[发明专利]一种基于虚拟多曝光融合的不均匀光照图像增强方法

说明书

本发明公开了属于图像处理领域的一种基于虚拟多曝光融合的不均匀光照图像增强方法。包括以下步骤：1)将输入图像从RGB空间转换到HSV空间；2)对V分量，基于图像信息熵最大化原则确定两个最优曝光比，利用亮度映射函数进行两次虚拟曝光生成增强曝光图像V1和减弱曝光图像V2；3)对由V、V1和V2组成的曝光图像序列，采用带细节提升的多曝光图像融合方法进行融合得到增强后的V分量；4)用增强后的V分量和保持不变的H分量和S分量重新合成HSV图像，并将其转换回RGB空间作为最终结果输出。本发明能有效改善不均匀光照图像同时存在过曝和欠曝区域所导致的图像质量问题，产生动态范围高且能较好保持颜色和细节信息的图像。

技术领域

本发明属于图像处理领域，具体涉及一种基于虚拟多曝光融合的不均匀光照图像增强方法。

背景技术

在图像采集过程中，光照环境或物体表面反光等原因会造成图像整体光照不均匀，过曝、欠曝或两者同时存在都会致使图像出现对比度低、视觉效果差等质量问题。对这样的不均匀光照图像进行增强、改善其视觉质量通常是计算机视觉任务(如目标检测、目标识别、视觉追踪、视觉导航等)的一个重要预处理步骤。目前主流的不均匀光照图像增强方法主要包括以直方图均衡化(Histogram Equalization，HE)为代表的灰度变换方法和基于Retinex理论的图像增强方法。直方图均衡化方法通过利用合适的灰度变换使图像灰度直方图的分布更加均匀，根据处理区域范围的不同又分为全局直方图均衡化方法和局部直方图均衡化方法。这类方法对于光照不均匀图像的增强具有一定的效果，但在图像较亮区域容易出现过度增强造成细节失真，对于图像不同区域的亮度很难做到自适应调整,存在偏色及区域过渡不自然的问题，而且对噪声比较敏感。基于Retinex理论的图像增强方法实质上是一种基于光照补偿的图像增强算法。Retinex理论认为图像可分解成光照分量和反射分量，有的算法通过估计并移除光照分量并保留反射分量作为图像增强结果，有的算法通过调整光照分量并融合相应的反射分量得到最终增强结果，使得图像在增强细节的同时看起来较为自然。这类方法适合处理局部灰度值低的图像，能有效增强其中暗处的对比度和细节部分，但在增强图像的同时可能造成图像边缘模糊。由于不均匀光照图像一般既存在过曝区域，又存在欠曝区域，以上基于直方图均衡或Retinex理论的单幅图像增强的方法，难以做到较好地同时增强图像中的过曝区域和欠曝区域，从而导致增强后的图像出现颜色失真、过暗或过亮区域的细节丢失的问题。Ying等人提出基于相机响应模型和曝光融合的低光照图像增强框架(参考文献Ying Z,Li G,Ren Y,et al：A New Low-Light ImageEnhancement Algorithm Using Camera Response Model,ICCV 2017；Ying Z,Li G,RenY,et al：A New Image Contrast Enhancement Algorithm Using Exposure FusionFramework,ICCAIP 2017)，所提出的曝光融合方法仅适合两幅图像融合的情况，由于没有针对图像中的过亮区域进行处理，图像亮处的细节会有失真，故该方法对一般同时存在过曝和欠曝区域的不均匀光照图像的增强效果不佳。

发明内容

本发明为了克服上述技术的不足，提供一种基于虚拟多曝光融合的不均匀光照图像增强方法，其特点在于，该方法借助相机响应模型，根据输入的不均匀光照图像，虚拟生成一个具有不同曝光的图像序列，并使用多曝光融合原理重构出一幅动态范围高、对比度强、可视化质量好的图像。其中，为了更好地保持图像颜色和细节信息，曝光图像的生成和融合是将原图像从RGB颜色空间转换到HSV颜色空间后在V通道图像中完成的，并且在图像融合过程中进行了图像细节提升处理。

具体而言，本发明提供的一种基于虚拟多曝光融合的不均匀光照图像增强方法，包括以下步骤：