[发明专利]基于尺度感知和细节增强模型的低光图像增强方法

说明书

本发明公开了一种基于尺度感知和细节增强模型的低光图像增强方法提出了一种尺度感知的结构保留和细节增强模型（SSD），它对于在弱光条件下的图像增强简单且有效。首先，设计了一种新的基于Retinex的模型，其中使用新颖的尺度感知结构保留项作为正则化，可以同时估计尺度感知结构保持反射分量和平滑照明分量。噪声分量估计也包括在模型中以抑制给定图像的噪声。其次，采用交替方向法（ADMM）精确求解细化问题。最后，使用伽马校正对图像进行细节增强，以进一步改善给定图像的视觉质量。实验结果验证了所提方法的适用性，可应用到图像处理设备中。

技术领域

本发明涉及计算机视觉与人工智能技术领域，尤其涉及一种 基于尺度感知和细节增强模型的低光图像增强方法。

背景技术

随着计算机视觉技术的不断发展，成像系统和计算机视觉监 控设备可以捕获大量的图像信息。然而，在室内，夜晚，不均匀 照明条件等一些弱光条件下，由于不自然的照明光不足，目标表 面上的反射光较弱，光线进入成像传感器的光线不足，导致成像 质量不佳并且图像识别率低，而且图像中含有大量噪声，因此很 难区分图像中的细节，从而大大降低了图像的价值。

传统的图像增强算法可以分为两类：基于空间域的增强算法 和基于变换域的增强算法。其中，基于空间域的算法通过直接处 理图像的像素值来达到图像增强的目的，基于变换域的算法通过 将源图像转换到另一个特征域来实现图像增强。目前，图像增强 算法主要包括线性变换，伽马校正，直方图均衡，反清晰掩模， 同态滤波，色调映射，暗通道算法，基于形态学的图像增强算法， 基于人类视觉系统的图像增强算法和图像增强。其中，基于直方 图均衡的算法通过在整个图像上均匀地扩展图像的直方图，达到 了增强图像对比度和丰富图像细节的目的。然而，在均衡直方图 的过程中，原始图像中具有较少像素数的灰度级被合并为新的灰 度级，这导致图像局部过度增强并丢失细节。非锐化掩模通过增强原始图像中的边缘轮廓等高频信息来实现图像增强，但是增强 图像在边缘处具有光晕现象，并且光照平缓变化的区域不那么增 强。偏微分方程具有图像统计建模的简单性和灵活性以及数值实 现中的数学易处理性和有效性，在图像增强中引起了广泛的关注。 色调映射基于对比度增强技术来构建基于概率的像素映射函数。 然而，一个大的动态范围往往被分配给平滑区域，从而阻止了为 感兴趣的区域分配动态范围资源。

Retinex算法的提出是基于彩色图像可以分解为反射和照明两 个因素的假设。基于Retinex理论，首先提出了单尺度Retinex算 法(SSR)和多尺度Retinex算法(MSR)。Retinex算法理论为低 照度图像增强算法提供了一个新的研究方向。近年来，出现了一 系列基于Retinex的改进算法。2005年，Elad提出了一种基于双边 滤波的快速非迭代Retinex算法。该算法的核心思想是利用双边滤 波估计输入图像中的光照分量，从而保留反射分量，提高低光照 图像的亮度。双边滤波的性能是有前途的。但由于光照结构的盲 目性，双边滤波可能会失去纹理丰富区域的真实性。2009年，Chen 等人提出了一种基于Retinex的彩色图像自然表示算法，将Retinex 与直方图均衡相结合，实现图像冷暖色调的自然表示和增强。2013 年，Lee等人提出了一种增强图像对比度的自适应多尺度视网膜算 法(AMSR)。该算法基于SSR和MSR，在增强图像对比度方面 具有很好的效果。然而，图像往往看起来不自然，并经常出现过 度增强后的ASMR过程。