CN114202491A - 一种增强光学图像的方法及系统 - Google Patents
一种增强光学图像的方法及系统 Download PDFInfo
- Publication number
- CN114202491A CN114202491A CN202111493832.8A CN202111493832A CN114202491A CN 114202491 A CN114202491 A CN 114202491A CN 202111493832 A CN202111493832 A CN 202111493832A CN 114202491 A CN114202491 A CN 114202491A
- Authority
- CN
- China
- Prior art keywords
- image
- optical image
- gray
- color
- target
- 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
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 120
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003672 processing method Methods 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 17
- 238000003384 imaging method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 9
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种增强光学图像的方法及系统,其方法包括:获取目标光学图像并对其进行预处理;提取预处理后的目标光学图像中的灰度图像与颜色图像;分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强;将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像。通过着重对目标光学图像的灰度图像和颜色图像进行适应性增强可以针对目标光学图像中的重要内容进行增强,从而保证工作人员对于增强后的目标光学图像的直观观看体验感,使得增强后的目标光学图像的显示效果更佳。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种增强光学图像的方法及系统。
背景技术
随着显示技术的发展,人们对显示图像的要求越来越高,特别是彩色图像,由于显示器的各方面因素的制约,显示器显示彩色图像往往存在着颜色偏暗、对比度偏低以及局部细节不突出等问题,使得图像中的目标难以识别和分辨,因此在显示彩色图像前,往往需要对彩色图像进行增强处理,以扩大图像中不同物体特征之间的差别,从而改善图像的视觉效果,光学图像为图像类型中的一种,其主要是采用光学摄影系统获取的以感光胶片为介质的图像,通常指可见光和部分红外波段传感器获取的影像数据,现有的图像增强方法主要包括基于直方图的图像增强方法、基于retinex的图像增强方法等,这些增强方法都是依据图像中的亮度信息来对图像进行图像增强,即通过整体的亮度信息来实现图像的增强,由于整体增强在原本图像不清晰的基础上将期望显示着重内容与其他显示内容同时增强从而导致增强效果对于人眼观察来说不明显,降低了工作人员的观看体验感。
发明内容
针对上述所显示出来的问题,本发明提供了一种增强光学图像的方法及系统用以解决背景技术中提到的由于整体增强在原本图像不清晰的基础上将期望显示着重内容与其他显示内容同时增强从而导致增强效果对于人眼观察来说不明显,降低了工作人员的观看体验感的问题。
一种增强光学图像的方法,包括以下步骤:
获取目标光学图像并对其进行预处理;
提取预处理后的目标光学图像中的灰度图像与颜色图像;
分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强;
将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像。
优选的,所述获取目标光学图像并对其进行预处理,包括:
将所述目标光学图像分为等面积的多个区域;
提取每个区域内每个像素点的特征信息,对每个像素点的特征信息进行第一预处理,获得预处理后的第一特征信息;
对所述第一特征信息进行第二预处理,获得预处理后的第二特征信息;
将所述第一特征信息和第二特征信息进行自适应融合,获得预处理后的目标光学图像。
优选的,所述提取预处理后的目标光学图像中的灰度图像与颜色图像,包括:
确定所述目标光学图像的成像特性,根据所述成像特征构建目标光学图像的成像模型;
利用所述成像模型确定目标光学图像中每个像素的特征值;
在所述特征值中筛选出RGB颜色特征值和灰度特征值;
