系统
CN116721039B (zh) 一种应用于自动化光学缺陷检测中的图像预处理方法
CN105184758A (zh) 一种图像去雾增强的方法
CN117876233A (zh) 一种基于无人机遥感技术的测绘图像增强方法
CN102768758A (zh) 一种改进的彩色图像usm锐化方法
CN107451971A (zh) 基于暗通道和高斯组合先验的低照度盲卷积图像复原法
CN105809677B (zh) 一种基于双边滤波器的图像边缘检测方法及系统
CN112381073A (zh) 基于ai人脸检测的iq调整方法及调整模块

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