一种用于交通视频图像的增强处理方法和装置的制造方法
【技术领域】
[0001] 本发明涉及的是视频图像处理的技术领域，尤其涉及的是一种用于交通视频图像 的增强处理方法和装置。
【背景技术】
[0002] 随着智能交通领域的迅猛发展，视频图像处理技术也逐渐成为研究的热门课题， 并得到广泛应用。由于受到复杂多变的成像环境，以及成像设备硬件等因素的干扰，采集的 视频图像灰阶分布极易严重不均，导致视频图像质量的衰减。视频图像有时候直接作为司 法取证的有效辅助证据，能否较好地呈现图像感兴趣目标的关键细节特征显得尤其重要， 比如路面车辆型号，车牌字符、驾驶员以及行人的面部特征等。因此，交通视频图像显得较 为特殊。交通摄像机通常采用图像增强方法来改善画质，突显局部关键特征，同时减弱或者 剔除无关信息，有针对性地增强图像整体轮廓细节及感兴趣目标的有效特征。
[0003] 图像增强处理技术属于一种图像分析与处理的主要手段。该方法基本的思想是通 过特定数学方法对图像灰阶特征进行分析处理并完成重建，达到改善成像质量的目的。如 何在复杂多变的环境下，交通领域摄像机输出视频图像抑制噪声的同时，较好地自适应增 强图像局部区域细节特征，成为当前该领域的难点问题之一。
[0004] 近年来，一些研究者针对图像质量衰减现象提出了诸多图像增强方法。根据图像 处理方法的作用空间域不同，可以划分为空域和频域两种处理方法。在多季节变换，全天时 工作、光照条件复杂多变等情况下，摄像机视频图像所采用的增强方法，必须要考虑感兴趣 目标（如车牌、人脸等）的局部特征增强效果、噪声抑制效果，同时还要具备良好的自适应 性。
[0005] 传统的空域处理直接以像素灰阶作为处理对象，该方法实现简单，可操作性强。常 见方法有图像锐化滤波，灰度映射，对比度调整，直方图均衡化等。其中，图像锐化滤波是通 过锐化掩膜的方式来增强图像细节。该方法在锐化细节时引入甚至放大了局部噪声。灰度 映射和对比度调整是采用映射函数形式来调节图像，采用固定的全局映射关系函数，无法 根据图像内容进行自适应。直方图均衡化是图像全部灰阶的像素进行概率统计，然后通过 概率累加和来构建灰阶映射曲线，达到灰阶均衡分布的效果，该方法易出现噪声放大以及 灰阶过拉伸等问题。图像增强的频域处理是先对整幅图像进行变换操作（如傅氏变换等） 到频域，然后在频域进行平滑消噪、曲线映射等处理，最后通过反变换获得处理后图像。由 于频域处理计算量复杂、设计成本高，亦不能很好地兼顾图像噪声抑制和图像局部细节的 自适应增强。
[0006] 专利号为CN103020920B，名称为一种低照度图像增强方法，该方法利用亮通道先 验和暗通道先验来对灰度和彩色低照度图像进行增强处理，不足之处是不能较好地抑制噪 声，也不能根据图像局部细节特征来自适应增强处理。
[0007] 专利号为CN104574328A，名称为一种基于直方图分割的彩色图像增强方法，该方 法属于在直方图均衡化基础上的改进方法，存在的问题是不能解决局部细节增强问题以及 噪声对图像增强带来的副作用问题。
【发明内容】
[0008] 本发明的目的在于克服现有技术的不足，提供了一种用于交通视频图像的增强处 理方法和装置，旨在解决传统图像增强方法存在的暗处噪声抑制欠佳、局部细节增强不明 显、局部过增强等问题。
[0009] 本发明是通过以下技术方案实现的：
[0010] 本发明提供了一种用于交通视频图像的增强处理方法，包括以下步骤：
[0011] 步骤Sl :利用视频图像采集模块采集视频信息，提取视频信息中的每帧图像，获 得连续的多帧图像的数据流；
[0012] 步骤S2 :将步骤Sl连续的多帧图像送入存储缓存区，根据图像的通道数依次估算 图像每个通道的噪声强度；
