一种低照度环境下的视频增强方法

1.本发明针对雨、雾和夜间低照度不利行车环境，实时去雾和低照度增强功能获得清晰视野。


背景技术：

2.在低照度图像增强方面，常见函数映射在增强低照度图像的同时，容易造成图像增强不足或者过度增强。在夜间去雾模方面，ssr算法由于夜间处于低照度环境下，并没有提高图像的对比度；何凯明的算法夜间成像模型与白天情况不同，由于夜间多光源存在，夜间物理成像模型及其复杂，所以何凯明的去雾效果也不十分理想；li等人的方法对于水面等白色画面，增强效果不能差强人意。同时， trains图中的灯光附近出现明显的暗区域环绕现象，本发明弥补上述不足，可在雨、雾和夜间低照度不利行车环境下得到清晰视频图像。


技术实现要素：

3.本发明要解决的技术问题是，针对雨、雾和夜间低照度不利行车环境，实时去雾和低照度增强功能的预测方法。
附图说明
4.图1：经圆弧形函数映射算法后，灰度等级变化图。横轴代表原始图像的灰度等级范围，竖轴表示经函数f1(x)映射后的灰度等级范围。
5.图2：夜间去雾算法流程图。
6.图3：retinex算法去雾示意图，r(x,y)代表实际物体反射的光，即物体真实的色彩，亦即是需要复原的图像；l(x,y)表示光源照射到物体表面的光线。
具体实施方式
7.1.圆弧曲线映射算法：
8.2.考虑到圆弧曲线映射具有对等范围映射，且圆弧光滑性好的特点，本文提出了圆弧形函数映射算法，表达式如下：
9.3.
10.4.l为灰度等级最大值，一般为255，为像素值范围，一般是0～255；f1(x) 为映射之后的灰度值。对于任意映射函数f(x)的导数f'(x)，当f'(x)》1时，像素值范围被扩大；而0《f'(x)《1时，像素值范围被缩小，容易造成图像层次结构不清晰，图像细节内容被掩盖。以l＝255为例，当f'4＝1时，x＝74.68。也就是说，x≤74时，灰度值被拉伸，图像被增强；x》74时，灰度等级范围被压缩，灰度等级变化图如图1。
11.5.自适应函数映射算法：结合圆弧曲线斜率的光滑性，我们提出值新的确定方式，
计算公式如下：
12.6.
13.7.其中，为调整参数，表示图像直方图的累计分布函数，计算公式如下：
14.8.
15.9.根据以上分析，该算法的计算步骤如表4.2所示：
16.10.输入低照度图像i.
17.11.使用公式(3)计算rgb颜色通道的累积分布函数。
18.12.使用公式(2)计算rgb颜色通道的γ值。
19.13.将该γ值代入式(3)得到三个rgb色通道的自适应灰度映射曲线。
20.14.根据灰度的映射关系更新三个颜色通道的像素值，最后将三个颜色通道合并得到图像j。
21.15.输出增强后的图像j。
22.16.夜间去雾：夜间去雾流程如图2。
23.17.高斯低通型滤波处理：同态滤波以照射-反射模型作为图像处理的理论基础
90.，根据该理论采用数学公式变换，变换到频域空间，在此空间内方便消除因光照强烈形成的高频分量，进而解决光照突出的问题，达到均衡图像光线的目的。
24.18.retinex算法去雾：一幅夜间有雾图像p(x,y)可以用式(4-4)示表达，示意图3。即：
25.19.p(x,y)＝l(x,y)
·
r(x,y)
ꢀꢀꢀꢀꢀꢀꢀ
(4-4)
26.20.上式，r(x,y)代表实际物体反射的光，即物体真实的色彩，亦即是需要复原的图像；l(x,y)表示光源照射到物体表面的光线，在计算过程中应尽量减去。
27.21.clahe算法：步骤一：将夜间有雾图像作为原始图像输入，并将其分为 m
×
n个子块，然后统计每个子快中的每个像素值i对应的数目ni；步骤二：用自定义的阈值β对每个子块进行裁剪，即将ni超出β的数值平均分配到每个灰度等级上。步骤三：经重新分配后每个像素值i对应的数目为ni。对每个子块的灰度值i进行映射到t(i)，得到新的图像。映射公式如下：其中，l
max
为每个子块像素最大值。步骤四：将每个子块的中心点作为样本点，然后利用公式(5-15)对每个像素进行插值计算，以次消除由于分块带来的每个子块之间的不平滑问题。插值计算后的像素值即为输出图像的像素值。
28.22.
[0029][0030]
23.其中，f(x,y)代表每个像素点的值，f(q
11
)、f(q
21
)、f(q
12
)和f(q
22
) 分别表示四个相邻子块中心点像素的值。
[0031]
24.颜色校正：白平衡理论认为即使是在五颜六色的色彩中，图像的rgb各个颜色
层的像素均值也是几乎相等的，即：r
p
＝g
p
＝b
p
其中，r
p
、g
p
和b
p
表示是三个颜色层平均值。再按照式子(6)计算各个颜色层的比值，公式如下：
[0032]
25.
[0033]
26.其中，k值计算公式如下：然后根据von kries 对角模型，重新得到新的值。
[0034]
27.在低照度图像增强方面：圆弧曲线映射算法能很好的改善图像的灰度范围，使图像更加清晰，层次更加鲜明，获得了良好的整体视觉效果；自适应函数映射算法在客观指标平均梯度、信息熵和对比度等方面的总体效果都优于文中的几种算法。
[0035]
28.在夜间去雾方面：实验结果显示本节算法具有不错的去雾效果，能看见图中黑暗环境中的人像以及更多的信息。本节的算法根据夜间图像的成像特征，提升了图像对比度，图像处理结果也较为清晰。


