CN117422656B - 一种低照度模糊交通图像增强方法、装置、设备及介质 - Google Patents
一种低照度模糊交通图像增强方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117422656B CN117422656B CN202311720308.9A CN202311720308A CN117422656B CN 117422656 B CN117422656 B CN 117422656B CN 202311720308 A CN202311720308 A CN 202311720308A CN 117422656 B CN117422656 B CN 117422656B
- Authority
- CN
- China
- Prior art keywords
- component
- low
- image
- brightness
- saturation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000005286 illumination Methods 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/30236—Traffic on road, railway or crossing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明提供了一种低照度模糊交通图像增强方法、装置、设备及介质,涉及道路监测技术领域,包括获取低照度模糊交通图像,预处理后转换为高光谱图像;提取所述高光谱图像中的色调分量、第一饱和度分量和第一亮度分量,对所述第一亮度分量依次进行去模糊处理得到第二亮度分量,将第二亮度分量分解为第一入射分量和第一反射分量;分别对所述第一反射分量和第一入射分量进行图像增强处理得到第二反射分量和第二入射分量;提取第二亮度分量中的细节层,将所述细节层与第二入射分量和第二反射分量进行合并生成第三亮度分量;本发明用于提高低照度模糊交通图像的图像增强效果、图像质量和去除模糊效果。
Description
技术领域
本发明涉及交通监测技术领域,具体而言,涉及一种低照度模糊交通图像增强方法、装置、设备及介质。
背景技术
如今很多道路病害检测都是根据光照充足且都是像素级的交通图片进行检测,检测病害的效果都较好。但在低照度环境下,目标的边缘、纹理、颜色等细节特征不够明显,因此低照度图像的目标检测效果并不理想。同时车载摄像会随着汽车的速度、和道路不平整等不稳定因素导致拍摄出来的画质会产生运动模糊。现如今低照度模糊道路病害图像相关研究较少且效果尚不理想,在当前的图像处理技术下,难以同时满足既能提高图像质量又能提高清晰度。随着当前目标检测任务的应用需求不断增加,低照度模糊图像的图像增强效果、图像质量和去除模糊效果的技术问题亟待解决。
发明内容
本发明的目的在于提供一种低照度模糊交通图像增强方法、装置、设备及介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了一种低照度模糊交通图像增强方法,包括:
获取低照度模糊交通图像,对所述低照度模糊交通图像进行预处理后转换为高光谱图像;
提取所述高光谱图像中的色调分量、第一饱和度分量和第一亮度分量,对所述第一亮度分量依次进行去模糊处理得到第二亮度分量,将第二亮度分量分解为第一入射分量和第一反射分量;
分别对所述第一反射分量和第一入射分量进行图像增强处理得到第二反射分量和第二入射分量;
提取第二亮度分量中的细节层,将所述细节层与第二入射分量和第二反射分量进行合并生成第三亮度分量;
基于第二亮度分量和第三亮度分量对所述第一饱和度分量进行自适应调整以生成第二饱和度分量;
融合色调分量、第二饱和度分量以及第三亮度分量后得到增强后的图像。
第二方面,本申请还提供了一种低照度模糊交通图像增强装置,包括:
图像转换模块:获取低照度模糊交通图像,对所述低照度模糊交通图像进行预处理后转换为高光谱图像;
分解模块:提取所述高光谱图像中的色调分量、第一饱和度分量和第一亮度分量,对所述第一亮度分量依次进行去模糊处理得到第二亮度分量,将第二亮度分量分解为第一入射分量和第一反射分量;
图像增强模块:分别对所述第一反射分量和第一入射分量进行图像增强处理得到第二反射分量和第二入射分量;
提取模块:提取第二亮度分量中的细节层,将所述细节层与第二入射分量和第二反射分量进行合并生成第三亮度分量;
自适应调整模块:基于第二亮度分量和第三亮度分量对所述第一饱和度分量进行自适应调整以生成第二饱和度分量;
