一种基于双树复小波变换的低光照图像增强方法
【技术领域】
[0001] 本发明属于图像处理领域，特别涉及一种基于双树复小波变换的低光照图像增强 方法。
【背景技术】
[0002] 对比度增强一直以来都是热门研究课题，在外界环境光不足条件下拍摄的图像往 往包含大量的暗像素区域，在这些区域图像细节的可视性降低。在暗环境下获得的图像通 常具有灰度级低且分布集中的特性，使得图像的对比度低、动态范围窄。因此，图像处理的 首要任务就是改善原始图像的对比度，使人眼感知到的视觉效果更好，可以获得更多的视 觉信息。近年来，为克服传统对比度增强方法处理低光照图像的不足，学者提出了一些针对 低光照图像特性的图像增强方法，并将其推广到视频处理中。
[0003] 2010 年ArturLoza,DavidR.Bull,PaulR.Hill和AlinM.Achim在 201017th InternationalConferenceonImageProcessing(ICIP)上名为"Automaticcontrast enhancementoflow-lightimagesbasedonlocalstatisticsofwavelet coefficients"的论文中提出了一种基于小波系数局部统计信息的低光照图像自动对比度 增强方法。该方法基于小波系数的局部散布建模双变量柯西分布，依据此构造非线性函数 在小波域上对图像进行增强和降噪处理，增强暗图像对比度的同时抑制噪声的产生。
[0004] 2013 年Shih-ChiaHuang,Fan-ChiehCheng和Yi-ShengChiu在IEEETrans. ImageProcessing上名为"Efficientcontrastenhancementusingadaptivegamma correctionwithweightingdistribution"的论文中提出了一种基于自适应伽马校正的 低光照图像增强方法。该方法第一步计算图像的统计直方图，得到图像概率分布信息。第 二步，利用权重分布函数调整图像的统计直方图，并得到相应的累积分布函数，从而根据累 积分布函数得到伽马校正中的伽马算子，实现伽马校正的自适应调整以提高低光照图像的 对比度。
[0005] 在实现本发明的过程中，发明人发现现有技术至少存在以下问题：
[0006] 前者使用的数学理论相对较复杂，且对噪声的抑制效果不是很理想，而后者主要 依赖于图像概率的分布，低光照图像概率分布的不均匀使图像增强过程动态范围分配不合 理，大大降低了增强后图像的质量，并导致颜色失真。
【发明内容】
[0007] 为了解决现有技术的问题，一种基于双树复小波变换的低光照图像增强方法，所 述基于双树复小波变换的低光照图像增强方法，包括：
[0008] 将待处理图像的颜色空间进行转换，得到转换后的第一图像；
[0009] 将所述第一图像进行亮度补偿处理，得到处理后的亮度补偿图像；
[0010] 对所述亮度补偿图像进行双树复小波变换，获取所述亮度补偿图像中亮度分量的 低通子带和高通子带，对所述低通子带和所述高通子带进行处理，得到处理后图像； toon] 提取所述处理后图像中的处理后亮度分量以及所述待处理图像中的原始亮度分 量，根据处理后亮度分量与所述原始亮度分量的比值，结合所述待处理图像中的彩色分量， 获取输出图像。
[0012] 可选的，所述将所述第一图像进行亮度补偿处理，得到处理后的亮度补偿图像，包 括：
[0013] 提取所述第一图像中的亮度分量，通过双边滤波器将所述亮度分量分为基层分量 和细节层分量，基于所述基层分量和所述细节层分量，获取增强后的细节层分量；
[0014] 根据所述基层分量与所述增强后的细节层分量，确定细节信息增强的亮度分量；
[0015] 根据所述细节信息增强的亮度分量的取值范围，对所述第一图像的动态分为进行 处理，得到处理后的亮度补偿图像。
[0016] 可选的，对所述亮度补偿图像进行双树复小波变换，获取所述亮度补偿图像中亮 度分量的低通子带和高通子带，对所述低通子带和所述高通子带进行处理，得到处理后图 像，包括：