根据筛选出来的RGB颜色特征值和灰度特征值在目标光学图像中像素的特征值的分布情提取目标光学图像中的灰度图像和颜色图像。
优选的,在分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强之前,所述方法还包括:
估计出目标光学图像中的场景信息并提取其在目标光学图像中的当前相位特征;
获取目标光学图像中所有的第一相位特征,将第一相位特征中的当前相位特征进行剔除,获得第二相位特征;
将所述第二相位特征确认为灰度图像和颜色图像的目标相位特征提取样本。
优选的,分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强,包括:
根据灰度图像和颜色图像各自对应的第一特征参数在所述第二相位特征中提取各自对应的目标相位特征;
利用预设对比度增强处理方法根据灰度图像的第一目标相位特征对其进行增强以实现清晰化处理;
利用预设颜色增强处理方法对颜色图像的第二目标相位特征进行增强以实现颜色校正和加深;
获取增强后的灰度图像和颜色图像。
优选的,所述将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像,包括:
对增强后的灰度图像和颜色图像进行傅里叶变换处理,获得二者各自对应的频谱图;
对比二者的频谱图,根据对比结果确定图像融合方式,所述图像融合方式包括:图像特征融合和图像加权融合;
若图像融合方式为图像特征融合,提取增强后的灰度图像和颜色图像各自对应的第二特征参数进行融合以获得增强后的目标光学图像。
若图像融合方式为图像加权融合,确定增强后的灰度图像和颜色图像每个像素的权重值,根据每个像素的权重值进行融合获得增强后的目标光学图像。
优选的,所述利用预设对比度增强处理方法根据灰度图像的第一目标相位特征对其进行增强以实现清晰化处理,包括:
对所述灰度图像进行小波分解获得其对应的第一高频子带和第一低频子带;
根据所述第一目标相位特征对第一高频子带和第一低频子带进行适应性调整,获得第二高频子带和第二低频子带;
对所述第二高频子带进行平滑处理,对所述第二低频子带利用预设对比度增强处理方法进行对比度增强处理;
对处理后的第二高频子带和第二低频子带进行小波重后以获得增强后的清晰化目标光学图像。
优选的,在所述特征值中筛选出RGB颜色特征值和灰度特征值之后,所述方法还包括:
提取所述RGB颜色特征值和灰度特征值各自对应的特征向量;
对二者各自对应的特征向量进行归一化处理;
计算归一化处理后的RGB颜色特征值和灰度特征值各自对应的均值;
根据二者各自对应的均值确定其各自对应的特征向量的偏离常数;
根据所述偏离常数计算出每个特征向量的偏差值;
确定所述偏差值对应的离散系数特征值,利用预设机器学习模型确定RGB颜色特征值和灰度特征值在下一阶段的变化特征值;
根据所述变化特征值与RGB颜色特征值和灰度特征值的差值计算确定RGB颜色特征值和灰度特征值的变化规律;
基于所述变化规律与每个特征向量的偏差值确定出每个特征向量的纠正值;
将每个特征向量的特征值替换为所述纠正值。
一种增强光学图像的系统,该系统包括:
获取模块,用于获取目标光学图像并对其进行预处理;
提取模块,用于提取预处理后的目标光学图像中的灰度图像与颜色图像;
增强模块,用于分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强;
融合模块,用于将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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。
图1为本发明所提供的一种增强光学图像的方法的工作流程图;
图2为本发明所提供的一种增强光学图像的方法的另一工作流程图;
图3为本发明所提供的一种增强光学图像的方法的又一工作流程图;
图4为本发明所提供的一种增强光学图像的系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
随着显示技术的发展,人们对显示图像的要求越来越高,特别是彩色图像,由于显示器的各方面因素的制约,显示器显示彩色图像往往存在着颜色偏暗、对比度偏低以及局部细节不突出等问题,使得图像中的目标难以识别和分辨,因此在显示彩色图像前,往往需要对彩色图像进行增强处理,以扩大图像中不同物体特征之间的差别,从而改善图像的视觉效果,光学图像为图像类型中的一种,其主要是采用光学摄影系统获取的以感光胶片为介质的图像,通常指可见光和部分红外波段传感器获取的影像数据,现有的图像增强方法主要包括基于直方图的图像增强方法、基于retinex的图像增强方法等,这些增强方法都是依据图像中的亮度信息来对图像进行图像增强,即通过整体的亮度信息来实现图像的增强,由于整体增强在原本图像不清晰的基础上将期望显示着重内容与其他显示内容同时增强从而导致增强效果对于人眼观察来说不明显,降低了工作人员的观看体验感。为了解决上述问题,本实施例公开了一种增强光学图像的方法。
一种增强光学图像的方法,如图1所示,包括以下步骤:
步骤S101、获取目标光学图像并对其进行预处理;
步骤S102、提取预处理后的目标光学图像中的灰度图像与颜色图像;
步骤S103、分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强;
步骤S104、将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像。
上述技术方案的工作原理为:获取目标光学图像并对其进行预处理,提取预处理后的目标光学图像中的灰度图像与颜色图像,分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强,将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像。
上述技术方案的有益效果为:通过着重对目标光学图像的灰度图像和颜色图像进行适应性增强可以针对目标光学图像中的重要内容进行增强,从而保证工作人员对于增强后的目标光学图像的直观观看体验感,使得增强后的目标光学图像的显示效果更佳,解决了现有技术中由于整体增强在原本图像不清晰的基础上将期望显示着重内容与其他显示内容同时增强从而导致增强效果对于人眼观察来说不明显,降低了工作人员的观看体验感的问题。
在一个实施例中,如图2所示,所述获取目标光学图像并对其进行预处理,包括:
步骤S201、将所述目标光学图像分为等面积的多个区域;
步骤S202、提取每个区域内每个像素点的特征信息,对每个像素点的特征信息进行第一预处理,获得预处理后的第一特征信息;
步骤S203、对所述第一特征信息进行第二预处理,获得预处理后的第二特征信息;
步骤S204、将所述第一特征信息和第二特征信息进行自适应融合,获得预处理后的目标光学图像。
上述技术方案的有益效果为:通过对每个像素点的特征信息进行双重预处理可以使得像素更佳清晰,为后续进行图像增强奠定了条件,进一步地,通过将第一特征信息和第二特征信息进行自适应融合可以使得目标光学图像对于两种预处理方式保证一个完整的兼容性,避免出现像素损坏情况的发生,提高了稳定性。
在一个实施例中,如图3所示,所述提取预处理后的目标光学图像中的灰度图像与颜色图像,包括:
步骤S301、确定所述目标光学图像的成像特性,根据所述成像特征构建目标光学图像的成像模型;
步骤S302、利用所述成像模型确定目标光学图像中每个像素的特征值;
步骤S303、在所述特征值中筛选出RGB颜色特征值和灰度特征值;
步骤S304、根据筛选出来的RGB颜色特征值和灰度特征值在目标光学图像中像素的特征值的分布情提取目标光学图像中的灰度图像和颜色图像。
上述技术方案的有益效果为:通过构建目标光学图像的成像模型可以快速地根据输入的目标光学图像的像素内容来获得该像素点的特征值,提高了工作效率,进一步地,通过筛选颜色特征和灰度特征可以有效地将灰度图像和颜色图像各自对应的特征值进行区分同时还避免了无用特征值的影响,提高了精度。
在一个实施例中,在分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强之前,所述方法还包括:
估计出目标光学图像中的场景信息并提取其在目标光学图像中的当前相位特征;
获取目标光学图像中所有的第一相位特征,将第一相位特征中的当前相位特征进行剔除,获得第二相位特征;
将所述第二相位特征确认为灰度图像和颜色图像的目标相位特征提取样本。
上述技术方案的有益效果为:通过剔除基于场景信息无用的当前相位特征可以有效地降低样本内相位特征的数量,去除无用元素的干扰,提高了精度和工作效率。
在一个实施例中,分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强,包括:
根据灰度图像和颜色图像各自对应的第一特征参数在所述第二相位特征中提取各自对应的目标相位特征;
利用预设对比度增强处理方法根据灰度图像的第一目标相位特征对其进行增强以实现清晰化处理;
利用预设颜色增强处理方法对颜色图像的第二目标相位特征进行增强以实现颜色校正和加深;
获取增强后的灰度图像和颜色图像。
上述技术方案的有益效果为:通过利用不同的预设处理方法对灰度图像以及颜色图像进行不同类型的处理可以针对二者特有的表现参数来精准地从最佳角度出发来实现对于灰度图像和颜色图像的增强工作,进一步地提高了工作效率。
在本实施例中,上述利用预设颜色增强处理方法对颜色图像的第二目标相位特征进行增强以实现颜色校正和加深的步骤包括:
根据所述第二目标相位特征确定颜色图像中每个像素点的纹理特征;
根据所述纹理特征计算出颜色图像在RGB空间内部每个通道内的边缘响应:
其中,pij表示为第j个像素点在RGB空间内部第i个通道内的边缘响应,Y表示为常数,exp表示为以e为底的指数函数,Fi表示为RGB空间内部第i个通道内的增益因子,qj表示为第j个像素点的对比度参数,mj表示为第j个像素点的尺寸参数,Tj表示为第j个像素点的纹理特征,d表示为RGB空间的空间维度;
计算每个像素点在RGB空间内部通道的边缘响应均值;
