CN114897753A - 一种低照度图像增强方法 - Google Patents

Abstract

本发明公开的一种低照度图像增强方法，包括如下步骤：将低照度的彩色图像A从RGB色彩空间转化到HSV空间，提取亮度分量V；将彩色图像A转换为灰度图像A₁，灰度图像A₁经同态滤波后获得到增强后的灰度图像A₂，提取灰度图像A₂的亮度分量V₁；以灰度图像A₂作为引导图像，经引导滤波对亮度分量V进行增强，获取第一次增强后的亮度分量V₂；对亮度分量V₂进行中心环绕的Retinex增强，获取第二次增强后的亮度分量V₃；对亮度分量V₁、亮度分量V₂及亮度分量V₃对应的灰度图像进行主成分PCA融合，获得融合灰度图像的亮度分量V₄，转换回RGB空间，即获取增强后的彩色图像。令图像保持绝大多数低频信息的同时，有能避免丢失边缘及细节信息，增强后的图像信噪比优势明显。

Description

一种低照度图像增强方法

技术领域

本发明属于图像增强技术领域，更具体地，本发明涉及一种低照度图像增强方法。

背景技术

图像增强是图像处理中的一个重要环节，主要针对雾霾环境、偏色图像、光照不均、低照度这四种环境情况处理。其中，低照度图像是指在光照强度低、环境光微弱或者背景光昏暗的条件下获得的图像，具有灰度水平低、信息不明显、细节模糊和颜色失真等特点，为了使图像满足人类视觉系统对图像感知的舒适度或满足机器视觉系统中对输入图像的要求，需要对低照度图像进行增强。

目前，常见的低照度图像增强方法包括直方图均衡化、对比度增强、滤波器增强、基于暗原色先验增强。直方图均衡化中大多数采用基于自适应直方图受限的均衡化算法，其优点在于处理速度较快，算法易于实现，然后却存在针对于低照度的彩色图像增强易导致色彩失真较大的缺点。对比度增强会令低照度图像中的亮暗区域的区分度更加明显。滤波器增强算法中的滤波器核函数可变，且参数较多。基于暗原色先验增强是把低照度图像看作是雾天图像，利用大气散射模型设计的图像增强算法，然而其实现的前提是假设局部区域内透射率为常数，处理后的图像会产生块效应。

发明内容

本发明提供一种低照度图像增强方法，基于离散小波变换和主成分交叉融合对低照度图像进行增强，运行速度较快，且增强后的图像颜色失真度较小。

本发明是在这样实现的，一种低照度图像增强方法，所述方法具体包括如下步骤：

S1、将低照度的彩色图像A从RGB色彩空间转化到HSV空间，提取亮度分量V、色相分量H、饱和度分量S；

S2、将彩色图像A转换为灰度图像A₁，灰度图像A₁经同态滤波后获得到增强后的灰度图像A₂，提取灰度图像A₂的亮度分量V₁；

S3、以灰度图像A₂作为引导图像，经引导滤波对亮度分量V进行增强，获取第一次增强后的亮度分量V₂；

S4、对亮度分量V₂进行中心环绕的Retinex增强，获取第二次增强后的亮度分量V₃；

S5、对亮度分量V₁、亮度分量V₂及亮度分量V₃对应的灰度图像进行主成分PCA融合，获得融合灰度图像的亮度分量V₄，将色相分量H、饱和度分量S及亮度分量V₄转换回RGB空间，即获取增强后的彩色图像。

进一步的，亮度分量V₁、亮度分量V₂及亮度分量V₃对应的灰度图像的主成分PCA融合方法具体如下：

对任意两幅灰度图像的亮度分量进行第一次PCA融合，将第一次PCA融合后灰度图像的亮度分量与剩余灰度图像的亮度分量进行第二次PCA融合，第二次PCA融合后灰度图像的亮度分量即为亮度分量V₄。

进一步的，两灰度图像A_i和A_j的融合方法具体如下：

S51、将灰度图像A_i、灰度图像A_j的像素值转为列向量；

S52、计算两列向量的协方差矩阵，对协方差矩阵进行K-L变换，即可获得仅含特征值的对角阵和正交特征向量矩阵v，对特征向量矩阵v进行归一化；

S54、确定灰度图像A_i、灰度图像A_j的权重系数Φ(A_i)、Φ(A_j)；

S54、基于小波变换分解出灰度图像A_i、灰度图像A_j的低频逼近分量、水平高频分量、垂直高频分量及对角高频分量；

S54、基于权重系数Φ(A_i)、Φ(A_j)对灰度图像A_i、灰度图像A_j的低频逼近分量、水平高频分量、垂直高频分量及对角高频分量分别加权融合，获得低频逼近分量、水平高频分量、垂直高频分量及对角高频分量的融合值；

