一種模擬人類視覺感知的自適應低照度圖像增強方法
【專利說明】
[0001]
技術領域： 本發明涉及圖像處理技術，具體來講，涉及一種模擬人類視覺感知的自適應低照度圖 像增強方法。
[0002] 技術背景： 在圖像采集或視頻監控的應用中，經常會遇到夜晚、背光、曝光不足等低照度情況，這 種情況下采集到的圖像對比度較低，顏色不飽和、細節信息丟失嚴重，給很多工作帶來不 便。利用低照度彩色圖像增強技術，可以有效減小低照度環境對圖像或視頻獲取裝置的影 響，從而有效提升視頻監控、圖像識別、計算機視覺等系統在低照度情況下的性能，解決許 多工作難題。因此研究低照度圖像的增強是非常有必要的。
[0003] 目前低照度圖像增強的算法主要有三大類：空域法、變換域法和融合法。空域法主 要有直方圖法、灰度變換法、Retinex算法、基于大氣散射模型增強算法。直方圖法是空域增 強中最簡單有效的方法之一，其采用灰度統計特征將原始圖像中的灰度直方圖從較為集中 的灰度區間轉變為均勻分布于整個灰度區間的變換方法。該方法簡單有效且處理速度快， 但是這種算法對噪聲敏感，細節易丟失。韓殿元提出來了一種改進的直方圖均衡化算法，該 算法有效克服傳統直方圖法灰度級過度合并細節易丟失的問題，但是對彩色圖像易發生顏 色失真現象。灰度變換法運算速度快，但是參數難以確定，無法自適應增強，有時存在過增 強的問題。ZHOU等提出了一種同時增強全局亮度及局部對比度的方法，該算法有效的解決 了灰度變換中算法的自適應問題，但是無法提高較暗圖像視覺效果。灰度變換法指將輸入 圖像中較窄帶的低灰度值映射為較寬帶的輸出灰度值，常用的映射方式有對數變換以及拋 物線變換。其主要優點是運算速度快，其缺點是參數難以確定，針對不同的圖像無法自適應 調節，有時存在過增強的問題。Retinex算法是一種基于光照補償的圖像增強方法，能夠同 時實現圖像的全局和局部對比度增強，以及基于灰度假設的顏色校正，達到增強效果。包含 多種改進算法，最為應用廣泛的是中心/領域Retinex算法，其中包括由NASA提出的帶彩 色恢復的多尺度Retinex算法（MSRCR)。但是由于中心/領域Retinex算法的本質是基于 灰度假設，而均勻顏色區域違背了灰度假設，所以處理后的圖像顏色去飽和而變為灰色調， 存在嚴重的顏色失真問題。而MSRCR算法的顏色復原過程實際上是引入原始圖像的非線性 函數來補償中心/領域Retinex算法處理過程中損失的顏色信息，并不是恢復場景的真實 顏色，違背了顏色恒常性的原理，色彩失真嚴重。近些年來，由于圖像去霧的火熱，基于大 氣散射模型的增強算法也流行起來。許多學者把這一模型應用到低照度圖像增強上，Dong etc.在 2011 年發表的 "FAST EFFICIENT ALGORITHM FOR RNHANCEMENT OF LOW LIGHTING VIDIO"論文，把暗原色先驗去霧算法應用到低照度圖像增強上，但當場景不連續時，會出現 塊瑕疵。
[0004] 變換域法是通過某種變換將圖像轉換到一個空間域，再對系數進行某種處理，最 后對系數進行反變換得到增強圖像。常見的變換域方法有高通濾波，小波變換等。高通濾 波首先對圖像進行傅里葉變換，然后通過一個高通濾波器，增強高頻分量（即增強圖像的細 節)，同時抑制低頻分量，最后進行傅里葉反變換，得到增強后的圖像。小波變換方法首先對 圖像進行二維離散小波變換，得到圖像的小波系數，然后對高頻分量和低頻分量乘以不同 的系數，以增強某個分量或抑制某個分量，達到增強圖像對比度的目的。近年來基于小波的 圖像處理頗受關注，因為小波變換能同時體現時域和頻域的特征，因此將小波變換用于圖 像處理時，既能提取出圖像的邊緣又可提取整體結構，適用于低照度圖像增強。隨著圖像處 理應用不斷發展，在小波變換基礎上發展取來的具有更高精度以及更好的稀疏表達特性， 更加適合于表達圖像的邊緣輪廓信息的Curvelet和Contourlet變換。這些超小波變換都 是基于變換域的新型的多尺度分析方法。