融合模块:融合色调分量、第二饱和度分量以及第三亮度分量后得到增强后的图像。
第三方面,本申请还提供了一种低照度模糊交通图像增强设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述低照度模糊交通图像增强方法的步骤。
第四方面,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于低照度模糊交通图像增强方法的步骤。
本发明的有益效果为:
1、本发明在进行图像的空间转换过程前,首先进行了白平衡和伽马校正,能够在很大程度上提高图像的亮度和颜色恢复度,大大降低颜色失真。
2、本发明将图像从RGB空间转换到HSI空间过程中,在亮度分量引入盲去模糊算法,使得低照度模糊图像可以变的清晰,能够降低模糊度,有助于提高图像的细节。
3、本发明将入射分量进行小波分解,分解成低频分量和高频分量,然后分别从低频分量和高频分量进行图像增强,实现突出图像细节的同时尽可能的恢复色彩信息,使得整体视觉效果会更加柔和。
本发明的其他特征和优点将在随后的说明书阐述,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实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的低照度模糊交通图像增强方法流程示意图;
图2为本发明实施例中所述的低照度模糊交通图像增强装置结构示意图;
图3为本发明实施例中所述的低照度模糊交通图像增强设备结构示意图。
图中标记:
800、低照度模糊交通图像增强设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、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清楚、完整地描述,显然,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种低照度模糊交通图像增强方法。
参见图1,图中示出了本方法包括:
S1.获取低照度模糊交通图像,对所述低照度模糊交通图像进行预处理后转换为高光谱图像;
具体的,所述步骤S1包括:
S11.采用最大值校正法对低照度模糊交通图像进行白平衡处理,实现图像的色彩平衡;
具体的,由于低照度图像有些色偏,提高对低照度图像进行白平衡,调整R、G、B三个颜色分量的值,使之达到基础的图像色彩平衡,处理方法为:;(1)
式中,表示像素点的坐标,/>表示用于校准光照的常量,/>表示表示照,/>表示R、G、B任意一种颜色分量,即分别计算像素点R的最大值、G的最大值、B的最大值。
S12.对白平衡处理后的低照度模糊交通图像进行伽马校正,以改变图像的明暗,具体的,通过两个变化参数和/>用于调整伽马函数的形状,改变图像的明暗,处理过程如下:/>;(2)
式中,表示输出图像,/>表示输入图像。
当时,输入图像和输出图像的范围是[0,1];
当时,表示提高灰度级,使得图像变亮;/>表示减低灰度级,使得图像变暗。优选的,/>的计算方法如下:
;(3)
其中,表示图像的标准差,/>表示图像均值。
本实施例对低照度模糊交通图像进行伽马校正之后整体提高亮度,在后续的图像空间转换时能够减少转换过程出现色差偏移。
S13.将伽马校正后的低照度模糊交通图像信息空间转换,生成高光谱图像,优选的,将低照度模糊交通图像从RGB空间转换到HSI空间。在HSI色彩空间中,各个颜色分量都是相互独立的,能消除各颜色分量之间的相关性,保持色调分量不变,只需要调整饱和度分量和亮度分量就可以达到增强图像效果的目的。
基于以上实施例,本方法包括:
S2.提取所述高光谱图像中的色调分量、第一饱和度分量/>和第一亮度分量/>;对所述第一亮度分量/>依次进行去模糊处理得到第二亮度分量,将第二亮度分量分解为第一入射分量/>和第一反射分量/>;
具体的,所述步骤S2包括:
S21.构建深度图像先验模型,将所述第一亮度分量输入深度图像先验模型中进行去模糊处理得到第二亮度分量/>;
具体的,所述深度图像先验模型包括非对称自动编码器和全连接网络结构/>,/>被部署为捕获模糊核的深度先验,其输出层采用Sigmoid非线性以将模糊图像中的像素约束在范围[0,1],/>被部署为潜在清洗图像的深度先验,其中SoftMax非线性应用于输出层以满足非负和等式约束,并将1D输出重塑为2D模糊核。
本实施例采用深度图像先验模型对第一亮度分量进行处理,初步实现对图像进行细节修复后得到第二亮度分量/>。
S22.采用多尺度中心环绕法将去模糊处理后的第一亮度分量进行分解,生成第一入射分量/>和第一反射分量/>;
所述多尺度中心环绕法的处理过程具体如下:
