[发明专利]基于目的性优化及直方图均衡化的夜间彩色图像增强方法

摘要

基于目的性优化及直方图均衡化的夜间彩色图像增强方法属于图像处理技术领域，其特征在于，同时对待处理图像和结果图像的各点在像素值差的平方和以及在x，y方向上的梯度分量进行最优化控制使得图像对比度增强用一个控制梯度分量的参数θ来控制结果图像在x，y两个方向上的梯度分量，当待处理图像像素点在x，y方向的梯度分量的绝对值小于θ时，使结果图像的对应点在x，y方向的梯度分量大小保持不变，当待处理图像像素点在x，y方向的梯度分量的绝对值大于或等于θ时，使结果图像的对应点在x，y方向的梯度分量大小用Gamma校正函数进行增强。然后通过改进的直方图均衡化处理，从而得到了优于现有的MichaelElad提出的算法及MSRCR算法的结果。

主权项

基于目的性优化及直方图均衡化的夜间彩色图像增强方法其特征在于，是在计算机中依次按以下步骤实现的：步骤(1)，读取一幅未处理的夜间彩色图像I(x,y)，简称原图像；步骤(2)，把所述的原图像I(x,y)从RGB颜色空间转换到HSV颜色空间，并对其进行归一化使其各像素点的像素值取值范围为[0，1]，对其中的亮度分量V按以下步骤进行夜间彩色图像增强操作；步骤(3)，依次按以下步骤计算对应于所述原图像I(x,y)的经过增强的夜间彩色图像R(x,y)，简称结果图像：步骤(3.1)，设定：用于控制所述结果图像R(x,y)中各像素点在x，y两个方向上未知梯度分量的两个对应辅助变量hp、vp的参数θ，使所述两个辅助变量hp、vp在数值上分别近似于所述原图像I(x,y)中对应像素点在x，y两个方向上的梯度分量该控制参数θ的取值范围为[0.02,0.9]，的取值范围为[‑1，1]；步骤(3.2)，利用所述控制参数θ来设定hp、vp的数值：hp=∂Ip/∂x|∂Ip/∂x|<θG(∂Ip/∂x)|∂Ip/∂x|>=θvp=∂Ip/∂y|∂Ip/∂y|<θG(∂Ip/∂y)|∂Ip/∂y|>=θ]]>上式表明：当所述原图像I(x,y)中像素点p在x方向的梯度分量的绝对值小于θ时使所述hp的值维持与原图像相应梯度分量值相等，当所述原图像I(x,y)中像素点p在x方向的梯度分量的绝对值大于或等于θ时使所述hp的值增大以使图像对比度增强，实现目的性优化，当所述原图像I(x,y)中像素点p在y方向的梯度分量的绝对值小于θ时使所述vp的值维持与原图像相应梯度分量值相等，当所述原图像I(x,y)中像素点p在y方向的梯度分量的绝对值大于或等于θ时使所述vp的值增大以使图像对比度增强，实现目的性优化，G(·)为Gamma校正函数，G(·)＝(·)(min(γ*(1+·),1))，γ为所述Gamma校正函数G(·)的控制参数，取值范围为[0.1,0.99]；步骤(3.3)，同时使结果图像R(x,y)和原图像I(x,y)对应像素点差的平方和以及梯度分量值差的平方和最小化，用下式表示：其中，R为结果图像R(x,y)，Rp为结果图像R(x,y)中的像素点p，Ip为原图像I(x,y)中的像素点p，β为hp、vp与的近似程度，取值范围为[1,2000]，步骤(3.4)，用梯度下降法求解步骤(3.3)的结果图像得到初步未经直方图均衡化的结果图像R′(x,y)：其中，p为图像的所有像素点，I为原图像，F是快速傅里叶变换算子，F‑1是快速傅里叶变换的逆变换，F(1)是δ函数的傅里叶变换，δ函数即单位脉冲函数，表示一个在除了零以外的点都等于零，而其在整个定义域上的积分等于1的函数，中的分别对应于点扩散函数组成图像的各个点在x,y方向的梯度大小，为步骤(3.1)中分别对应于的两个对应辅助变量hp，vp的梯度分量；步骤(4)，对上述得到的结果图像进行改进的直方图均衡化，在所述均衡化过程中将图像像素分为三种，分别为可忽略像素，待增强像素，不需增强像素，分类依据为：其中：m是图像像素值的概率值，取值区间为[0.1]；α和η是图像像素分类的控制参数，α<η，经验值：η＝1.0/255，α＝0.1*η，对待增强像素部分像素值概率都增强一个相同的概率值η，其余部分不做增强像素值概率操作，通过所述改进的直方图均衡化可以得到结果图像R(x，y)；步骤(5)，对上述求得的结果图像R(x,y)进行改进的Gamma校正：其中：R是上述步骤求得的结果图像；δ是Gamma校正函数的控制参数，取值范围是[0.45，0.99]；是最终的结果图像。