[發(fā)明專利]一種夜晚圖像增強方法和裝置

有效

• 申請?zhí)枺?/td>: 201410093837.5
• 申請日: 2014-03-13
• 公開（公告）號: CN103903229B
• 公開（公告）日: 2017-01-04
• 發(fā)明（設(shè)計）人: 田永鴻;文浩丞;王耀威;黃鐵軍
• 申請（專利權(quán)）人: 中安消技術(shù)有限公司;北京大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 廣東廣和律師事務(wù)所44298
• 代理人: 章小燕

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種夜晚圖像增強方法和裝置。

背景技術(shù)

視頻監(jiān)控在人們的日常生活中有著廣泛的應(yīng)用。隨著監(jiān)控攝像頭的重要性日益增加，低光照（尤其是夜晚）視頻增強問題變得日趨重要。通常，監(jiān)控攝像頭的工作環(huán)境假設(shè)擁有足夠的光照，以便監(jiān)控固定場景的活動。但是，由于極端的低光照條件，夜晚采集的視頻很難達到監(jiān)控的目的。對于夜晚采集的圖像或者視頻，傳統(tǒng)的圖像增強算法，例如直方圖均衡化，對比度拉伸等，很難達到增強的效果。

外文文獻“Denighting:Enhancement?of?nighttime?images?for?a?surveillance?camera”（發(fā)表于ICIP2008，Pattern?Recognition，19th?International?Conference?on.IEEE，2008，Yamasaki，Akito，et?al.）提出了一種應(yīng)用于監(jiān)控攝像頭采集的夜晚圖像的增強方法。該方法首先需要訓(xùn)練同一監(jiān)控場景下白天和夜晚的背景圖像，以這兩張背景圖像作為參考圖像。然后將圖像進行分解，分解出亮度圖像和反射圖像，對亮度圖像進行增強。最后，該方法對亮度圖像的增強是通過輸入圖像分解而得的亮度圖像乘以白天與夜晚兩張背景圖像對應(yīng)亮度圖像的比例實現(xiàn)的。該方法僅對夜晚監(jiān)控場景的背景具有較好的增強效果，對于真正感興趣的前景部分實際上無太大增強效果。

外文文獻“Fast?efficient?algorithm?for?enhancement?of?low?lighting?video”（發(fā)表于ICME2011，Multimedia?and?Expo，International?Conference?on.IEEE，2011，Dong，Xuan，et?al.）提出了一種基于暗通道先驗低光照視頻增強方法。該方法首先將夜晚視頻幀逐像素取反并加上255，然后使用基于暗通道先驗的去霧算法對處理過的視頻幀進行去霧處理，最后再將得到的視頻幀逐像素取反并加上255。該方法適用于霧霾條件下的低光照圖像，但由于夜晚條件下的圖像與霧霾條件下的圖像存在較大的差別，如果夜晚條件下的圖像應(yīng)用該方法則會引入大量的噪聲，并造成顏色偏差。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明要解決的技術(shù)問題是提供一種夜晚圖像增強方法和裝置，以解決不需要背景圖像作為參考圖像，就能根據(jù)輸入的夜晚圖像輸出符合亮度衰減物理過程、降低噪聲和顏色偏差的增強圖像。

本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案如下：

根據(jù)本發(fā)明的一個方面，提供的一種夜晚圖像增強方法包括：

本征圖像分解步驟：對輸入的夜晚圖像進行本征圖像分解，得到亮度圖像和反射圖像；

亮度圖像增強步驟：基于亮度指數(shù)衰減模型對亮度圖像進行增強；

亮度圖像優(yōu)化步驟：對增強的亮度圖像進行優(yōu)化，得到優(yōu)化的亮度圖像；

增強圖像合成步驟：利用優(yōu)化的亮度圖像和反射圖像合成輸出增強圖像。

優(yōu)選地，本征圖像分解步驟進一步包括：

對夜晚圖像進行低通濾波得到亮度圖像；

用夜晚圖像逐像素除以亮度圖像對應(yīng)像素的值得到反射圖像。

優(yōu)選地，亮度圖像增強步驟進一步包括：

基于亮度指數(shù)衰減模型模擬出亮度下降速度和相對下降時間；

根據(jù)亮度指數(shù)衰減模型，將亮度下降速度和相對下降時間與夜晚圖像的亮度分別進行冪運算后相乘，得到增強的亮度圖像。

優(yōu)選地，亮度指數(shù)衰減模型為：

L^N=L^D·e^-βt

其中，L^N表示夜晚時刻的亮度，L^D表示白天時刻的亮度，β表示亮度下降速度，t表示相對下降時間。

優(yōu)選地，亮度圖像增強步驟中還包括按以下公式改善增強的亮度圖像：

L^E=(L^*)^1-r·(L^N)^r=(L^*)^1-r·((L^D)^r·e^-β(tr))≈L^D·e^-β(tr)