;(4)
;(5)
式中,表示第一反射分量,/>表示第二亮度分量,/>表示高斯环绕函数,/>表示/>的权重,当且仅当/>时,/>,/>表示尺度函数,/>表示第/>个尺度,/>表示卷积运算,/>表示第一入射分量。
基于以上实施例,本方法包括:
S3.分别对所述第一反射分量和第一入射分量/>进行图像增强处理得到第二反射分量/>和第二入射分量/>;
具体的,所述步骤S3包括:
S31.计算第一反射分量的均值/>和方差/>;
S32.基于所述均值和方差/>计算得到第一反射分量中的最大值/>和最小值/>;
;(6)
;(7)
式中,和/>均表示动态参数,本实施例中,/>。
S33.利用所述最大值和最小值对第一反射分量进行均方差量化处理得到第二反射分量/>;
;(8)
S34.将所述第一入射分量进行小波变换处理,得到低频分量和高频分量;
本实施例中,将图像作为一个二维离散信号进行小波变换处理,优选的,利用‘sym4’小波分解处理第一入射分量,分解后得到一个低频分量/>和三个高频分量,三个所述高频分量分别为水平细节分量/>、垂直细节分量/>和对角细节分量/>,一个低频分量和三个高频分量的表示如下:
;(9)
其中,用于度量水平边缘的变化,/>是来度量垂直边缘的变化,而/>度量对角方向上的变化。/>和/>均表示一维尺度函数,/>和/>均表示一维小波函数。
S35.获取低频分量中超过预设阈值的灰度级;
S36.将灰度级超出预设阈值灰度平均分配到剩余的各灰度级,以对低频分量进行直方图均衡处理;
优选的,采用限制对比度自适应直方图均衡算法(CLAHE)对低频分量进行处理。
S37.对高频分量进行非线性变换处理;
本实施例中,采用下述方法依次对三个高频分量进行非线性变换处理:
;(10)
式中,表示待处理的图像分量,/>表示调整参数,用于控制增强的强度,优选的,/>取0.0006,/>是处理之后的图像分量。
S38.由直方图均衡处理处理后的低频分量和非线性变换处理后的高频分量融合为第二入射分量。
基于以上实施例,本方法包括:
S4. 提取第二亮度分量中的细节层,将所述细节层与第二入射分量/>和第二反射分量/>进行合并生成第三亮度分量/>;
对第二亮度分量进行均值滤波处理以提取细节层;
具体的,滤波处理的过程如下:
;(11)
;(12)
式中,表示细节层,/>表示第一亮度分量,/>表示卷积操作,/>表示均值滤波后的图像,/>表示均值滤波前的图像,/>表示滤波核大小。
基于以上实施例,本方法包括:
S5.基于第二亮度分量和第三亮度分量/>对所述第一饱和度分量/>进行自适应调整以生成第二饱和度分量/>;
具体的,所述步骤S5包括:
S51.计算第二亮度分量与第三亮度分量/>的亮度比值/>:
;(13)
S52.对所述亮度比值进行归一化处理;
;(14)
式中, 表示亮度比值最大值,/>表示亮度比值最小值, />表示归一化的亮度比值。本实施例中,/>分量与/>分量之间的相关性呈正相关。当/>较大时,说明当前位置的亮度值增强较大,相应的/>分量也做较大的增强调整,反之亦然。
S53.利用归一化处理后的亮度比值对第一饱和度分量进行饱和度自适应调整,得到第二饱和度分量;
;(15)
基于以上实施例,本方法包括:
基于以上实施例,本方法包括:
S6.融合色调分量、第二饱和度分量以及第三亮度分量后得到增强后的图像,优选的,将色调分量、第二饱和度分量以及第三亮度分量融合后得到HSI图像,再将HSI图像转化为RGB图像,进行颜色校正,避免出现色偏的情况,保持其自然性,达到图像增强的目的。
实施例2:
如图2所示,本实施例提供了一种低照度模糊交通图像增强装置,所述装置包括:
图像转换模块:获取低照度模糊交通图像,对所述低照度模糊交通图像进行预处理后转换为高光谱图像;
分解模块:提取所述高光谱图像中的色调分量、第一饱和度分量和第一亮度分量,对所述第一亮度分量依次进行去模糊处理得到第二亮度分量,将第二亮度分量分解为第一入射分量和第一反射分量;
图像增强模块:分别对所述第一反射分量和第一入射分量进行图像增强处理得到第二反射分量和第二入射分量;
提取模块:提取第二亮度分量中的细节层,将所述细节层与第二入射分量和第二反射分量进行合并生成第三亮度分量;
自适应调整模块:基于第二亮度分量和第三亮度分量对所述第一饱和度分量进行自适应调整以生成第二饱和度分量;
融合模块:融合色调分量、第二饱和度分量以及第三亮度分量后得到增强后的图像。
基于以上实施例, 所述图像转换模块包括:
白平衡处理单元:采用最大值校正法对低照度模糊交通图像进行白平衡处理,实现图像的色彩平衡;
伽玛校正单元:对白平衡处理后的低照度模糊交通图像进行伽马校正,以改变图像的明暗;
