基于照度图优化和自适应伽马校正的低照度图像增强方法

1.本发明涉及计算机视觉领域，尤其涉及一种基于照度图优化和自适应伽马校正的低照度图像增强方法。


背景技术：

2.基于先验知识或物理模型的retinex理论在低照度图像增强领域是一种灵活且有效的方法，retinex理论认为，图像可以用照度分量和反射分量乘积的形式表示，其中照度图是低频分量，反射图是高频分量。在进行低照度图增强时，减弱或者移除光照分量的影响，实现色彩恒常性。其中rgb颜色模型是一种面向设备的颜色空间而hsv空间很好的反映了人类对色彩的感知和鉴别，hsv空间三个分量分别为色度、亮度、饱和度。因此进行色彩空间转化，即将图像从rgb空间转向hsv颜色空间。引导图像滤波器具有线性时间复杂度，可以使结果图像和引导图像有相似的边缘，同时和输入图像信息损失最小。引导图像滤波器很好地从亮度图中估计出照度图，从全局来看保留了图像的边缘、局部来看平滑了图像的纹理细节。由于引导滤波在图像的边缘部分容易引入人工伪影，因此在正则化因子引入自适应参数，提高引导图像滤波器的鲁棒性。伽马校正通过对灰度图像进行幂运算，调整图像的对比度，选择恰当的参数对照度图进行调整，从而提高了图像的能见度和边缘细节。但在实际图像处理过程中，通常根据经验将伽马校正参数设置为一个常数，缺乏对具体图像的适应性。