技术特征：
1.一种针对雨、雾和夜间低照度环境的视频增强技术，其特征在于：包括以下过程：本专利的主要改进了灰度等级映射变，基于灰度等级映射的图像增强实质，通常人肉眼能分辨的颜色范围较小，但是图像转为数字图像后，数码设备能识别的灰度等级范围更广，灰度等级映射实质是映射，通过该函数变换进而增强灰度等级的层次感，突出更多细节，丰富图像内容。2.根据权利要求1所述的针对雨、雾和夜间低照度环境的视频增强技术，其特征在于：1)ssr算法通过去掉入射分量得到输出图像，在低照度图像增强方面，常见函数映射在增强低照度图像的同时，容易造成图像增强不足或者过度增强；在夜间去雾模方面，ssr算法由于夜间处于低照度环境下，并没有提高图像的对比度；何凯明的算法夜间成像模型与白天情况不同，由于夜间多光源存在，夜间物理成像模型及其复杂；2)圆弧曲线映射算法：3)考虑到圆弧曲线映射具有对等范围映射，且圆弧光滑性好的特点，本文提出了圆弧形函数映射算法，表达式如下：4)l为灰度等级最大值，一般为255，为像素值范围，一般是0～255；f1(x)为映射之后的灰度值；对于任意映射函数f(x)的导数f
′
(x)，当f
′
(x)＞1时，像素值范围被扩大；而0＜f
′
(x)＜1时，像素值范围被缩小，容易造成图像层次结构不清晰，图像细节内容被掩盖；以l＝255为例，当f
′4＝1时，x＝74.68；也就是说，x≤74时，灰度值被拉伸，图像被增强；x＞74时，灰度等级范围被压缩；5)自适应函数映射算法：结合圆弧曲线斜率的光滑性，我们提出值新的确定方式，计算公式如下：6)7)其中，为调整参数，表示图像直方图的累计分布函数，计算公式如下：8)9)根据以上分析，该算法的计算步骤如表4.2所示：10)输入低照度图像i；11)使用公式(3)计算rgb颜色通道的累积分布函数；12)使用公式(2)计算rgb颜色通道的γ值；13)将该γ值代入式(3)得到三个rgb色通道的自适应灰度映射曲线；14)根据灰度的映射关系更新三个颜色通道的像素值，最后将三个颜色通道合并得到图像j；15)输出增强后的图像j；16)夜间去雾：夜间去雾流程图如图2；17)高斯低通型滤波处理：同态滤波以照射-反射模型作为图像处理的理论基础，根据该理论采用数学公式变换，变换到频域空间，在此空间内方便消除因光照强烈形成的高频分量，进而解决光照突出的问题，达到均衡图像光线的目的；18)retinex算法去雾:一幅夜间有雾图像p(x,y)可以用式(4)示表达；即：19)p(x,y)＝l(x,y)
·
r(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
20)上式，r(x,y)代表实际物体反射的光，即物体真实的色彩，亦即是需要复原的图像；l(x,y)表示光源照射到物体表面的光线，在计算过程中应尽量减去；21)clahe算法：步骤一：将夜间有雾图像作为原始图像输入，并将其分为m
×
n个子块，然后统计每个子快中的每个像素值i对应的数目n
i
；步骤二：用自定义的阈值β对每个子块进行裁剪，即将n
i
超出β的数值平均分配到每个灰度等级上；步骤三：经重新分配后每个像素值i对应的数目为n
i
；对每个子块的灰度值i进行映射到t(i)，得到新的图像，映射公式如下：其中，l
max
为每个子块像素最大值；步骤四：将每个子块的中心点作为样本点，然后利用公式(5)对每个像素进行插值计算，以次消除由于分块带来的每个子块之间的不平滑问题，插值计算后的像素值即为输出图像的像素值；22)颜色校正：白平衡理论认为即使是在五颜六色的色彩中，图像的rgb各个颜色层的像素均值也是几乎相等的，即：r
p
＝g
p
＝b
p
其中，r
p
、g
p
和b
p
表示是个颜色层平均值，再按照式子(6)计算各个颜色层的比值，公式如下：23)其中，f(x,y)代表每个像素点的值，f(q
11
)、f(q
21
)、f(q
12
)和f(q
22
)分别示四个相邻子块中心点像素的值，24)其中，k值计算公式如下：然后根据von kries对角模型，重新得到新的值；25)在低照度图像增强方面：圆弧曲线映射算法能很好的改善图像的灰度范围，使图像更加清晰，层次更加鲜明，获得了良好的整体视觉效果；自适应函数映射算法在客观指标平均梯度、信息熵和对比度等方面的总体效果都优于文中的几种算法；26)在夜间去雾方面：实验结果显示本节算法具有不错的去雾效果，能看见图中黑暗环境中的人像以及更多的信息；本节的算法根据夜间图像的成像特征，提升了图像对比度，图像处理结果也较为清晰。

技术总结
本发明视频增强技术领域，具体涉及一种低照度环境下的视频增强方法。针对针对雨、雾和夜间低照度不利行车环境，实时去雾和低照度增强功能并获得清晰视野。本发明在在夜间去雾方面，实验结果显示算法具有不错的去雾效果，能看见图中黑暗环境中的人像以及更多的信息。本算法根据夜间图像的成像特征，提升了图像对比度，图像处理结果也较为清晰。图像处理结果也较为清晰。


技术研发人员：肖明宏 郭锦 宗辰
受保护的技术使用者：四川大学
技术研发日：2022.04.06
技术公布日：2022/8/12