CN113947535B - 一种基于光照分量优化的低照度图像增强方法 - Google Patents

Abstract

本发明提出一种基于光照分量优化的低照度图像增强方法。首先通过对低照度原图使用max‑RGB模型估计初始光照分量，对初始光照分量使用奇异值分解和引导滤波进行优化，得到最终光照图。根据Retinex理论，将低照度原图和最终光照图逐点相除，并利用低照度原图RGB三通道中的G通道对得到的图像进行引导滤波去除噪声。由于结合了奇异值分解和引导滤波，从而能更加精准地估计出光照分量，提高了增强后图片的主观视觉效果和各项客观指标。在多次图像增强的实验中验证了方法的有效性。

Description

一种基于光照分量优化的低照度图像增强方法

技术领域

本发明涉及图像处理领域中的低照度图像增强问题，尤其是涉及一种基于光照分量优化的低照度图像增强方法。

背景技术

低照度图像增强一直以来都是图像处理领域的研究热点。在缺乏良好光照条件的情况下，图像采集过程中必然会受设备自身参数、光照变化等诸多因素的影响，导致图像拍摄效果不佳，出现光照不均匀，颜色失真等问题，对进行目标检测、目标识别等后续处理将产生一定的影响。因此，如何在低照度条件下获得高质量的图像是一个至关重要的问题。

经典的低图像增强方法可分为三种：基于直方图变换、基于Retinex模型和基于去雾模型。直方图变换通过扩展原图的灰度级、增大图像的动态范围来达到增强的效果。Retinex模型以颜色恒常性原理为基础，传统方法使用高斯滤波估计出原图中的光照，并使用对数变换去除光照得到增强图像。去雾模型中，将图片反转后得到与雾天图像相似的效果，利用去雾算法处理后再次反转，得到增强图像。这三种方法都取得了一定的进展，但其视觉效果和客观指标仍不够理想。

发明内容

针对低照度图像增强结果不理想的问题，本发明提出了一种基于光照分量优化的低照度图像增强方法。利用奇异值分解和引导滤波对初始光照进行优化，通过简化Retinex模型得到增强图像后，再次使用引导滤波对增强图像进行去噪处理。本发明通过以下过程来实现上述目的：

(1)通过对低照度原图使用max-RGB模型得到初始光照分量图；

(2)对(1)中获得的初始光照分量图使用奇异值分解进行处理，并归一化；

(3)对(2)中归一化后的结果使用三次引导滤波得到优化后的光照分量图；

(4)根据简化Retinex模型，将低照度原图RGB三通道与(3)中获得的光照分量图逐点相除，获得增强图像；

(5)使用低照度原图RGB三通道中的G通道作为引导图像，对(4)中获得的增强图像进行去噪处理，得到最终需要的增强图像。

附图说明

图1基于光照分量优化的低照度图像增强方法框架图；

具体实施方式

下面结合附图对本发明做进一步说明：

光照图计算以及优化方法具体如下：

(1)初始光照图的获取

本文采用max-RGB模型提取初始光照图，计算公式为：

L(x,y)＝max(R(x,y),G(x,y),B(x,y)) (1)

式中，R(x,y)、G(x,y)、B(x,y)分别为低照度原图的RGB三通道图像。

(2)光照图的优化

奇异值分解是一种常用的矩阵对角化分解方式，利用奇异值分解，可将矩阵A分解为如下形式：

A＝UΣV^T (2)

式中，其中U和V均为正交矩阵，即对矩阵U、V有UU^T＝I和VV^T＝I，Σ为非负对角阵，正交矩阵U和V包含原矩阵的结构信息，奇异矩阵Σ包含原矩阵的能量信息。奇异矩阵Σ可表示为：

Σ＝diag(s₁,s₂,…,s_N)(s₁＞s₂＞…＞s_N) (3)