信息转换单元:将伽马校正后的低照度模糊交通图像信息空间转换,生成高光谱图像。
基于以上实施例, 所述分解模块包括:
模型构建单元:构建深度图像先验模型,将所述第一亮度分量输入深度图像先验模型中进行去模糊处理得到第二亮度分量;
分解单元:采用多尺度中心环绕法将去模糊处理后的第一亮度分量进行分解,生成第一入射分量和第一反射分量。
基于以上实施例, 所述图像增强模块包括:
第一计算单元:计算第一反射分量的均值和方差;
第二计算单元:基于所述均值和方差计算得到第一反射分量中的最大值和最小值;
量化处理单元:利用所述最大值和最小值对第一反射分量进行均方差量化处理得到第二反射分量。
基于以上实施例, 所述图像增强模块还包括:
小波变换单元:将所述第一入射分量进行小波变换处理,得到低频分量和高频分量;
获取单元:获取低频分量中超过预设阈值的灰度级;
分配单元:将灰度级超出预设阈值灰度平均分配到剩余的各灰度级,以对低频分量进行直方图均衡处理;
变换单元:对高频分量进行非线性变换处理;
融合单元:由直方图均衡处理处理后的低频分量和非线性变换处理后的高频分量融合为第二入射分量。
基于以上实施例, 所述自适应调整模块包括:
第三计算单元:计算第二亮度分量与第三亮度分量的亮度比值;
归一化处理单元:对所述亮度比值进行归一化处理;
调整单元:利用归一化处理后的亮度比值对第一饱和度分量进行饱和度自适应调整,得到第二饱和度分量。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种低照度模糊交通图像增强设备,下文描述的一种低照度模糊交通图像增强设备与上文描述的一种低照度模糊交通图像增强方法可相互对应参照。
图3是根据示例性实施例示出的一种低照度模糊交通图像增强设备800的框图。如图3所示,该低照度模糊交通图像增强设备800可以包括:处理器801,存储器802。该低照度模糊交通图像增强设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该低照度模糊交通图像增强设备800的整体操作,以完成上述的低照度模糊交通图像增强方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该低照度模糊交通图像增强设备800的操作,这些数据例如可以包括用于在该低照度模糊交通图像增强设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该低照度模糊交通图像增强设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,低照度模糊交通图像增强设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的低照度模糊交通图像增强方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的低照度模糊交通图像增强方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由低照度模糊交通图像增强设备800的处理器801执行以完成上述的低照度模糊交通图像增强方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种低照度模糊交通图像增强方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的低照度模糊交通图像增强方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种低照度模糊交通图像增强方法,其特征在于,包括:
获取低照度模糊交通图像,对所述低照度模糊交通图像进行预处理后转换为HSI图像,包括:
采用最大值校正法对低照度模糊交通图像进行白平衡处理,实现图像的色彩平衡;
对白平衡处理后的低照度模糊交通图像进行伽马校正,以改变图像的明暗;
将伽马校正后的低照度模糊交通图像信息空间转换,生成HSI图像;
提取所述HSI图像中的色调分量、第一饱和度分量和第一亮度分量,对所述第一亮度分量依次进行去模糊处理得到第二亮度分量,将第二亮度分量分解为第一入射分量和第一反射分量;
分别对所述第一反射分量和第一入射分量进行图像增强处理得到第二反射分量和第二入射分量,包括:
将所述第一入射分量进行小波变换处理,得到低频分量和高频分量;
获取低频分量中超过预设阈值的灰度级;
将灰度级超出预设阈值灰度平均分配到剩余的各灰度级,以对低频分量进行直方图均衡处理;
对高频分量进行非线性变换处理;
由直方图均衡处理处理后的低频分量和非线性变换处理后的高频分量融合为第二入射分量;