将边缘响应均值的第一像素点进行标记;
检测每个第一像素点的色度分布,根据所述色度分布确定该第一像素点的色度偏差程度;
根据每个第一像素点的平均色度和色度偏差程度计算出该第一像素点的颜色畸变因子:
其中,So表示为第o个第一像素点的颜色畸变因子,Do表示为第o个第一像素点的平均色度,Co表示为第o个第一像素点的色度偏差程度;
根据每个第一像素点的颜色畸变因子计算出该第一像素点的颜色饱和度:
其中,Rk表示为第k个第一像素点的颜色饱和度,Bk表示为第k个像素点的色度采样值,A表示为自适应大气光,e表示为自然常数,取值为2.72,Sk表示为第k个第一像素点的颜色畸变因子,α表示为预设饱和度补偿因子;
将多个第一像素点中颜色饱和度小于预设饱和度的第二像素点进行标记,利用预设颜色增强处理方法对所述第二像素点进行颜色校正和加深。
上述技术方案的有益效果为:通过确定颜色图像中需要进行增强的像素点来针对性地进行增强可以降低处理的像素点的数量,提高了工作效率。
在一个实施例中,所述将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像,包括:
对增强后的灰度图像和颜色图像进行傅里叶变换处理,获得二者各自对应的频谱图;
对比二者的频谱图,根据对比结果确定图像融合方式,所述图像融合方式包括:图像特征融合和图像加权融合;
若图像融合方式为图像特征融合,提取增强后的灰度图像和颜色图像各自对应的第二特征参数进行融合以获得增强后的目标光学图像。
若图像融合方式为图像加权融合,确定增强后的灰度图像和颜色图像每个像素的权重值,根据每个像素的权重值进行融合获得增强后的目标光学图像。
上述技术方案的有益效果为:通过根据增强后的灰度图像和颜色图像的频谱图选择适配的图像融合方式可以保证融合后的目标光学图像与原目标光学图像的一致性,提高了容错率和稳定性。
在一个实施例中,所述利用预设对比度增强处理方法根据灰度图像的第一目标相位特征对其进行增强以实现清晰化处理,包括:
对所述灰度图像进行小波分解获得其对应的第一高频子带和第一低频子带;
根据所述第一目标相位特征对第一高频子带和第一低频子带进行适应性调整,获得第二高频子带和第二低频子带;
对所述第二高频子带进行平滑处理,对所述第二低频子带利用预设对比度增强处理方法进行对比度增强处理;
对处理后的第二高频子带和第二低频子带进行小波重后以获得增强后的清晰化目标光学图像。
上述技术方案的有益效果为:通过对灰度图像的高频子带和低频子带进行不同操作的处理方式可以智能地选择处理方式来对灰度图像进行增强处理,提高了智能性的同时也保证了增强结果可以更加清晰地显示。
在一个实施例中,在所述特征值中筛选出RGB颜色特征值和灰度特征值之后,所述方法还包括:
提取所述RGB颜色特征值和灰度特征值各自对应的特征向量;
对二者各自对应的特征向量进行归一化处理;
计算归一化处理后的RGB颜色特征值和灰度特征值各自对应的均值;
根据二者各自对应的均值确定其各自对应的特征向量的偏离常数;
根据所述偏离常数计算出每个特征向量的偏差值;
确定所述偏差值对应的离散系数特征值,利用预设机器学习模型确定RGB颜色特征值和灰度特征值在下一阶段的变化特征值;
根据所述变化特征值与RGB颜色特征值和灰度特征值的差值计算确定RGB颜色特征值和灰度特征值的变化规律;
基于所述变化规律与每个特征向量的偏差值确定出每个特征向量的纠正值;
将每个特征向量的特征值替换为所述纠正值。
上述技术方案的有益效果为:通过对RGB颜色特征值和灰度特征值进行纠正可以获得更加准确地特征值,使得最终的增强效果更加明显,进一步地提高了工作效率。
本实施例还公开了一种增强光学图像的系统,如图4所示,该系统包括:
获取模块401,用于获取目标光学图像并对其进行预处理;
提取模块402,用于提取预处理后的目标光学图像中的灰度图像与颜色图像;
增强模块403,用于分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强;
融合模块404,用于将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明,此处不再赘述。
本领域技术用户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (9)
1.一种增强光学图像的方法,其特征在于,包括以下步骤:
获取目标光学图像并对其进行预处理;
提取预处理后的目标光学图像中的灰度图像与颜色图像;
分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强;
将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像。
2.根据权利要求1所述增强光学图像的方法,其特征在于,所述获取目标光学图像并对其进行预处理,包括:
将所述目标光学图像分为等面积的多个区域;
提取每个区域内每个像素点的特征信息,对每个像素点的特征信息进行第一预处理,获得预处理后的第一特征信息;
