[发明专利]一种夜间人脸视频图像增强与降噪方法

说明书

本发明公开了一种夜间人脸视频图像增强与降噪方法，属于信息处理技术领域，本发明首先将人脸视频图像从RGB空间转换到HSV空间，对图像的V分量进行BEMD分解，按照一定规则自适应地分解成若干IMF分量，对其中的低频IMF分量进行滤波并去除照射分量，对高频IMF分量进行纹理、细节等信息增强并降噪，把这些经过处理的IMF分量进行重构，即得到降噪与增强后的V分量，把处理后的V分量进行自适应对比度增强后，与经过小波降噪后的H、S分量重构，即可得到降噪与增强处理后的人脸视频图像。本方法在有效增强图像对比度的同时可锐化边缘、纹理等细节信息，有效提高了图像的清晰度，且能够去除夜间人脸图像增强中的光晕问题。

技术领域

本发明属于信息处理技术领域，具体涉及一种夜间人脸视频图像增强与降噪方法。

背景技术

目前，视频监控技术广泛应用于社会治理与公共安全领域，成为公安机关辨识违法嫌疑人的重要技术手段。在白天光照良好的情况下，采集得到的视频图像可满足应用要求，而在傍晚或夜间采集的图像质量严重恶化，图像呈现大量暗区，且包含噪声，导致图像内容模糊不清，细节丢失；在夜晚人工光源下，采集到的人脸图像又会出现高光区，使图像整体亮度不均匀，这些问题都给夜间视频图像的人脸辨识带来巨大挑战，因此研究夜间人脸视频图像增强与降噪方法具有重要意义。

目前图形增强与降噪方法主要包括：基于直方图的增强与降噪方法、基于同态滤波的增强与降噪方法和基于Retinex理论的增强与降噪等方法，这些方法都有其局限性，如基于直方图的增强算法没有考虑图像的频率及细节信息，容易出现过增强，增强后会减弱图像的层次感；基于同态滤波的增强方法的应用前提是假设光照均匀，对高光区和暗区图像增强效果很差；基于Retinex理论的增强方法基于照明-反射模型，这类算法在图像边缘区存在光晕问题，且照射分量难以估计，使图像增强效果不佳。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种夜间人脸视频图像增强与降噪方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种夜间人脸视频图像增强与降噪方法，包括以下步骤：

步骤1：读取图像到计算机；

傍晚或夜晚，在人工光源情况下，使用连接摄像头的计算机连续采集人脸视频并存储在计算机内，从存储的视频中抽取一帧夜间人脸图像，存储为BMP格式，记为I(x,y)；

步骤2：图像空间转换；

对于待处理图像I(x,y)，将其从RGB空间转换到HSV空间，在转换后的HSV空间中，记色调分量为H(x,y)、饱和度分量为S(x,y)、亮度分量为V(x,y)；

步骤3：对亮度分量V(x,y)进行BEMD分解，具体包括如下步骤：

步骤3.1：初始化分解层数N＝5；令E(x,y)＝V(x,y)；k＝0；i＝1；

步骤3.2：令k＝k+1；E(x,y)为二维信号，其包络曲面的极大值和极小值分别记为E₊(x,y)和E_-(x,y)，将二者的均值作为E(x,y)的包络均值，即：

步骤3.3：使用E(x,y)减去包络均值，得到：

步骤3.4：判断是否为IMF分量，定义IMF分量的判定特征指数SD为：

IMF分量的判定特征指数SD<0.25；

如果k＝1或者SD≥0.25，则不符合IMF分量的定义，需重复上述过程，此时令然后转步骤3.2；