[发明专利]低光照度环境下的图像预处理方法及装置

权利要求书

1.一种低光照度环境下的图像预处理方法，其特征在于，步骤包括：

第一步，对采集到的原始图像ψ(x,y)进行双树复小波变换，获得原始图像所对应的高频系数，取全部高频系数的均值作为大气环境光近似值K；

第二步，对采集到的原始图像ψ(x,y)用{h₀(n),h₁(n)}实现一个二维可分离小波变换获得第一个独立的实小波φ_h(n)＝ψ_h(x)ψ_h(y)，用{g₀(n),g₁(n)}实现另一个二维可分离小波变换获得第二个独立的实小波φ_g(n)＝ψ_g(x)ψ_g(y)；

第三步，计算复小波φ(n)＝φ_h(n)+jφ_g(n)，对所述复小波φ(n)进行一次二维分解后得到2个低频子带和6个高频子带，所述6个高频子带分别对应于每一层复小波分解后指向±15^°、±45^°和±75^°方向的图像信息；分别对各层各方向的图像信息进行超分辨率重构；

第四步，对重构后所获得的每一层图像I(x,y)，计算其所对应的透射率预估值其中，i∈{R,G,B}表示每一层图像I中RGB分量中的任一种；Kⁱ表示大气环境光近似值K中RGB分量中的任一种；ω∈[0,1]为预设值；

第五步，对每一层图像I，按照求其去雾后的图像信息J(x,y)；

第六步，对上述各层图像进行融合，获得中间图像M(x,y)，对所述中间图像M(x,y)进行滤波，获得包含有用信息的基础图像M′(x,y)；

第七步，对所述基础图像M′(x,y)根据目标颜色特征设置动态颜色阈值，对所述基础图像M′(x,y)中各颜色阈值范围内的区域分别进行剥离，去除基础图像中的无用信息；

第八步，采用基于纹理特征的聚类分割算法获取第七步中所得图像中的目标区域，输出所述目标区域以供进行图像识别。

2.如权利要求1所述的低光照度环境下的图像预处理方法，其特征在于，所述第三步中，超分辨率重构由稀疏编码方法、贝叶斯方法、金字塔算法中的任一种运算实现。

3.如权利要求1所述的低光照度环境下的图像预处理方法，其特征在于，所述第六步中的滤波为同态滤波，其滤波函数为其中，D(u,v)表示频域范围内任意点到原点的距离，单位为像素；D_o1∈(0,10]表示低频分量抑制半径，单位为像素；D_o2∈[20,+∞)表示高频分量抑制半径，单位为像素；第一系数α_L∈(0,1)为预设的固定值；第二系数α_H1为预设的固定值；c∈[0,1]为根据大气环境光近似值K选取的常数，所述常数c∝1/K；n≥2表示所述同态滤波的阶数。

4.如权利要求3所述的低光照度环境下的图像预处理方法，其特征在于，所述第八步中，所述纹理特征采用Contourlet变换方法进行提取，其步骤包括：

步骤801，利用Contourlet变换高频子带系数矩阵，选取第七步中所得图像中的高频子带各方向的梯度能量作为特征向量，对第七步中所得图像进行分割；

步骤802，对步骤801所获得的分割后的图像，采用水平最小外接矩形法，对图像中全部连通区域进行框定；

步骤803，对框定的各个区域，分别提取该区域内的求补图像中的孤立区域，将所述孤立区域与框定的所述区域所对应的图像进行叠加，修补目标区域中的孔洞，修补完全部孔洞后，输出所述目标区域的图像。

5.如权利要求4所述的低光照度环境下的图像预处理方法，其特征在于，所述大气环境光近似值K＝(K^R，K^G，K^B)包含有全部高频系数的均值所对应的R、G、B三个分量；

所述第六步中，所述常数c＝1000/[(K^R*299)+(K^G*587)+(K^B*114)]。