[发明专利]基于梯度零范数最小化的Retinex夜间图像增强方法

权利要求书

1.基于梯度零范数最小化的Retinex夜间图像增强方法，其特征在于，是一种基于改进的中心环绕的Retinex算法之上的、同时通过最小化梯度幅值的零范数以达到平滑图像、最小化待处理图像与估计的照度图像之差的平方和以保证所述两个图像之间结构相似度的单幅夜间图像增强方法，是在计算机中依次按以下步骤实现的，所述改进是指在照度图像中，被估计的像素点p和周围像素点位置差别不计权重，

步骤(1)，读取一幅待处理图像数据；

步骤(2)，把一幅所述的待处理图像数据从RGB颜色空间转换到HSV颜色空间，V为亮度分量；

步骤(3)，计算机初始化，设定以下参数：

λ为平滑系数，在[0.001,0.1]间取值，平滑效果随λ上升而增强，取λ＝0.05，

β是梯度幅值的零范数最小化、也称梯度幅值不等于零的像素点个数最小化的自适应调节系数，初始迭代时，β＝2·λ＝0.1，直到β_max＝0.5，此时梯度幅值的零范数最小化；步骤(4)，依次按以下步骤计算对应于待处理图像的照度图像、也称光照图像的估计值：

步骤(4.1)，设定：所述照度图像应满足下式：

minL‾{Σp(L‾p-Vp)2+λ·C(L‾)},]]>其中：

V_p为待处理图像中像素点p的亮度分量，

为照度图像中像素点p的估计值，

为所述照度图像的估计值，

为数据项，表示使所述估计的照度图像与待处理图像之差的平方和最小化，

C(L‾)=#{p||∂xL‾p|+|∂yL‾p|≠0},]]>其中：

#{}，是一种计算满足的像素点p的个数的操作，计算所述梯度幅值零范数的操作，

表示梯度幅值的零范数，最小化达到平滑图像的目的，中像素点p的

梯度分别为x、y方向导数算子，由像素点p同相邻像

素点在x、y方向上颜色的差别计算得到，梯度幅值

步骤(4.2)，设定：辅助变量(g_p,h_p)，(g_p,h_p)分别表示对的近似度，是一组变量，计算随着β由β＝2·λ＝0.1到β_max为止，满足下式的(g_p,h_p)值：

Σpmingp,hp{(gp-∂xL‾p)2+(hp-∂yL‾p)2+λβH(|gp|+|hp|)},]]>其中：

ΣpH(|gp|+|hp|)=C(g,h),]]>

H(|g_p+h_p|)是一个二元函数，当|g_p|+|h_p|≠0时返回“1”；否则，返回“0”，

步骤(4.3)，通过所述自适应调节系数β的I次迭代，在β＞β_max时，按下式计算得到估

计的滤波后的照度图像i＝1,2,...i,..I，i是迭代次数的序号，βⁱ⁺¹＝2·βⁱ，

其中：

是快速傅里叶变换算子，

是共轭复数，

是快速傅里叶变换的逆变换，

是单位脉冲函数δ的傅里叶变换，

步骤(4.4)，对步骤(4.3)得到的结果进行直方图裁剪，使小于零的像素点值设置为零，大于1的设置为1，归范化为[0,1]，得到所述估计的照度图像

步骤(5)，按下式计算待处理图像V的反射图像R：

logR=logV-logL‾,]]>求幂后得到反射图像R；

步骤(6)，对步骤(5)的结果按以下步骤处理后得到增强后的反射图像R_final：

步骤(6.1)，对所述反射图像R进行直方图裁剪，按步骤(4.4)所述的方法归范化为[0,1]范围，

步骤(6.2)，用改进的Gamma变换对步骤(6.1)的结果进行校正，得到校正后的反射图像

γ为控制参数，取γ＝0.6，

步骤(6.3)，按步骤(6.2)所述方法对所述亮度分量V进行的Gamma校正，得到Gamma校正后的亮度分量

V‾=V1/3,]]>

步骤(6.4)，按下式得到所述增强后的反射图像R_final：

Rfinal=R‾·V‾.]]>