S55、对低频逼近分量、水平高频分量、垂直高频分量及对角高频分量的融合值进行小波逆变换，即获取完成了灰度图像A_i、灰度图像A_j；

其中，i的取值为2～4，j的取值为2～4，且i≠j。

进一步的，灰度图像A_i、灰度图像A_j的权重系数Φ(A_i)、Φ(A_j)的确定方法具体如下：

对灰度图像A_i、灰度图像A_j分别进行一级小波分解；

若D_i(1,1)＞D_i(2,2)，则

否则

若D_j(1,1)＞D_j(2,2)，则

否则

其中D_i(1,1)、D_j(1,1)分别表示灰度图像A_i、灰度图像A_j一级小波分解后的低频系数LL，D_i(2,2)、D_j(2,2)分别表示灰度图像A_i、灰度图像A_j、一级小波分解后的高频系数HH；

对系数m(A_i)、m(A_j)进行归一化，即形成灰度图像A_i、灰度图像A_j的权重系数Φ(A_i)、Φ(A_j)。

进一步的，在步骤S5之后还包括：

S6、对增强后的彩色图像进行拉普拉斯锐化处理。

本发明将RGB空间的图像转换为HSV空间的图像，保留S饱和度和H色调不变，仅对亮度分量进行调整，因而运行速度较快，且能保持增强后的图像颜色失真度较小；离散小波变换与PCA交叉融合方法，可以令图像保持绝大多数低频信息的同时，有能避免丢失边缘及细节信息，增强后的图像信噪比优势明显。

附图说明

图1为本发明实施例提供的低照度图像增强方法流程图；

图2为本发明实施例提供的不同方法下的增强效果的对比图；

图3为本发明实施例提供的不同低照度原始图像的增强效果图。

具体实施方式

下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

本发明提出的基于离散小波变换和主成分交叉融合的低照度图像增强方法，首先将低照度彩色图像由RGB空间转换为HSV空间，而后利用已经同态滤波增强的灰度图像引导亮度分量增强，继而采用基于中心-环绕Retinex进行亮度分量增强，这样就得到了三种增强后的灰度图像，再利用离散小波变换分解三种灰度图像的低频和高频图像，通过主成分交叉融合低频和高频图像，最后将融合增强后的亮度分量与色调分量、饱和度分量进行合并，再转换回RGB空间后，进行拉普拉斯锐化输出。

图1为本发明实施例提供的低照度图像增强方法流程图，该方法具体包括如下步骤：

S1、将低照度的彩色图像A从RGB色彩空间转化到HSV空间，提取亮度分量V、色相分量H、饱和度分量S；

本发明中的低照度的彩色图像是指照度值位于(0.01Lux，1Lux)之间的彩色图像，彩色图像A从RGB色彩空间转化到HSV空间的转换过程具体如下：

S11、将源彩色图像A的R值、G值及B值进行归一化，形成R′值、G′值及B′值，位于区间[0,1]；

R′＝R/255；G′＝G/255；B′＝B/255

S12、获取R′值、G′值及B′值中的最大值Cmax、最小值Cmin及动态范围Δ，其表达式具体如下：

Cmax＝max(R′,G′,B′)；

Cmin＝min(R′,G′,B′)；

Δ＝Cmax-Cmin。

S13、将R′值、G′值及B′值转换到HSV空间，获取H值、S值及V值，分别为色相分量、饱和度分量和亮度分量，根据下面公式进行转换：

V＝Cmax。

S2、将彩色图像A转换为灰度图像A₁，灰度图像A₁经同态滤波后获得到增强后的灰度图像A₂，提取灰度图像A₂的亮度分量V₁；

采用加权平均法将彩色图像A转化为灰色图像A₁，转换公式具体如下：

F＝(G+B+R)/3；

其中，F表示灰度图像A₁的像素灰度值。

在本发明实施例中，灰度图像A₁的同态滤波方法具体如下：

灰度图像A₁由照射分量和反射分量合成，此时，先将灰度图像A₁取对数，分离照度分量i和反射分量r，即：

z(x，y)＝lnf(x，y)＝lni(x，y)+lnr(x，y)

其中，f(x，y)表示灰度图像A₁在(x，y)处的灰度值，i(x，y)表示灰度图像A₁在(x，y)处的照度分量，r(x，y)表示灰度图像A₁在(x，y)处的反射分量；

将照度分量i和反射分量r转换至频域，即上述等式两边取傅里叶变换，得到：

Z(u，v)＝F_i(u，v)+F_r(u，v)

F_i(u，v)表示经过傅里叶变换后的照度分量，F_r(u，v)表示经过傅里叶变换后的反射分量。

使用高斯高通滤波器对F_i(u，v)、F_r(u，v)进行滤波，滤波结束后，对滤波后的h_i(u，v)、h_r(u，v)依次进行傅里叶反变换、指数运算，得到增强后的灰度图像A₂；