[0005] 近年來，許多學者對融合提出了許多方法和思路。圖像融合是指將多源信道所采 集到的關于同一目標的圖像數據經過圖像處理提取各自信道中的有利信息，最后綜合成高 質量的圖像。典型的算法是高動態光照渲染（HDR)，HDR方法是對同一場景連續拍攝多幅不 同曝光量的圖像，利用每個曝光時間相對應最佳細節的圖像來合成最終的HDR圖像。這種 方法在拍攝時需要保持照相器材的穩定，拍攝時間較長，無法應用與實時圖像和視頻增強 領域，而且對于亮度很低的圖像效果較差。
[0006]
【發明內容】
： 本發明的目的在于針對低照度彩色圖像的低亮度和低對比度的特點，通過研究瞳孔及 感光細胞對環境的自動調節過程，提供一種自適應低照度圖像增強方法。通過所述方法可 保證提高低照度彩色圖像的亮度和局部對比度及細節信息，達到更好地圖像增強的效果。
[0007] 為了實現上述目的，本發明提供一種模擬人類視覺感知的自適應低照度圖像增強 方法，該方法主要包括以下步驟： 步驟1，圖像獲取：通過成像設備捕獲一張低照度圖像/; 步驟2,求取亮度分量K將步驟1獲取的圖像轉換到HSV顏色空間，即對每個像素點求 取RGB分量的最大值，獲得亮度分量 步驟3,模擬瞳孔放大過程對圖像整體亮度進行適當提升：暗適應過程中首先需要放 大瞳孔，增加光線的射入，從而自適應地調節圖像整體亮度水平。因此對于光線較暗，且沒 有大面積燈光的情況下，需對步驟2獲得的亮度分量進行拉伸從整體上提升圖像亮度； 步驟4,設計暗適應函數：暗區增強的關鍵是設計一個可以模擬暗適應過程的非線性 映射函數，本發明給出一個新的非線性映射函數用來模擬視覺感知中的暗適應過程； 步驟5,設計明適應函數：由于暗適應函數可以對較暗的區域進行提升，而高亮區域求 反即為暗區。本發明采用暗適應函數來對高亮區域的反圖像做處理，再取反，即可對高亮區 域起到抑制作用； 步驟6,基于圖像的光照分布情況，進行明暗信息融合，進行自適應亮度增強；低照度 環境中往往同時伴有燈光等產生的高光區域，視覺系統中視錐細胞和視桿細胞共同起作 用，明適應及暗適應需共同進行才能達到良好的效果，因此需要根據光照情況對明暗信息 進行融合； 步驟7,對增強后的亮度圖像進行局部對比度增強：對亮度分量進行非線性拉伸后，圖 像的全局對比度會有很大的提升，但局部對比度往往會下降，而視覺系統對圖像的局部對 比度變化敏感度極高，它的變化可以反映圖像內不同對象間的差異，局部對比度較高時可 以有效提高圖像的清晰度、細節表現力及灰度層次，因此需要對亮度增強后圖像進行局部 對比度增強； 步驟8,色彩恢復，得到最終的增強圖像：對原始圖像的色彩信息做線性操作以保證三 個顏色通道的比例保持不變，很好的達到顏色保持的效果，避免色彩失真。
[0008] 本發明根據人眼應對光照變化環境的自適應調整過程，首先通過模擬瞳孔對光線 的調整過程，提高圖像的整體亮度水平；然后設計非線性映射模型模擬視桿細胞及視錐細 胞的調整過程，再依據人眼對于局部對比度敏感的特性，進行局部對比度增強，最后恢復圖 像的彩色信息。本發明對低照度圖像增強效果明顯，具有廣泛的實用性。
【附圖說明】
[0009] 圖1為本發明的整體流程圖； 圖2為原始采集的低照度圖像； 圖3為利用本發明處理圖2后的增強圖像。
【具體實施方式】
[0010] 為了更好的理解本發明，下面結合【具體實施方式】對本發明的模擬人類視覺感知的 自適應低照度圖像增強方法進行更為詳細的描述。在以下的描述當中，當前已有的現有技 術的詳細描述也許會淡化本發明的主題內容，這些描述在這里將被忽略。
[0011] 圖1是本發明模擬人類視覺感知的自適應低照度圖像增強方法的一種具體實施 方式的流程圖，在本實施方案中，按照以下步驟進行： 步驟1，圖像獲取：通過成像設備捕獲一張低照度圖像/，如圖2所示； 步驟2,求取亮度分量K將步驟1獲取的圖像轉換到HSV顏色空間，對每個像素點求取 RGB分量的最大值，獲得亮度分量
(1) 步驟3,模擬瞳孔放大過程對圖像整體亮度哩行適當提升，得到亮度分量暗適 應過程中首先需要放大瞳孔，增加光線的射入，從而自適應地調節圖像整體亮度水平。因此 對于光線較暗，且沒有大面積燈光的情況下，需對步驟2獲得的亮度分量哩行拉伸從整體 上提升圖像亮度。具體操作步驟：首先對亮度分量哩行中值濾波去除少量亮度較高的雜 點，得到匕7?，然后將集中在暗區的像素點等比例拉伸至整個亮度區間得到L，如⑵式所 示：
其中是對亮度