技术实现要素：

3.根据现有技术存在的问题，本发明公开了一种基于照度图优化和自适应伽马校正的低照度图像增强方法，具体包括如下步骤：
4.对低照度图像在hsv空间中的亮度图进行自适应引导滤波处理得到照度图和反射图；
5.根据反射图和照度图得到自适应伽马校正的参数；
6.对照度图进行自适应伽马矫正再结合反射图得到增强的亮度图后再变换到rgb空间中从而得到增强后的图像。
7.进一步的，将低照度图像hsv空间的亮度图进行自适应引导滤波的方式为：
8.将图像由rgb空间转化为hsv空间，其中v分量为亮度图，对亮度图进行自适应引导滤波，将图像的平均局部方差作为自适应正则化因子，基于该自适应正则化因子对亮度图上变化较小部分进行光滑处理，同时保留亮度变化较大的部分从而得到滤波后的照度图，基于retinex理论将亮度图和照度图逐元素相除得到反射图。
9.进一步的，基于自适应正则化因子获得照度图时采用如下方式：将引导图和目标图像输入至引导滤波器中，求得引导滤波器的输出的结果与原图像差异的最小均方误差解，其中引导图像和目标图像均为低照度图像在hsv空间中的亮度分量v，
10.11.其中l为引导图像滤波器的输出结果；获取参数a和b，采用线性回归中常用的最小二乘法进行参数拟合
[0012][0013][0014][0015]
e(a,b)是获取ab参数的目标函数，λζ是图像的正则化参数，计算图像在半径为r的滤波器窗口的平均方差ζ；
[0016][0017][0018][0019]
图像的尺寸是m
×
n,滤波窗口半径为r，滤波器输出的图像是引导滤波器从低照度图像的亮度分量中估计出的照度图，基于滑动窗口的思想计算每个窗口内的平均方差以及每个像素上的照度估计值，对于每个像素的照度估计值再根据通过这一像素的窗口个数得到图像的平均照度图。
[0020]
进一步的，基于照度图和反射图求解图像的自适应伽马校正参数时：
[0021]
基于进行低照度图像亮度分量的自适应gamma校正，构造目标函数对参数r进行寻优，其中是v
en
的均值，对目标函数求解时，利用二阶泰勒级数对指数函数进行近似计算，将log(l)再进行二阶泰勒级数近似，整理可得
[0022]
照度图v
en
的平均值表示为其中e为同v
en
的行大小相同的向量，e中的每个值都是n为矩阵像素的个数，经过以上公式化简，获得目标函数的近似解为
[0023]
选择γ参数的下界既满足对低照度图像照度图的增强。
[0024]
由于采用了上述技术方案，本发明提供的一种基于照度图优化和自适应伽马校正的低照度图像增强方法。该方法针对低照度图像低可见度、低对比度、噪声大等特点，尤其是低照度图像的实时增强，提高了计算机视觉的高级任务、如目标跟踪目标检测的质量，针对低照度图像低可见度等特点，本发明在hsv空间中对亮度图进行处理，利用retinex框架将亮度图分为照度图和反射图，再对照度图进行校正，最终转化为rgb空间。
[0025]
本发明采用改进的引导图像滤波器来估计照度图，其中改进的引导图像滤波器正则化因子从图像的平均方差中衍生出，可以得到保留边缘而图像纹理细节平滑的照度图；针对传统retinex理论反射分量过渡平滑等问题，本发明采用亮度图和照度图相除的方式，无需对数运算简化了计算量。
[0026]
本发明基于重建后图像的亮度均值趋近于0.5作为目标函数，采用泰勒级数二阶近似简化运算，得到自适应参数对照度图进行校正，从而避免了对图像的过度增强；最后将图像变化为rgb空间中，得到增强的高能见度、对比度清晰的低照度图像。整体来看，本发明提出了一种全新的照度图估计方法和一种全新的对低照度图像亮度图进行伽马矫正的参数估计方法，该方法具有鲁棒性和自适应性，并且方法计算速度快，时间复杂度低，从结果上看取得了和当前最先进的方法相媲美的效果。
附图说明
[0027]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术中记载的一些实施例，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的附图。
[0028]
图1为本发明图像增强方法的流程图
[0029]
图2为本发明中低照度图像示意图
[0030]
图3为本发明中低照度图像亮度图的照度图
[0031]
图4为本发明中低照度图像亮度图的反射图
[0032]
图5为本发明中低照度图像校正后的反射图
[0033]
图6为本发明中发明处理后的结果示意图
具体实施方式
[0034]
为使本发明的技术方案和优点更加清楚，下面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的描述：
[0035]
如图1所示的一种基于照度图优化和自适应伽马校正的低照度图像增强方法，该方法是一种在图像的hsv空间中对图像的亮度图进行处理，在retinex框架利用自适应引导滤波将图像亮度图分为照度图和反射图，结合反射图和照度图求得自适应伽马校正参数并对照度图进行调整，之后将图像变化为rgb空间得到增强后的图像，具体包括如下步骤：
[0036]
s1：将图像从rgb空间变化到hsv空间，对亮度图进行自适应引导滤波，得到图像的照度图，如图2和图3所示；
[0037]
s2：基于retinex框架，亮度图和照度图逐像素相除得到反射图如图4和图5所示，
并计算出自适应伽马校正的参数；
[0038]
s3：对照度图进行伽马校正得到重建后图像的亮度图，再结合图像饱和度和色度信息将其变化为rgb空间。
[0039]
进一步地所述将低照度图像hsv空间的亮度图进行自适应引导滤波过程如下：
[0040]
s1-1将图像由rgb空间转化为hsv空间，第三个分量为亮度图。
[0041]
s1-2将亮度图进行自适应引导滤波，其中自适应正则化因子从图像的平均方差衍生而来，得到照度图。
[0042]
将图像从rgb空间中转向hsv空间
[0043]
t
max
为rgb三个通道的最大值，t
min
为rgb三个通道的最小值；
[0044]
亮度v为t
max
；
[0045]
饱和度s：如果t
max
＝0则s＝0；如果t
max
≠0则
[0046]
色度h：如果t
max
＝t
min
则h＝0；如果t
max
＝r且g≥b，则如果t
max
＝r且g《b，则如果t
max
＝g则如果t
max
＝b则
[0047]
引导图像滤波器的引导图像和输入图像均为低照度图像在hsv空间中的亮度分量；
[0048][0049]
其中v是引导图像，l为引导图像滤波器的输出结果。
[0050]
获取参数a和b，基于引导图像滤波器输出的结果与原图像差异最小，采用线性回归中常用的最小二乘法进行参数拟合可知
[0051][0052][0053][0054]
其中e(a,b)是获取ab参数的目标函数，λζ是图像的正则化参数
[0055]
计算图像的在半径为r的滤波器窗口的平均方差ζ；
[0056][0057]
[0058][0059]
图像的尺寸是m
×
n,滤波窗口半径为r。
[0060]
在本发明中引导图像的滤波半径为5，参数λ的值为5，滤波器输出的图像是引导滤波器从低照度图像的照度分量中估计出的照度图；其中retinex模型如下：
[0061]
v(x)＝l(x)
·
r(x)其中等式左边表示观察到的亮度图，右边第一项为照度图，第二项为反射图。
[0062]
如下结合亮度图和照度图,求出图像反射图
[0063]
if l(i)＝＝0,r(i)＝＝0；
[0064]
其中i表示图像矩阵中的元素索引
[0065]
进一步的，根据已知信息计算出图像自适应伽马校正的参数，基于先验知识，增强后的亮度平均值趋近于某阈值，构建目标函数，自适应计算出图像的伽马校正参数，步骤如下
[0066]
基于进行低照度图像亮度分量的自适应gamma校正；
[0067]
构造目标函数对参数r进行寻优；
[0068]
将将log(l)再进行二阶泰勒级数近似，
[0069]
整理可得
[0070]
照度图v
en
的平均值可以表示为其中e为同v
en
的行大小相同的向量，e中的每个值都是n为矩阵像素的个数。
[0071]
经过以上公式化简，从目标函数中得到
[0072]
基于低照度图像增强的经验，选择γ参数的下界既可以满足对低照度图像照度图的增强；
[0073]
最后再将增强后的图像重建至rgb空间，步骤如下
[0074]
将图像变化为rgb空间，其过程如下
[0075][0076]
其中
[0077]
p＝v
×
(1-s),q＝v
×
(1-f
×
s)
[0078]
t＝v
×
(1-(1-f)
×
s)
[0079]
图1为原始图片，图4为本发明处理后的图片，可以看出本发明提高了图片的可见度和边缘。
[0080]
以上所述，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。