H(u，v)Z(u，v)＝H(u，v)F_i(u，v)+H(u，v)F_r(u，v)

其中，H(u，v)为高斯型高通滤波器传递函数，D(u，v)＝[(u-u₀)²+(v-v₀)²]^1/2表示频率(u，v)到滤波器中心(u₀，v₀)的距离，Gh、Gl分别为高频和低频增益，D₀为截止频率到滤波器中心(u₀，v₀)的距离，c是控制斜面锐化的常数。

S3、以灰度图像A₂作为引导图像，经引导滤波对亮度分量V进行增强，获取第一次增强后的亮度分量V₂；

S4、对亮度分量V₂进行中心环绕的Retinex增强，获取第二次增强后的亮度分量V₃；

中心-环绕函数为二维高斯函数，即：

其中，c为高斯环绕的尺度参数，默认为200；λ为尺度常数，默认为1，上述二维高斯环绕函数需满足正规化条件，(x_i，y_j)表示中心圆域中像素点的坐标，即：

∑_i∑_jG(x_i，y_j)＝1，(i，j)为中心圆域Ω的可列集

输出的反射分量：

其中，*为卷积运算符号，V(x_i，x_j)表示位置(x_i，y_j)处的亮度分量V₂。

此时，今反射分量归一化至[0，255]后，即可获得增强的亮度分量。

S5、对亮度分量V₁、亮度分量V₂及亮度分量V₃对应的灰度图像进行主成分PCA融合，提取融合灰度图像的亮度分量V₄，将H分量、S分量及V₄分量转换回RGB空间，即获取增强后的彩色图像。

在本发明实施例中，亮度分量V₁、亮度分量V₂及亮度分量V₃对应灰度图像的主成分PCA融合方法具体如下：

对任意两幅灰度图像的亮度分量进行第一次PCA融合，将第一次PCA融合后灰度图像的亮度分量与剩余灰度图像的亮度分量进行第二次PCA融合，第二次PCA融合后灰度图像的亮度分量即为亮度分量V₄。

假定先将灰度图像A₂、亮度分量V₂对应的灰度图像A₃进行第一次PCA融合，融合后形成灰度图像A₅，再将灰度图像A₄与灰度图像A₅进行融合，融合后形成灰度图像A₆，灰度图像A₆的亮度分量即为度分量V4，融合过程具体如下：

S51、将灰度图像A₂、灰度图像A₃的像素值转为列向量，即：

其中，灰度图像A₂、灰度图像A₃的大小为M*N，其中n＝M*N。

S52、计算两列向量的协方差矩阵，即：

cov(A₂,A₃)＝E[(A₂-μ₂)(A₃-μ₃)]；

其中，μ₂、μ₃分别表示灰度图像A₂、灰度图像A₃的像素均值，E表示期望；

S53、对协方差矩阵进行K-L变换，即可获得仅含特征值的对角阵值和正交特征向量矩阵v，对正交特征向量矩阵v进行归一化。

S54、确定灰度图像A₂、灰度图像A₃的权重系数Φ(A₂)及Φ(A₃)，其确定方法具体如下：

对灰度图像A₂、灰度图像A₃分别进行一级小波分解；若D₂(1,1)＞D₂(2,2)，则

否则

若D₃(1,1)＞D₃(2,2)，则

否则

其中D₂(1,1)、D₃(1,1)分别表示灰度图像A₂、灰度图像A₃进行一级小波分解后的低频系数LL，D₂(2,2)、D₃(2,2)分别表示灰度图像A₂、灰度图像A₃进行一级小波分解后的高频系数HH；v(n,m)表示特征向量矩阵v中第n行第m列的元素值，n的取值为1～2，m的取值为1～2，最后对系数m(A₂)、m(A₃)及m(A₄)进行归一化，即形成灰度图像A₂、灰度图像A₃的权重系数Φ(A₂)及Φ(A₃)。

S55、基于小波变换分解出灰度图像A₂、灰度图像A₃的低频逼近分量、水平高频分量、垂直高频分量及对角高频分量；

S56、基于权重系数Φ(A₂)及Φ(A₃)将灰度图像A₂及灰度图像A₃的低频逼近分量、水平高频分量、垂直高频分量及对角高频分量分别加权融合，获得低频逼近分量、水平高频分量、垂直高频分量及对角高频分量的融合值；

S57、对低频逼近分量、水平高频分量、垂直高频分量及对角高频分量的融合值进行小波逆变换，即获取完成了灰度图像A₂及灰度图像A₃的PCA融合，形成灰度图像A₅。

之后进行灰度图像A₄及灰度图像A₅的PCA融合，将灰度图像A₄作为灰度图像A₃，灰度图像A₅作为灰度图像A₂，执行上述步骤S51至步骤S57，即可完成灰度图像A₄及灰度图像A₅的PCA融合。