[0017] 提取所述亮度补偿图像中的细节信息增强的亮度分量，对所述细节信息增强的亮 度分量进行双树复小波变换，得到低通子带和高通子带；
[0018] 根据预设阈值对所述高通子带中的小波系数进行分类调整，得到调整后的高通子 带系数，通过对比度受限自适应直方图均衡方法对所述低通子带中的系数进行调整，得到 调整后的低通子带系数；
[0019] 根据所述调整后的高通子带系数和所述调整后的低通子带系数，通过双树复小波 反变换对所述亮度补偿图像中的亮度分量进行重构，基于重构后的亮度分量对所述亮度补 偿图像进行处理，得到处理后图像。
[0020] 可选的，所述根据预设阈值对所述高通子带中的小波系数进行分类调整，得到调 整后的高通子带系数，包括：
[0021] 根据所述高通子带中的小波系数取值，将所述高频子带分为强边缘、弱边缘和噪 声；
[0022] 保留所述强边缘的小波系数，对所述弱边缘的小波系数进行加强处理，将所述噪 声的小波系数置为零。
[0023] 可选的，提取所述处理后图像中的处理后亮度分量以及所述待处理图像中的原始 亮度分量，根据处理后亮度分量与所述原始亮度分量的比值，结合所述待处理图像中的彩 色分量，获取输出图像，包括：
[0024] 提取所述处理后图像中的处理后亮度分量和所述待处理图像中的原始亮度分 量；
[0025] 基于所述处理后亮度分量和所述原始亮度分量构建转换矩阵；
[0026] 根据所述转换矩阵，结合所述待处理图像中的彩色分量，获取输出彩色分量；
[0027] 根据所述输出彩色分量，确定输出图像。本发明提供的技术方案带来的有益效果 是：
[0028] 通过在处理过程中利用双树复小波变换在小波域进行对比度增强和图像降噪，由 于其平移不变性、良好的选择性和重构特性等为低光照图像降噪提供了保障，还由于对小 波系数进行分类，并用非线性增强函数对分类后的系数进行处理，使得在增强图像对比度 的同时降低噪声，提升了低光照图像的可读性。
【附图说明】
[0029] 为了更清楚地说明本发明的技术方案，下面将对实施例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发明的一些实施例，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。
[0030]图1是本发明提供的一种基于双树复小波变换的低光照图像增强方法的流程示 意图；
[0031]图2是本发明提供的一种基于双树复小波变换的低光照图像增强方法中双树复 小波变换分解过程的示意图；
[0032]图3是本发明提供的一种基于双树复小波变换的低光照图像增强方法的对亮度 图像经双树复小波变换后所得到高通子带方向信息的描述的示意图；
[0033]图4(a)是本发明提供的一种基于双树复小波变换的低光照图像增强方法的仿真 实验样本a的示意图；
[0034]图4(b)是本发明提供的一种基于双树复小波变换的低光照图像增强方法的仿真 实验样本（b)的示意图；
[0035]图4(c)是本发明提供的一种基于双树复小波变换的低光照图像增强方法的仿真 实验样本（c)的示意图；
[0036]图4是（d)本发明提供的一种基于双树复小波变换的低光照图像增强方法的仿真 实验样本⑷的示意图；
[0037]图4(e)是本发明提供的一种基于双树复小波变换的低光照图像增强方法的仿真 实验样本（e)的示意图；
[0038]图4(f)是本发明提供的一种基于双树复小波变换的低光照图像增强方法的仿真 实验样本（f)的示意图；
[0039]图5(a)是本发明提供的一种基于双树复小波变换的低光照图像增强方法中对样 本图4(a)仿真的结果示意图一；
[0040]图5(b)是本发明提供的一种基于双树复小波变换的低光照图像增强方法中对样 本图4(a)仿真的结果示意图二；
[0041]图5(c)是本发明提供的一种基于双树复小波变换的低光照图像增强方法中对样 本图4(a)仿真的结果示意图三；
[0042]图6(a)是本发明提供的一种基于双树复小波变换的低光照图像增强方法中对样 本图4(c)仿真的结果示意图一；
[0043]图6(b)是本发明提供的一种基于双树复小波变换的