[发明专利]基于MSRCR的自适应低照度图像增强方法及系统

权利要求书

1.一种基于MSRCR的自适应低照度图像增强方法，其特征在于，包括：

输入源图像I_in(u,v)；

将所述源图像I_in(u,v)由RGB空间转换至HSV空间，得到色调分量H(u,v)、亮度分量V(u,v)和饱和度分量S(u,v)；

分解所述亮度分量V(u,v)，得到Retinex增强层V₁和细节恢复层V₂；

通过MSRCR算法对所述Retinex增强层V₁进行自适应权重计算，得到增强层计算结果Q₁；

通过导向滤波算法增强所述细节恢复层V₂，得到增强后的细节恢复层

融合所述增强层计算结果Q₁和所述增强后的细节恢复层得到亮度分量V_fina(u,v)；

逆变换所述色调分量H(u,v)、所述亮度分量V_fina(u,v)和所述饱和度分量S(u,v)至RGB空间，得到图像增强后的图像I_en(u,v)；

所述通过MSRCR算法对所述Retinex增强层V₁进行自适应权重计算，得到增强层计算结果Q₁包括：

在[0,255]区域范围内，利用标准正态分布模型将所述Retinex增强层V₁的像素点分类为暗像素点、中亮像素点和亮像素点，所述暗像素点位于暗区域[0,85)，所述中亮像素点位于中亮区域[85,170)，所述亮像素点位于亮区域[170,255]；

计算所述暗像素点、所述中亮像素点、以及所述亮像素点的似然概率，得出所述暗像素点的似然概率z₁、所述中亮像素点的似然概率z₂、以及所述亮像素点的似然概率z₃，

其中，所述x和y为V₁图像的像素坐标信息，所述μ₁为所述暗区域的正态分布模型的期望值，所述μ₂为所述中亮区域的正态分布模型的期望值，所述μ₃为所述亮区域的正态分布模型的期望值，所述σ为正态分布模型的标准差；

根据所述暗像素点的似然概率z₁、所述中亮像素点的似然概率z₂、以及所述亮像素点的似然概率z₃计算所述暗像素点的权重ω₁、所述中亮像素点的权重ω₂、以及所述亮像素点的权重ω₃，

根据所述暗像素点的权重ω₁、所述中亮像素点的权重ω₂、以及所述亮像素点的权重ω₃计算所述增强层计算结果Q₁，

其中，所述C_j(x,y)为每个尺度下的颜色恢复因子，所述为ω_j的转置，所述f_j(x,y)为每个尺度下的高斯滤波器，所述“*”为卷积运算。

2.如权利要求1所述的基于MSRCR的自适应低照度图像增强方法，其特征在于，所述分解所述亮度分量V(u,v)，得到Retinex增强层V₁和细节恢复层V₂包括：

计算所述Retinex增强层V₁和所述细节恢复层V₂的计算公式为：

V＝αV₁+βV₂,α+β＝1

其中，所述α为所述V₁的权重，所述β为所述V₂的权重。

3.如权利要求2所述的基于MSRCR的自适应低照度图像增强方法，其特征在于，所述α的取值为0.8，所述β的取值为0.2。