在本发明实施例中，在步骤S5之后还包括：

S6、对增强后的彩色图像进行拉普拉斯锐化处理。

增强后的彩色图像的边缘模糊，细节不突出，运用拉普拉斯锐化算子进行三通道的锐化增强后合并。

首先，定义八邻域的拉普拉斯锐化模板

利用拉普拉斯锐化模板与增强后的彩色图像的卷积，并依据下式获得锐化图像：

g(x,y)表示锐化处理后坐标(x,y)位置处的像素值，f(x,y)为增强后的彩色图像在坐标(x,y)位置处的像素值，

为拉普拉斯算子；

相比较其他方法，本发明在图像均值、方差、边缘保持度和结构相似度等方面保持良好的性能指标，效果见图2，相关参数详见表1。

表1不同算法下图像增强效果的对比

不同照度的原始图像，经本发明提供的“离散小波+主成分融合”(即表1和表2中的DWTPCCF)增强后的图像效果如图3所示，相关性能指标见表2。

表2不同照度下，DWTPCCF的性能指标对比

本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (5)

1.一种低照度图像增强方法，其特征在于，所述方法具体包括如下步骤：

S1、将低照度的彩色图像A从RGB色彩空间转化到HSV空间，提取亮度分量V、色相分量H、饱和度分量S；

S2、将彩色图像A转换为灰度图像A₁，灰度图像A₁经同态滤波后获得到增强后的灰度图像A₂，提取灰度图像A₂的亮度分量V₁；

S3、以灰度图像A₂作为引导图像，经引导滤波对亮度分量V进行增强，获取第一次增强后的亮度分量V₂；

S4、对亮度分量V₂进行中心环绕的Retinex增强，获取第二次增强后的亮度分量V₃；

S5、对亮度分量V₁、亮度分量V₂及亮度分量V₃对应的灰度图像进行主成分PCA融合，获得融合灰度图像的亮度分量V₄，将色相分量H、饱和度分量S及亮度分量V₄转换回RGB空间，即获取增强后的彩色图像。

2.如权利要求1所述低照度图像增强方法，其特征在于，亮度分量V₁、亮度分量V₂及亮度分量V₃对应的灰度图像的主成分PCA融合方法具体如下：

对任意两幅灰度图像的亮度分量进行第一次PCA融合，将第一次PCA融合后灰度图像的亮度分量与剩余灰度图像的亮度分量进行第二次PCA融合，第二次PCA融合后灰度图像的亮度分量即为亮度分量V₄。

3.如权利要求1所述低照度图像增强方法，其特征在于，两灰度图像A_i和A_j的融合方法具体如下：

S51、将灰度图像A_i、灰度图像A_j的像素值转为列向量；

S52、计算两列向量的协方差矩阵，对协方差矩阵进行K-L变换，即可获得仅含特征值的对角阵和正交特征向量矩阵v，对特征向量矩阵v进行归一化；

S54、确定灰度图像A_i、灰度图像A_j的权重系数Φ(A_i)、Φ(A_j)；

S54、基于小波变换分解出灰度图像A_i、灰度图像A_j的低频逼近分量、水平高频分量、垂直高频分量及对角高频分量；

S54、基于权重系数Φ(A_i)、Φ(A_j)对灰度图像A_i、灰度图像A_j的低频逼近分量、水平高频分量、垂直高频分量及对角高频分量分别加权融合，获得低频逼近分量、水平高频分量、垂直高频分量及对角高频分量的融合值；

S55、对低频逼近分量、水平高频分量、垂直高频分量及对角高频分量的融合值进行小波逆变换，即获取完成了灰度图像A_i、灰度图像A_j；

其中，i的取值为2～4，j的取值为2～4，且i≠j。

4.如权利要求3所述低照度图像增强方法，其特征在于，灰度图像A_i、灰度图像A_j的权重系数Φ(A_i)、Φ(A_j)的确定方法具体如下：

对灰度图像A_i、灰度图像A_j分别进行一级小波分解；

若D_i(1,1)＞D_i(2,2)，则

否则

若D_j(1,1)＞D_j(2,2)，则

否则

其中D_i(1,1)、D_j(1,1)分别表示灰度图像A_i、灰度图像A_j一级小波分解后的低频系数LL，D_i(2,2)、D_j(2,2)分别表示灰度图像A_i、灰度图像A_j、一级小波分解后的高频系数HH；

对系数m(A_i)、m(A_j)进行归一化，即形成灰度图像A_i、灰度图像A_j的权重系数Φ(A_i)、Φ(A_j)。

5.如权利要求1所述低照度图像增强方法，其特征在于，在步骤S5之后还包括：

S6、对增强后的彩色图像进行拉普拉斯锐化处理。

Images