提取第二亮度分量中的细节层,将所述细节层与第二入射分量和第二反射分量进行合并生成第三亮度分量;
基于第二亮度分量和第三亮度分量对所述第一饱和度分量进行自适应调整以生成第二饱和度分量;
融合色调分量、第二饱和度分量以及第三亮度分量后得到增强后的图像。
2.根据权利要求1所述的低照度模糊交通图像增强方法,其特征在于,对所述第一亮度分量依次进行去模糊处理得到第二亮度分量,将第二亮度分量分解为第一入射分量和第一反射分量,包括:
构建深度图像先验模型,将所述第一亮度分量输入深度图像先验模型中进行去模糊处理得到第二亮度分量;
采用多尺度中心环绕法将去模糊处理后的第一亮度分量进行分解,生成第一入射分量和第一反射分量。
3.根据权利要求1所述的低照度模糊交通图像增强方法,其特征在于,基于第二亮度分量和第三亮度分量对所述第一饱和度分量进行自适应调整以生成第二饱和度分量,包括:
计算第二亮度分量与第三亮度分量的亮度比值;
对所述亮度比值进行归一化处理;
利用归一化处理后的亮度比值对第一饱和度分量进行饱和度自适应调整,得到第二饱和度分量。
4.一种低照度模糊交通图像增强装置,其特征在于,包括:
图像转换模块:获取低照度模糊交通图像,对所述低照度模糊交通图像进行预处理后转换为HSI图像,包括:
采用最大值校正法对低照度模糊交通图像进行白平衡处理,实现图像的色彩平衡;
对白平衡处理后的低照度模糊交通图像进行伽马校正,以改变图像的明暗;
将伽马校正后的低照度模糊交通图像信息空间转换,生成HSI图像;
分解模块:提取所述HSI图像中的色调分量、第一饱和度分量和第一亮度分量,对所述第一亮度分量依次进行去模糊处理得到第二亮度分量,将第二亮度分量分解为第一入射分量和第一反射分量;
图像增强模块:分别对所述第一反射分量和第一入射分量进行图像增强处理得到第二反射分量和第二入射分量,包括:
小波变换单元:将所述第一入射分量进行小波变换处理,得到低频分量和高频分量;
获取单元:获取低频分量中超过预设阈值的灰度级;
分配单元:将灰度级超出预设阈值灰度平均分配到剩余的各灰度级,以对低频分量进行直方图均衡处理;
变换单元:对高频分量进行非线性变换处理;
融合单元:由直方图均衡处理处理后的低频分量和非线性变换处理后的高频分量融合为第二入射分量;
提取模块:提取第二亮度分量中的细节层,将所述细节层与第二入射分量和第二反射分量进行合并生成第三亮度分量;
自适应调整模块:基于第二亮度分量和第三亮度分量对所述第一饱和度分量进行自适应调整以生成第二饱和度分量;
融合模块:融合色调分量、第二饱和度分量以及第三亮度分量后得到增强后的图像。
5.根据权利要求4所述的低照度模糊交通图像增强装置,其特征在于,所述分解模块包括:
模型构建单元:构建深度图像先验模型,将所述第一亮度分量输入深度图像先验模型中进行去模糊处理得到第二亮度分量;
分解单元:采用多尺度中心环绕法将去模糊处理后的第一亮度分量进行分解,生成第一入射分量和第一反射分量。
6.根据权利要求4所述的低照度模糊交通图像增强装置,其特征在于,所述自适应调整模块包括:
第三计算单元:计算第二亮度分量与第三亮度分量的亮度比值;
归一化处理单元:对所述亮度比值进行归一化处理;
调整单元:利用归一化处理后的亮度比值对第一饱和度分量进行饱和度自适应调整,得到第二饱和度分量。
7.一种低照度模糊交通图像增强设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至3任一项所述低照度模糊交通图像增强方法的步骤。
8.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述低照度模糊交通图像增强方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311720308.9A CN117422656B (zh) | 2023-12-14 | 2023-12-14 | 一种低照度模糊交通图像增强方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311720308.9A CN117422656B (zh) | 2023-12-14 | 2023-12-14 | 一种低照度模糊交通图像增强方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117422656A CN117422656A (zh) | 2024-01-19 |
CN117422656B true CN117422656B (zh) | 2024-04-12 |
Family