对所述第一特征信息进行第二预处理,获得预处理后的第二特征信息;
将所述第一特征信息和第二特征信息进行自适应融合,获得预处理后的目标光学图像。
3.根据权利要求1所述增强光学图像的方法,其特征在于,所述提取预处理后的目标光学图像中的灰度图像与颜色图像,包括:
确定所述目标光学图像的成像特性,根据所述成像特征构建目标光学图像的成像模型;
利用所述成像模型确定目标光学图像中每个像素的特征值;
在所述特征值中筛选出RGB颜色特征值和灰度特征值;
根据筛选出来的RGB颜色特征值和灰度特征值在目标光学图像中像素的特征值的分布情提取目标光学图像中的灰度图像和颜色图像。
4.根据权利要求1所述增强光学图像的方法,其特征在于,在分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强之前,所述方法还包括:
估计出目标光学图像中的场景信息并提取其在目标光学图像中的当前相位特征;
获取目标光学图像中所有的第一相位特征,将第一相位特征中的当前相位特征进行剔除,获得第二相位特征;
将所述第二相位特征确认为灰度图像和颜色图像的目标相位特征提取样本。
5.根据权利要求4所述增强光学图像的方法,其特征在于,分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强,包括:
根据灰度图像和颜色图像各自对应的第一特征参数在所述第二相位特征中提取各自对应的目标相位特征;
利用预设对比度增强处理方法根据灰度图像的第一目标相位特征对其进行增强以实现清晰化处理;
利用预设颜色增强处理方法对颜色图像的第二目标相位特征进行增强以实现颜色校正和加深;
获取增强后的灰度图像和颜色图像。
6.根据权利要求1所述增强光学图像的方法,其特征在于,所述将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像,包括:
对增强后的灰度图像和颜色图像进行傅里叶变换处理,获得二者各自对应的频谱图;
对比二者的频谱图,根据对比结果确定图像融合方式,所述图像融合方式包括:图像特征融合和图像加权融合;
若图像融合方式为图像特征融合,提取增强后的灰度图像和颜色图像各自对应的第二特征参数进行融合以获得增强后的目标光学图像。
若图像融合方式为图像加权融合,确定增强后的灰度图像和颜色图像每个像素的权重值,根据每个像素的权重值进行融合获得增强后的目标光学图像。
7.根据权利要求5所述增强光学图像的方法,其特征在于,所述利用预设对比度增强处理方法根据灰度图像的第一目标相位特征对其进行增强以实现清晰化处理,包括:
对所述灰度图像进行小波分解获得其对应的第一高频子带和第一低频子带;
根据所述第一目标相位特征对第一高频子带和第一低频子带进行适应性调整,获得第二高频子带和第二低频子带;
对所述第二高频子带进行平滑处理,对所述第二低频子带利用预设对比度增强处理方法进行对比度增强处理;
对处理后的第二高频子带和第二低频子带进行小波重后以获得增强后的清晰化目标光学图像。
8.根据权利要求3所述增强光学图像的方法,其特征在于,在所述特征值中筛选出RGB颜色特征值和灰度特征值之后,所述方法还包括:
提取所述RGB颜色特征值和灰度特征值各自对应的特征向量;
对二者各自对应的特征向量进行归一化处理;
计算归一化处理后的RGB颜色特征值和灰度特征值各自对应的均值;
根据二者各自对应的均值确定其各自对应的特征向量的偏离常数;
根据所述偏离常数计算出每个特征向量的偏差值;
确定所述偏差值对应的离散系数特征值,利用预设机器学习模型确定RGB颜色特征值和灰度特征值在下一阶段的变化特征值;
根据所述变化特征值与RGB颜色特征值和灰度特征值的差值计算确定RGB颜色特征值和灰度特征值的变化规律;
基于所述变化规律与每个特征向量的偏差值确定出每个特征向量的纠正值;
将每个特征向量的特征值替换为所述纠正值。
9.一种增强光学图像的系统,其特征在于,该系统包括:
获取模块,用于获取目标光学图像并对其进行预处理;
提取模块,用于提取预处理后的目标光学图像中的灰度图像与颜色图像;
增强模块,用于分别提取灰度图像和颜色图像各自对应的目标相位特征,利用预设处理方法对二者各自的目标相位特征进行增强;
融合模块,用于将增强后的灰度图像和颜色图像进行融合以获得增强后的目标光学图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111493832.8A CN114202491B (zh) | 2021-12-08 | 2021-12-08 | 一种增强光学图像的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111493832.8A CN114202491B (zh) | 2021-12-08 | 2021-12-08 | 一种增强光学图像的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114202491A true CN114202491A (zh) | 2022-03-18 |
