[发明专利]一种基于移动窗口粒子群优化的过曝图像质量增强方法

说明书

本发明公开了一种基于移动窗口粒子群优化的过曝图像质量增强方法，首先提取图片的亮度层图像信息；其次对亮度层图像进行重叠分块分割，分块图像的大小是通过实际实验结果的对比进行筛选；再将每个分割得到的分块图像分别进行基于粒子群优化的gamma校正，通过PSO的迭代优化最优选择出对应分块图像的gamma值，PSO的适应度函数的构建是通过图像熵、图像曝光度和图像均方根对比度这三个参数的平方加权和计算得到的；将增强后的分块图像按照其原始位置进行重叠融合，得到新的亮度层图像。本发明有效地抑制过曝区域图像亮度，提升过曝周围区域的图像对比度，更多地展现了图像中的细节，使得图像更加清晰，改善了图像的视觉效果。

技术领域

本发明属于机器视觉以及图形处理技术领域，具体涉及一种基于移动窗口粒子群优化的过曝图像质量增强方法。

背景技术

图像增强是如今诸多计算机视觉应用领域中不可或缺的图像预处理技术。然而对过曝图像质量增强处理的方法很是稀少，并且现有算法中所采用的全局gamma校正技术存在局部增强不足的情况同时最佳gamma值的选择也是技术中的难题。因此，为了在不引入任何伪像的情况下能够更多的提升图像的(局部和全局)细节，改善图像的视觉效果，有必要提出一种更好的、有可参考性的过曝图像质量增强方法。

发明内容

发明目的：本发明所要解决的技术问题是改善过曝图像增强技术，提供一种基于移动窗口粒子群优化的过曝图像质量增强方法。

发明内容：本发明所述的一种基于移动窗口粒子群优化的过曝图像质量增强方法，具体包括以下步骤：

(1)将RGB图像分解成HSV图像，提取亮度层图像V；

(2)确定分块规则，将得到的亮度层图像用矩形窗进行重叠分块，其中重叠部分的大小取决于分块图像的大小和整张图像的大小；

(3)将第i行第j列分块图像进行PSO迭代选择出最优gamma值；其中PSO的迭代优化函数是通过图像熵、图像曝光度和图像均方根对比度三个参数平方加权和计算得到；

(4)将分块图像进行最优gamma值校正，得到增强校正后的分块图像

(5)将增强校正后的分块图像按照其原位置进行基于亮度和距离的比例融合，得到增强后的完整亮度层图像V’；

(6)将亮度层图像V’以及H、S图像重新得到图像质量增强后的RGB图像。

进一步地，步骤(2)所述的分块规则为：

a)分块图像的横向尺寸占原图的1/3～1/4，纵向尺寸占原图的1/5～1/6；

b)分块图像的横向尺寸占原图的1/5～1/6，纵向尺寸占原图的1/3～1/4。

进一步地，所述步骤(3)实现过程如下：

构建PSO适应度函数，采用加权求和模型构建合适的PSO适应度函数：适应度函数表达式如下，

其中，ω₁，ω₂和ω₃为权重系数；E表示的是分块图像的熵，表达式如下：

其中，x表示灰度值，p(x)表示对应灰度值概率；

RMS表示分块图像的均方根对比度，表达式如下：

其中，M和N分别表示分块图像的横向尺寸和纵向尺寸，x_ij表示第i行第j列像素点的灰度值，表示分块图像的平均灰度值；

EV表示分块图像的曝光度，表达式如下：