[0013] 步骤S3 :交通领域视频图像车辆、行人的局部特征通常作为数字图像取证的关键 依据，实际应用案例中，对这些图像目标的边沿细节特征的要求很高，因此，在选取图像滤 波器进行噪声消除的时候要注重图像细节边沿特征的保护；目前用于图像降噪处理的二维 降噪滤波器通常有均值滤波器，高斯滤波器，双边滤波器等；其中双边滤波器属于领域内比 较成熟的技术，双边滤波器的降噪效果受到掩膜窗口大小，空间邻近度因子σ d，亮度相似 度因子O1^的约束；其中：掩膜窗口大小影响邻域加权系数的采样范围，在操作时常选取固 定值，比如5X5 ;空间邻近度因子影响图像平坦区域的降噪强度，取值越大则降噪程度越 大；亮度相似度因子约束图像边沿区域降噪强度，该参数也决定了双边滤波器件的边沿保 持特性，鉴于其在图像降噪处理时图像边沿保护效果较好，比较合适用来处理细节特征纹 理较多的图像；但是通用双边滤波器件一般是采用预置的全局降噪强度参数，不能自适应 估计噪声参数；本发明中，利用优化的双边滤波器对当前帧图像I进行去噪处理并获得消 噪图像Ibf，具体为：设双边滤波器的掩膜窗口大小为一固定值，将步骤S2估算的图像各通 道的噪声强度直接赋值给双边滤波器的空间邻近度因子σ d，双边滤波器的亮度相似度因 子〇尨值为空间邻近度因子?肭2. 5倍，从而控制双边滤波器的空间邻近度因子〇 ,和 亮度相似度因子σ p使得图像降噪处理程度按照不同照度场景的噪声估算水平自适应调 整，防止预置的全局噪声强度引起降噪过度或者降噪不足问题，以达到边沿保持特性和噪 声强度自适应估计有效结合的目的；最后，利用该优化的双边滤波器进行去噪处理并获得 消噪图像Ibf;
[0014] 步骤S4 :根据步骤S3的消噪图像1^的R、G、B通道信号，建立亮度图像转换模型 并生产亮度图像Υ，所述图像亮度转换模型的计算公式为：
[0016] 式中，R通道系数，W ,为G通道系数，w AB通道系数，全部通道权重系数总
[0017] 然后，构建二维高斯内核掩膜系数对提取的亮度图像Y进行加权平滑处理，获得 亮度平滑图像Ys_th，二维高斯内核掩膜系数生成函数为：
[0019] 式中，i，j表示空间坐标位置，其中（i，j) = (0, 0)表示中心点坐标，q表示高斯 平滑强弱控制参数；该步主要是创建中心像素单元与局部邻域像素之间的约束关系，以将 亮度平滑图像Ys_th直接作为灰阶局部映射权重系数图像。
[0020] 步骤S5 :使用亮度平滑图像Ys_th进行局部特征信息的提取并进行特征预处理， 拟合出连续灰阶映射表；
[0021] 步骤S6 :以图像通道X像素单元为对象，依据亮度平滑图像Ys_th，以及连续灰阶 映射表LUTtniGO，构造具有局部自适应特性的图像灰阶映射关系函数，其关系式如下：
[0023] 式中的X代表增强输入图像信号，X e {R，G，B}，λ为增强处理强度，〇 < λ < 1， λ从整体上控制图像暗处细节和高亮细节映射强度，防止出现过增强现象；
[0024] 步骤S7 :将消噪图像1』勺所有通道信号用灰阶映射关系函数LTMF处理，获得增 强后图像Iciut，输出1_至视频图像显示模块。
[0025] 所述步骤S2中，图像噪声强度的估计方法，包括以下步骤：
[0026] 步骤S201 :分别对每个通道上的当前帧图像FrameCur和上帧图像FrameRef进行 绝对差值计算，获得绝对差值图像FrameAbs ;
[0027] 步骤S202 :对绝对差值图像FrameAbs进行筛选处理，具体为：设置运动判断阈 值ThrMotion，如果绝对差值图像FrameAbs的像素单元对应的数值大于运动判断阈值 ThrMotion，则将该绝对差值图像FrameAbs的像素单元的绝对差值设置为0,以便消除运动 对噪声估计的影响，如果绝对差值图像FrameAbs的像素单元对应的数值小于或等于运动 判断阈值ThrMotion，则认为该处的绝对差值是由于视频图像帧间的浮动噪声引起，将该区 域标记位为噪声区域，绝对差值作为整幅图像噪声估算的部分参考数值；筛选处理的计算 结果标记为当前噪声图像FrameCurNoise，相应地，其上帧噪声图像为FrameRefNoise ;