CN114202491B CN114202491B (zh) | 2022-09-09 |
Family
ID=80651396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111493832.8A Active CN114202491B (zh) | 2021-12-08 | 2021-12-08 | 一种增强光学图像的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114202491B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693554A (zh) * | 2022-03-28 | 2022-07-01 | 唐山学院 | 一种大数据图像处理方法及系统 |
CN115100081A (zh) * | 2022-08-24 | 2022-09-23 | 深圳佳弟子科技有限公司 | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003051947A (ja) * | 2002-06-26 | 2003-02-21 | Seiko Epson Corp | 画像処理装置および画像処理方法 |
CN103136733A (zh) * | 2013-02-25 | 2013-06-05 | 中国人民解放军总参谋部第六十一研究所 | 基于多尺度图像分割和颜色传递的遥感图像彩色增强方法 |
CN104063848A (zh) * | 2014-06-19 | 2014-09-24 | 中安消技术有限公司 | 一种低照度图像增强方法和装置 |
CN107784638A (zh) * | 2017-10-27 | 2018-03-09 | 北京信息科技大学 | 一种优化的东巴古籍图像增强方法 |
CN107833195A (zh) * | 2017-11-24 | 2018-03-23 | 北京空间机电研究所 | 在轨海洋暗弱目标光学图像增强方法 |
CN109949247A (zh) * | 2019-03-26 | 2019-06-28 | 常州工学院 | 一种基于yiq空间光学成像模型的梯度域自适应增益水下图像增强方法 |
CN109961415A (zh) * | 2019-03-26 | 2019-07-02 | 常州工学院 | 一种基于hsi空间光学成像模型的自适应增益水下图像增强方法 |
CN110148095A (zh) * | 2019-05-14 | 2019-08-20 | 北京科技大学 | 一种水下图像增强方法及增强装置 |
CN112308854A (zh) * | 2020-11-26 | 2021-02-02 | 武汉工程大学 | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 |
CN113450272A (zh) * | 2021-06-11 | 2021-09-28 | 广州方图科技有限公司 | 一种基于正弦曲线变化的图像增强方法及其应用 |
-
2021
- 2021-12-08 CN CN202111493832.8A patent/CN114202491B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003051947A (ja) * | 2002-06-26 | 2003-02-21 | Seiko Epson Corp | 画像処理装置および画像処理方法 |
CN103136733A (zh) * | 2013-02-25 | 2013-06-05 | 中国人民解放军总参谋部第六十一研究所 | 基于多尺度图像分割和颜色传递的遥感图像彩色增强方法 |
CN104063848A (zh) * | 2014-06-19 | 2014-09-24 | 中安消技术有限公司 | 一种低照度图像增强方法和装置 |
CN107784638A (zh) * | 2017-10-27 | 2018-03-09 | 北京信息科技大学 | 一种优化的东巴古籍图像增强方法 |
CN107833195A (zh) * | 2017-11-24 | 2018-03-23 | 北京空间机电研究所 | 在轨海洋暗弱目标光学图像增强方法 |
CN109949247A (zh) * | 2019-03-26 | 2019-06-28 | 常州工学院 | 一种基于yiq空间光学成像模型的梯度域自适应增益水下图像增强方法 |
CN109961415A (zh) * | 2019-03-26 | 2019-07-02 | 常州工学院 | 一种基于hsi空间光学成像模型的自适应增益水下图像增强方法 |
CN110148095A (zh) * | 2019-05-14 | 2019-08-20 | 北京科技大学 | 一种水下图像增强方法及增强装置 |
