[发明专利]基于色调映射和正则化模型的弱光图像增强方法

摘要

本发明公开了一种基于色调映射和正则化模型的弱光图像增强方法，其中设计了自适应映射参数对色调映射函数加以改进，对亮度较大的区域提高增强程度，对亮度较小的区域降低增强程度，使其对V通道图像进行自适应亮度增强；并构建L₁正则化模型对反转后的暗通道图像进行平滑，在去噪的同时获得更好的平滑效果，进而得到信息更丰富的细节层，同时考虑到图像灰度变化的频率和强度，将暗通道图像的信息熵和梯度特征融合对暗通道图像进行自适应对比度增强，可以恢复更多的细节信息。最后，基于两种方法的互补性，将亮度增强后的V通道图像和对比度增强的暗通道图像加权融合。

主权项

1.一种基于色调映射和正则化模型的弱光图像增强方法，其特征在于，步骤如下：/n步骤1、获得弱光图像I(x)亮度增强后的V通道图像/n首先，输入弱光图像I(x)，将弱光图像I(x)从RGB空间转换到HSV空间，根据V通道图像I^V(x)的亮度，自适应映射参数函数b(x)为：/n /n式(1)中：x为图像中的任一像素点，I^V(x)是V通道图像，是V通道图像的平均亮度；/n然后，对V通道图像I^V(x)色调映射进行亮度增强，映射函数为：/n /n式(2)中：是V通道图像I^V(x)像素的最大值，是亮度增强后的V通道图像；/n步骤2、获得弱光图像I(x)对比度增强后的反转暗通道图像步骤如下：/n2-1)构建L₁正则化模型，对反转后的暗通道图像进行平滑去噪，目标函数为：/n /n其中，/n /n式(3)和式(4)中：为平滑去噪后的反转暗通道图像，是弱光图像的反转图像，v是正则化参数，D_i是滤波算子，该滤波算子D_i包含8个Krisch算子和1个Laplace算子，W_i是权重函数，σ是固定参数；/n2-2)对上述目标函数进行求解，得到最优解如下：/n /n /n式(6)和式(7)中：sign是符号函数，μ_i是辅助变量，ρ为惩罚参数，F是二维傅里叶变换，F^-1是二维傅里叶变换的逆变换，是F的共轭；/n2-3)将反转后的暗通道图像与平滑去噪后的图像相减，得到细节层图像/n /n2-4)将反映图像强度变化的梯度信息和变化频率的信息熵mh(x)＝-∑p(k)log(p(k))融合，p(k)是图像像素值等于k时的概率，从而得到调节参数m(x)：/nm(x)＝τmt(x)+(1-τ)mh(x) (9)/n式(9)中：τ是权重系数；/n2-5)根据调节参数m(x)和细节层图像对图像进行对比度增强：/n /n式(10)中：是对比度增强的反转暗通道图像，λ是常数；/n步骤3、将步骤2获得的图像进行反转获得图像对图像及步骤1获得的亮度增强的V通道图像进行加权融合，作为增强后的V通道图像/n /n式(11)中：α和β是常数，α+β＝1；/n并将增强后的V通道图像由HSV空间映射到RGB空间，得到最终的增强图像。/n