[发明专利]一种夜间人脸视频图像增强与降噪方法

摘要

本发明公开了一种夜间人脸视频图像增强与降噪方法，属于信息处理技术领域，本发明首先将人脸视频图像从RGB空间转换到HSV空间，对图像的V分量进行BEMD分解，按照一定规则自适应地分解成若干IMF分量，对其中的低频IMF分量进行滤波并去除照射分量，对高频IMF分量进行纹理、细节等信息增强并降噪，把这些经过处理的IMF分量进行重构，即得到降噪与增强后的V分量，把处理后的V分量进行自适应对比度增强后，与经过小波降噪后的H、S分量重构，即可得到降噪与增强处理后的人脸视频图像。本方法在有效增强图像对比度的同时可锐化边缘、纹理等细节信息，有效提高了图像的清晰度，且能够去除夜间人脸图像增强中的光晕问题。

主权项

1.一种夜间人脸视频图像增强与降噪方法，其特征在于：包括以下步骤：步骤1：读取图像到计算机；傍晚或夜晚，在人工光源情况下，使用连接摄像头的计算机连续采集人脸视频并存储在计算机内，从存储的视频中抽取一帧夜间人脸图像，存储为BMP格式，记为I(x,y)；步骤2：图像空间转换；对于待处理图像I(x,y)，将其从RGB空间转换到HSV空间，在转换后的HSV空间中，记色调分量为H(x,y)、饱和度分量为S(x,y)、亮度分量为V(x,y)；步骤3：对亮度分量V(x,y)进行BEMD分解，具体包括如下步骤：步骤3.1：初始化分解层数N＝5；令E(x,y)＝V(x,y)；k＝0；i＝1；步骤3.2：令k＝k+1；E(x,y)为二维信号，其包络曲面的极大值和极小值分别记为E₊(x,y)和E_‑(x,y)，将二者的均值作为E(x,y)的包络均值，即：步骤3.3：使用E(x,y)减去包络均值，得到：步骤3.4：判断是否为IMF分量，定义IMF分量的判定特征指数SD为：IMF分量的判定特征指数SD<0.25；如果k＝1或者SD≥0.25，则不符合IMF分量的定义，需重复上述过程，此时令然后转步骤3.2；否则，符合IMF的定义，转步骤3.5；步骤3.5：计算图像分量V(x,y)的第i阶IMF分量，即：步骤3.6：将imf_i(x,y)从图像E(x,y)中分离，得到余项R(x,y)，即：R(x,y)＝E(x,y)‑imf_i(x,y)      (5)；步骤3.7：如果i≤N,则将余项R(x,y)作为新信号，即令E(x,y)＝R(x,y)，重复步骤3.2至步骤3.7，直至i>N，然后转步骤3.8；步骤3.8：将亮度分量V(x,y)进行分解，得到：此时亮度分量V(x,y)分解得到5个IMF和一个余项R(x,y)，即6个频带；对分解得到的6个频带转步骤4处理：步骤4：对分解得到的低频IMF分量和余项R(x,y)进行消噪滤波，去除照射分量，具体包括如下步骤：步骤4.1：定义滤波器，如公式(7)所示：式中，g(x,y)为滤波器输出结果，表示输出(x,y)位置的像素值g依赖于邻域内像素值f的加权组合，(k,l)表示像素(x,y)的邻域像素位置；权重系数w(x,y,k,l)等于空间域核d(x,y,k,l)和值域核r(x,y,k,l)的乘积，即：w(x,y,k,l)＝d(x,y,k,l)·r(x,y,k,l)      (8)；其中，则有：式中，σ_d为空间域方差，σ_r为值域方差；步骤4.2：利用公式(7)定义的滤波器分别对低频IMF分量imf₄(x,y)、imf₅(x,y)和余项R(x,y)进行滤波处理，消除噪声成分，滤波后的结果记为：imf₄′(x,y),imf₅′(x,y),R′(x,y)；步骤5：对分解得到的高频IMF分量imf₁(x,y),imf₂(x,y),imf₃(x,y)分别进行边缘、纹理细节信息自适应增强与降噪，具体包括如下步骤：步骤5.1：分别对高频IMF分量imf₁(x,y),imf₂(x,y),imf₃(x,y)进行小波分析；步骤5.2：利用式(12)对小波系数进行自适应调节：f(w)＝a[sigm(c(w‑b))‑sigm(‑c(w+b))]      (12)；其中，式(12)、(13)中，w为小波系数，f(w)为增强后的小波系数，b和c为控制增强幅度的参数；步骤5.3：重构增强后的小波系数，得到边缘、纹理细节信息自适应增强后的高频子带imf₁′(x,y),imf₂′(x,y),imf₃′(x,y)；步骤6：重构经步骤4、5处理后的IMF分量，得到新的图像分量V′(x,y)；按照式(14)重构经过步骤4、步骤5处理后的低、高频子带，得到去除照射分量和边缘细节信息增强的图像分量，记为V′(x,y)：步骤7：对新的图像分量V′(x,y)进行对比度自适应增强处理，具体包括如下步骤：步骤7.1：计算图像分量V′(x,y)的灰度统计直方图：式中，s_k为图像分量V′(x,y)的第k级灰度值，n_k是灰度值s_k的像素个数，n是像素总数，L是图像的灰度级总数；步骤7.2：计算图像分量V′(x,y)的灰度累积概率密度p′(s_k)：步骤7.3：建立灰度值映射，即：s′_k＝μ×(L‑1)×p′(s_k),k＝0,1,2,...,L‑1     (17)；式中，μ为灰度映射系数；步骤7.4：将图像分量V′(x,y)中的灰度值s_k变换成s′_k，得到对比度增强后的图像分量V″(x,y)；步骤8：对分量H(x,y)，S(x,y)分别进行小波自适应阈值降噪处理，得到降噪后的分量H′(x,y)、S′(x,y)；步骤9：将对比度增强后的图像分量V″(x,y)与降噪后的分量H′(x,y)、S′(x,y)重构，得到去噪与增强后的图像，即：I′(x,y)＝H′(x,y)+S′(x,y)+V″(x,y)      (18)；将经过处理的图像I′(x,y)从HSV空间转换到RGB空间；至此，完成了夜间人脸视频图像的增强处理。