CN112308854A (zh) * | 2020-11-26 | 2021-02-02 | 武汉工程大学 | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 |
CN113450272A (zh) * | 2021-06-11 | 2021-09-28 | 广州方图科技有限公司 | 一种基于正弦曲线变化的图像增强方法及其应用 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693554A (zh) * | 2022-03-28 | 2022-07-01 | 唐山学院 | 一种大数据图像处理方法及系统 |
CN114693554B (zh) * | 2022-03-28 | 2023-05-26 | 唐山学院 | 一种大数据图像处理方法及系统 |
CN115100081A (zh) * | 2022-08-24 | 2022-09-23 | 深圳佳弟子科技有限公司 | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 |
CN115100081B (zh) * | 2022-08-24 | 2022-11-15 | 深圳佳弟子科技有限公司 | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114202491B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046673B (zh) | 基于多特征融合的无参考色调映射图像质量评价方法 | |
Agrawal et al. | A novel joint histogram equalization based image contrast enhancement | |
CN110246108B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
Ma et al. | Objective quality assessment for color-to-gray image conversion | |
CN114202491B (zh) | 一种增强光学图像的方法及系统 | |
CN109978854B (zh) | 一种基于边缘与结构特征的屏幕内容图像质量评估方法 | |
CN111401324A (zh) | 图像质量评估方法、装置、存储介质及电子设备 | |
CN109711268B (zh) | 一种人脸图像筛选方法及设备 | |
CN109801233B (zh) | 一种适用于真彩色遥感图像的增强方法 | |
CN116205823A (zh) | 一种基于空域滤波的超声影像去噪方法 | |
Hou et al. | Underwater image dehazing and denoising via curvature variation regularization | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
CN114118144A (zh) | 抗干扰的航空遥感图像阴影精准检测方法 | |
CN113596573B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN110706196B (zh) | 基于聚类感知的无参考色调映射图像质量评价算法 | |
Jiang et al. | Color image enhancement with brightness preservation using a histogram specification approach | |
Trongtirakul et al. | Single backlit image enhancement | |
CN115731146A (zh) | 基于色彩梯度直方图特征光流估计多曝光图像融合方法 | |
CN110910347B (zh) | 一种基于图像分割的色调映射图像无参考质量评价方法 | |
Banić et al. | Puma: A high-quality retinex-based tone mapping operator | |
CN113436081A (zh) | 数据处理方法、图像增强方法及其模型训练方法 | |
CN113298763B (zh) | 一种基于显著性窗口策略的图像质量评估方法 | |
CN109982012B (zh) | 图像处理方法及装置、存储介质、终端 | |
CN113935917A (zh) | 一种基于云图运算和多尺度生成对抗网络的光学遥感影像薄云去除方法 | |
CN113706400A (zh) | 图像矫正方法、装置、显微镜图像的矫正方法及电子设备 |
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 |