ID=89526890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311720308.9A Active CN117422656B (zh) | 2023-12-14 | 2023-12-14 | 一种低照度模糊交通图像增强方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117422656B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268598A (zh) * | 2013-06-13 | 2013-08-28 | 武汉大学 | 基于Retinex理论的低照度低空遥感影像增强方法 |
CN107578383A (zh) * | 2017-08-29 | 2018-01-12 | 北京华易明新科技有限公司 | 一种低照度图像增强处理方法 |
CN108876741A (zh) * | 2018-06-22 | 2018-11-23 | 中国矿业大学(北京) | 一种复杂光照条件下的图像增强方法 |
CN109447910A (zh) * | 2018-10-09 | 2019-03-08 | 湖南源信光电科技股份有限公司 | 一种基于模糊理论的低照度彩色图像增强方法 |
CN111161170A (zh) * | 2019-12-18 | 2020-05-15 | 江苏科技大学 | 一种用于目标识别的水下图像综合增强方法 |
CN113989147A (zh) * | 2021-10-26 | 2022-01-28 | 安徽大学 | 基于直方图均衡和改进反锐化掩模的内窥镜图像增强方法 |
CN114037641A (zh) * | 2021-10-19 | 2022-02-11 | 山东信通电子股份有限公司 | 一种低照度图像增强方法、装置、设备及介质 |
CN114897753A (zh) * | 2022-05-13 | 2022-08-12 | 安徽工程大学 | 一种低照度图像增强方法 |
CN115249211A (zh) * | 2021-04-27 | 2022-10-28 | 复旦大学 | 一种基于水下非均匀入射光模型的图像复原方法 |
CN115358948A (zh) * | 2022-08-23 | 2022-11-18 | 广西科技大学 | 一种基于改进Retinex算法的低照度图像增强方法 |
CN116993616A (zh) * | 2023-08-11 | 2023-11-03 | 中国科学院长春光学精密机械与物理研究所 | 一种单幅低照度场景图像增强方法及增强系统 |
-
2023
- 2023-12-14 CN CN202311720308.9A patent/CN117422656B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268598A (zh) * | 2013-06-13 | 2013-08-28 | 武汉大学 | 基于Retinex理论的低照度低空遥感影像增强方法 |
CN107578383A (zh) * | 2017-08-29 | 2018-01-12 | 北京华易明新科技有限公司 | 一种低照度图像增强处理方法 |
CN108876741A (zh) * | 2018-06-22 | 2018-11-23 | 中国矿业大学(北京) | 一种复杂光照条件下的图像增强方法 |
CN109447910A (zh) * | 2018-10-09 | 2019-03-08 | 湖南源信光电科技股份有限公司 | 一种基于模糊理论的低照度彩色图像增强方法 |
CN111161170A (zh) * | 2019-12-18 | 2020-05-15 | 江苏科技大学 | 一种用于目标识别的水下图像综合增强方法 |
CN115249211A (zh) * | 2021-04-27 | 2022-10-28 | 复旦大学 | 一种基于水下非均匀入射光模型的图像复原方法 |
CN114037641A (zh) * | 2021-10-19 | 2022-02-11 | 山东信通电子股份有限公司 | 一种低照度图像增强方法、装置、设备及介质 |
CN113989147A (zh) * | 2021-10-26 | 2022-01-28 | 安徽大学 | 基于直方图均衡和改进反锐化掩模的内窥镜图像增强方法 |
CN114897753A (zh) * | 2022-05-13 | 2022-08-12 | 安徽工程大学 | 一种低照度图像增强方法 |
