[发明专利]一种基于局部极值的低照度彩色图像增强方法

说明书

本发明公开了一种基于局部极值的低照度彩色图像增强方法，涉及彩色图像增强方法领域；其包括步骤1：将原始彩色图像由RGB空间转换到YUV空间，提取YUV空间的强度通道Y作为灰度图像I；步骤2：利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波，将滤波结果作为图像的照度分量L；步骤3：根据照度分量L从灰度图像I中分离出反射分量R；步骤4：对照度分量L进行伽马变换，再将其和反射分量R进行重构，得到增强后的图像；本发明利用核逐渐增大的局部极值滤波器对灰度图像进行迭代滤波，解决现有方法导致增强图像的高亮度区域细节丢失、低亮度区域对比度增强不够的问题，提高增强后的图像颜色保真度、暗区细节的清晰度和细节信息丰富度。

技术领域

本发明涉及彩色图像增强方法领域，尤其是一种基于局部极值的低照度彩色图像增强方法。

背景技术

随着计算机视觉、数字图像处理技术的快速发展，成像系统与监控设备每天都需要拍摄大量的图像信息。然而，在室内、夜间等光照不均匀的条件下，拍摄到的图像质量会严重恶化，具体有以下两方面：一是图像呈现大量暗区，暗区内容模糊不清，细节大量丢失；二是在人工光源下，图像会出现部分高亮区，使得图像整体亮度不均，质量严重下降。图像增强技术就是按照特定的需求处理图像，突出图像中的某些信息，同时删除或削弱某些不需要的信息，使得其在的特定应用上比原图更加适用。

为了突出低照度图像中的某些特定信息，学者们提出了众多的图像增强算法。早期低照度彩色图像增强方法的典型代表就是直方图均衡化。通过调整原始图像的直方图，使增强后图像的直方图分布均匀，就可以有效地再现暗区细节。这种方法的优点是计算速度快、容易实现，但是容易导致图像出现过增强现象，针对这些缺点，后来人们又提出了自适应直方图均衡化、局部直方图均衡化、阈值直方图均衡化等方法。Retinex理论是一种基于人类视觉系统的图像增强方法，是目前图像增强领域中一个重要的分支。该理论将图像分解为入射分量和反射分量，通过单独对入射分量或者反射分量进行操作，从而达到图像增强的效果。随着Retinex理论的提出，大量研究对该理论进行了各种各样的扩展，其中最具有代表性的是单尺度Retinex算法、多尺度Retinex算法和带色彩恢复因子的多尺度Retinex算法。基于Retinex理论的图像增强算法可以取得较好的增强效果，但是由于将原始图像分解为入射分量和反射分量，若分解不合理，可能会导致增强后的结果出现光晕和梯度反转等现象，严重影响人眼观感和计算机视觉处理结果。

因此，亟需一种彩色图像增强方法可以克服以上问题。

发明内容

本发明的目的在于：本发明提供了一种基于局部极值的低照度彩色图像增强方法,解决现有方法对照度图像估计不准确导致增强图像的高亮度区域细节丢失、低亮度区域对比度增强不够的问题。

本发明采用的技术方案如下：

一种基于局部极值的低照度彩色图像增强方法，包括如下步骤：

步骤1：将原始彩色图像由RGB空间转换到YUV空间，提取YUV空间的强度通道Y作为灰度图像I；

步骤2：利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波，将滤波结果作为图像的照度分量L；

步骤3：根据照度分量L从灰度图像I中分离出反射分量R；

步骤4：对照度分量L进行伽马变换，再将其和反射分量R进行重构，得到增强后的图像。

优选地，所述步骤2包括如下步骤：

步骤2.1：构建核为3的局部极值滤波器；

步骤2.2：利用局部极值滤波器对灰度图像进行滤波，求得所有满足条件的极大值和极小值点；

步骤2.3：利用上述极大值点和极小值点进行插值，恢复图像；