[發(fā)明專利]基于KINECT深度圖的低光照圖像增強(qiáng)方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201310325623.1
• 申請日: 2013-07-30
• 公開（公告）號: CN103400351A
• 公開（公告）日: 2013-11-20
• 發(fā)明（設(shè)計）人: 胡瑞敏;胡金暉;王中元;郭春輝;侯志強(qiáng);譚曉瓊;楊阿慧;石藝
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 張火春

技術(shù)領(lǐng)域

本發(fā)明涉及一種低光照監(jiān)控圖像增強(qiáng)方法，尤其是涉及一種基于KINECT深度圖的低光照圖像增強(qiáng)方法及系統(tǒng)。

背景技術(shù)

目前，視頻監(jiān)控系統(tǒng)被廣泛應(yīng)用于城市安全系統(tǒng)中。白天，通過攝像頭拍攝的圖像具有較好質(zhì)量；然而，在夜間或者低光照條件下，由于CCD傳感器的固件特性，導(dǎo)致拍攝的圖像不但噪聲較多，而且對比度的動態(tài)范圍較窄。如果安全系統(tǒng)要求在低光照條件下工作的話，增強(qiáng)低光照監(jiān)控圖像的視覺效果就至關(guān)重要了。

低光照監(jiān)控圖像增強(qiáng)的關(guān)鍵技術(shù)包括去噪和對比度拉伸，這對于具有較低動態(tài)范圍和較高噪聲的圖像而言，無疑是一個巨大的挑戰(zhàn)。2007年，Henrik^[1]等利用基于各向異性的結(jié)構(gòu)張量濾波實(shí)現(xiàn)了圖像去噪，同時，利用受限的直方圖均衡化實(shí)現(xiàn)了圖像對比度增強(qiáng)。2010年，Qing?Xu^[2]等人首先通過時域-空域的非局部均值算法對圖像去噪，然后通過色調(diào)映射算法進(jìn)行對比度拉伸，最后在YCbCr空間進(jìn)行濾波；他們還根據(jù)運(yùn)動信息對權(quán)值進(jìn)行判決，提高了3D非局部均值的時域?yàn)V波效果。2011年，Xuan?Dong^[3]等人通過將低光照圖像取反，然后利用去霧算法將取反后的低光照圖像進(jìn)行增強(qiáng)。盡管上述方法獲得了一定成效，但仍存在以下兩個問題：（1）上述方法在進(jìn)行低光照圖像增強(qiáng)時，僅利用了圖像中諸如顏色、亮度等2D信息，未利用場景的深度信息，導(dǎo)致增強(qiáng)后的圖像缺乏層次感；（2）增強(qiáng)后前景目標(biāo)對象的邊緣輪廓仍然不夠清晰。

文中涉及如下參考文獻(xiàn)：

[1]H.Malm,M.Oskarsson?et?al,“Adaptive?enhancement?and?noise?reduction?in?very?low?light-level?video,”in?Proc.11th?International?Conference?on?Computer?Vision,pp.1–8,2007.

[2]Qing?Xu,Hailin?Jiang,Riccardo?Scopigno,and?Mateu?Sbert,“A?new?approach?for?very?dark?video?denoising?and?enhancement,”in?Proc.17th?International?Conference?on?Image?Processing,pp.1185-1188,2010

[3]Xuan?Dong,Guan?Wang,Yi(Amy)Pang?et?al,“Fast?efficient?algorithm?for?enhancement?of?low?lighting?video,”in?Proc.IEEE?International?Conference?on?Multimedia?and?Expo,pp.1-6,2011.

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)存在的不足，本發(fā)明提出了一種同時利用了圖像的顏色信息和深度信息的低光照圖像增強(qiáng)方法，該方法可進(jìn)一步增強(qiáng)低光照圖像的輪廓清晰度、層次感和視覺效果。

為解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案：

一、基于KINECT深度圖的低光照圖像增強(qiáng)方法，包括步驟：

步驟1，通過KINECT采集低光照監(jiān)控圖像的深度圖和紋理圖，并對深度圖進(jìn)行前處理；

步驟2，基于步驟1所獲深度圖中像素點(diǎn)及其鄰域像素點(diǎn)的深度值構(gòu)建深度信息高斯核，將深度信息高斯核作為核因子引入基于高斯核的去噪算法并對紋理圖進(jìn)行去噪；

步驟3，根據(jù)步驟1所獲深度圖的深度信息獲取深度信息的歸一化值，將深度信息的歸一化值引入對比度拉伸算法對去噪后的紋理圖進(jìn)行對比度拉伸，所述的深度信息的歸一化值包括深度值的歸一化值和深度值梯度的模的歸一化值。

步驟2中所述的深度信息高斯核其中，y表示步驟1所獲深度圖中的像素點(diǎn)；D(y)表示像素點(diǎn)y的深度值；x為步驟1所獲深度圖中像素點(diǎn)y的鄰域像素點(diǎn)；D(x)是像素點(diǎn)x的深度值；h_d是高斯核的衰變因子，根據(jù)紋理圖中噪聲強(qiáng)度取值；||·||₂表示二范數(shù)。

步驟3中所述的將深度信息的歸一化值引入對比度拉伸算法對去噪后的紋理圖進(jìn)行對比度拉伸包括對去噪后的紋理圖進(jìn)行全局對比度拉伸和局部對比度拉伸。

所述的將深度信息的歸一化值引入對比度拉伸算法并對去噪后的紋理圖進(jìn)行全局對比度拉伸進(jìn)一步包括子步驟：