CN115358948A (zh) * | 2022-08-23 | 2022-11-18 | 广西科技大学 | 一种基于改进Retinex算法的低照度图像增强方法 |
CN116993616A (zh) * | 2023-08-11 | 2023-11-03 | 中国科学院长春光学精密机械与物理研究所 | 一种单幅低照度场景图像增强方法及增强系统 |
Non-Patent Citations (2)
Title |
---|
Low-Light image enhancement algorithm based on HSI color space;Fan Wu等;《 2017 10th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics》;20180226;正文1-6 * |
光照不均图像的非线性自适应增强算法;洪炎等;《激光与光电子学进展》;20230912;第60卷(第16期);88-97 * |
Also Published As
Publication number | Publication date |
---|---|
CN117422656A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9641820B2 (en) | Advanced multi-band noise reduction | |
CN110008969B (zh) | 图像显著性区域的检测方法和装置 | |
JP4460839B2 (ja) | デジタル画像鮮鋭化装置 | |
US11127117B2 (en) | Information processing method, information processing apparatus, and recording medium | |
US10410327B2 (en) | Shallow depth of field rendering | |
US9135681B2 (en) | Image chroma noise reduction | |
JP4456819B2 (ja) | デジタル画像鮮鋭化装置 | |
WO2020152521A1 (en) | Systems and methods for transforming raw sensor data captured in low-light conditions to well-exposed images using neural network architectures | |
WO2013168618A1 (ja) | 画像処理装置及び画像処理方法 | |
CN110852997B (zh) | 动态图像清晰度检测方法、装置、电子设备及存储介质 | |
CN111986120A (zh) | 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN110942427A (zh) | 一种图像降噪的方法及装置、设备、存储介质 | |
US20200394764A1 (en) | Chrominance and luminance enhancing systems and methods | |
CN113379609B (zh) | 一种图像处理方法、存储介质及终端设备 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
JP2024037722A (ja) | コンテンツに基づく画像処理 | |
KR102583038B1 (ko) | 지향성 스케일링 시스템들 및 방법들 | |
CN117422656B (zh) | 一种低照度模糊交通图像增强方法、装置、设备及介质 | |
CN112233037A (zh) | 基于图像分割的图像增强系统及方法 | |
CN113744169A (zh) | 图像增强方法、装置、电子设备和存储介质 | |
JP5197447B2 (ja) | 画像処理装置及び撮像装置 | |
CN113674144A (zh) | 一种图像处理方法、终端设备及可读存储介质 | |
CN111915497A (zh) | 一种图像黑白增强方法、装置、电子设备和可读存储介质 | |
Pardhi et al. | Contrast Enhancement Using Adaptive Threshold Based Dynamic Range Adjustment In Luv Colour Space |
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 |