式中，s₁,s₂,…,s_N为原矩阵A的奇异值。

对初始光照图像中3×3区域进行奇异值分解后，选取奇异矩阵中的S₁，即最大的奇异值作为该点的光照强度。对整幅图像处理完后，进行归一化。

引导滤波器是一种常用的边缘保持滤波器，在去除纹理细节信息的同时，能够很好的保留图像的边缘。为了进一步优化光照图，使用三次引导滤波对奇异值分解并归一化后的光照图进行再次处理。若初始光照图为L_ini(x,y)，奇异值分解并归一化后得到的光照图为L_s(x,y)，GF_R(A,B)表示以窗口半径为R进行引导滤波，存在下式：

式中，窗口大小为r₁＝15、r₂＝7、r₃＝3，L₃(x,y)为优化后最终使用的光照图。

获得增强图像和去噪方法如下：

(1)根据Retinex理论，一幅低照度图像S(x,y)可以表示为光照分量L(x,y)和反射分量R(x,y)的乘积，即：

S(x,y)＝L(x,y)×R(x,y) (5)

上式可变形为：

式中，τ为一个防止分母为零的常数，取0.01。

(2)根据式(6)可得到增强图像。低照度图像在增强的同时放大了原本隐藏在黑暗中的噪声，在增强之后需要进行去噪处理。当前使用的CCD相机和CMOS相机多使用拜耳阵列传感器来获取彩色图像，而拜耳阵列是一个由8个绿色、4个蓝色和4个红色像素组成的4×4阵列。因此，原图中绿色通道噪声水平通常较低，可作为引导图像，使用引导滤波对增强结果的RGB三通道分别去噪，三通道融合后获得最终结果。

为验证本发明的提出的基于光照分量优化的低照度图像增强方法有效性，在20张图上进行了试验，对经典的低照度图像增强方法MSRCR、Dong、SRIE和本发明提出的方法进行了对比实验。

表1 20幅图像各项指标的平均值

Tab.1Mean value of indicators for 20images

从表中可以看出本发明在实验图片上取得了较好的效果，具有一定的实用价值，在彩色熵这一指标上低于方法A，在LOE、NIQE、BRISQUE三个指标上均超过对比方法。

Claims (4)

1.一种基于光照分量优化的低照度图像增强方法，其特征在于包括以下步骤：

(1)通过对低照度原图使用max-RGB模型得到初始光照分量图；

(2)对(1)中获得的初始光照图使用奇异值分解进行处理，并归一化；

(3)对(1)中得到的初始光照图L_ini(x,y)和(2)中得到的归一化结果图L_s(x,y)以窗口半径为R进行引导滤波，公式如下：其中GF_R(A,B)表示以窗口半径为R进行引导滤波，L₃(x,y)为优化后最终使用的光照图；

(4)根据简化Retinex模型：c∈{R,G,B}，为防止分母为零，τ取0.01，将低照度原图RGB三通道与(3)中获得的光照分量图逐点相除，获得增强图像；

(5)使用低照度原图RGB三通道中的G通道作为引导图像，对(4)中获得的增强图像进行去噪处理，得到最终需要的增强图像。

2.根据权利要求1所述的方法，其特征在于步骤(1)中使用max-RGB模型获取初始光照图，即使用原始图像在点(x,y)处RGB三通道的最大值作为该点的光照。

3.根据权利要求1所述的方法，其特征在于步骤(2)中使用奇异值分解来处理初始光照图，其方法如下：

对于图像以点(x,y)为中心的3×3区域进行奇异值分解，即：

A＝UΣV^T (1)

其中，A代表初始光照图中3×3区域，U和V均为正交矩阵，Σ为非负对角阵，由A的奇异值组成，且存在：

Σ＝diag＝(s₁,s₂,…,s_N)(s₁＞s₂＞…＞s_N) (2)

以最大奇异值S₁代替该点光照，整幅图像处理完后，进行归一化。

4.根据权利要求1所述的方法，其特征在于步骤(5)中使用原图中噪声水平较低的绿色通道分量对增强后图像进行引导滤波去噪，提升了图像的视觉效果和各项指标。