基于照度图优化和自适应伽马校正的低照度图像增强方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113962898A(43)申请公布日2022.01.21(21)申请号202111295070.0(22)申请日2021.11.03(71)申请人大连海事大学地址116026辽宁省大连市高新园区凌海路1号(72)发明人申丽然陈天顺尹清波范云生马志远谭昕瑜(74)专利代理机构大连东方专利代理有限责任公司21212代理人姜玉蓉李洪福(51)Int.Cl.G06T5/00(2006.01)G06T5/20(2006.01)G06T11/00(2006.01)权利要求书2页说明书6页附图3页(54)发明名称基于照度图优化和自适应伽马校正的低照度图像增强方法(57)摘要本发明公开了一种基于照度图优化和自适应伽马校正的低照度图像增强方法，属于计算机视觉领域，该方法包括以下步骤：将图像变化到HSV空间，得到图像的亮度图；对亮度图进行参数自适应引导滤波，得到纹理细节平滑，边缘保留的照度图，将亮度图和照度图进行逐元素相除，得到反射图，利用反射图和光照图得到伽马校正的参数，对亮度图进行伽马矫正，得到重建后的亮度图，利用原图像的饱和度色度分量，将图像变换到RGB空间，得到增强后的图像，本发明改进后的自适应引导滤波，利用图像的平均方差的倍数作为引导滤波正则化因子，减少了人工伪影，优化了照度图；针对照度图灰度值较低等问题，构建目标函数，利用二阶泰勒级数近似来简化运算，得到伽马矫正参数，对照度图进行优化，提升了亮度图的质量。CN113962898ACN113962898A权利要求书1/2页1.一种基于照度图优化和自适应伽马校正的低照度图像增强方法，其特征在于包括：对低照度图像在HSV空间中的亮度图进行自适应引导滤波处理得到照度图和反射图；根据反射图和照度图得到自适应伽马校正的参数；对照度图进行自适应伽马矫正再结合反射图得到增强的亮度图后再变换到RGB空间中从而得到增强后的图像。2.根据权利要求1所述的方法，其特征在于：将低照度图像HSV空间的亮度图进行自适应引导滤波的方式为：将图像由RGB空间转化为HSV空间，其中V分量为亮度图，对亮度图进行自适应引导滤波，将图像的平均局部方差作为自适应正则化因子，基于该自适应正则化因子对亮度图上变化较小部分进行光滑处理，同时保留亮度变化较大的部分从而得到滤波后的照度图，基于Retinex理论将亮度图和照度图逐元素相除得到反射图。3.根据权利要求2所述的方法，其特征在于：基于自适应正则化因子获得照度图时采用如下方式：将引导图和目标图像输入至引导滤波器中，求得引导滤波器的输出的结果与原图像差异的最小均方误差解，其中引导图像和目标图像均为低照度图像在HSV空间中的亮度分量V，其中L为引导图像滤波器的输出结果，获取参数a和b，采用线性回归中常用的最小二乘法进行参数拟合E(a,b)是获取ab参数的目标函数，是图像的正则化参数，计算图像在半径为r的滤波器窗口的平均方差图像的尺寸是m×n,滤波窗口半径为r，滤波器输出的图像是引导滤波器从低照度图像的亮度分量中估计出的照度图，基于滑动窗口的思想计算每个窗口内的平均方差以及每个像素上的照度估计值，对于每个像素的照度估计值再根据通过这一像素的窗口个数得到图像的平均照度图。4.根据权利要求1所述的方法，其特征在于：基于照度图和反射图求解图像的自适应伽2CN113962898A权利要求书2/2页马校正参数时：基于进行低照度图像亮度分量的自适应Gamma校正，构造目标函数对参数r进行寻优，其中是Ven的均值，对目标函数求解时，利用二阶泰勒级数对指数函数进行近似计算，将log(L)再进行二阶泰勒级数近似，整理可得照度图Ven的平均值表示为其中e为同Ven的行大小相同的向量，e中的每个值都是N为矩阵像素的个数，经过以上公式化简，获得目标函数的近似解为选择γ参数的下界既满足对低照度图像照度图的增强。3CN113962898A说明书1/6页基于照度图优化和自适应伽马校正的低照度图像增强方法技术领域[0001]本发明涉及计算机视觉领域，尤其涉及一种基于照度图优化和自适应伽马校正的低照度图像增强方法。背景技术[0002]基于先验知识或物理模型的Retinex理论在低照度图像增强领域是一种灵活且有效的方法，Retinex理论认为，图像可以用照度分量和反射分量乘积的形式表示，其中照度图是低频分量，反射图是高频分量。在进行低照度图增强时，减弱或者移除光照分量的影响，实现色彩恒常性。其中RGB颜色模型是一种面向设备的颜色空间而HSV空间很好的反映了人类对色彩的感知和鉴别，HSV空间三个分量分别为色度、亮度、饱和度。因此进行色彩空间转化，即将图像从RGB空间转向HSV颜色空间。引导图像滤波器具有线性时间复杂度，可以使结果图像和引导图像有相