[发明专利]基于梯度零范数最小化的Retinex夜间图像增强方法

说明书

技术领域

本发明涉及图像处理领域，具体涉及一种夜间彩色图像处理方法及系统。

背景技术

在夜间获取的图像，由于照明强度的影响，会导致图像可视效果下降。因此需要对夜间图像进行处理，改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

目前对夜间图像质量提升技术主要包括图像融合和图像增强。图像融合技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理，包括：夜间图像与可见光图像融合以及夜间图像与红外图像融合，此类方法都需要在同一场景下采集多幅不同频谱的图像且算法复杂耗时。图像增强技术主要针对单幅夜间图像处理，通过有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰，扩大图像中不同物体特征之间的差别，使图像符合人眼观察或机器识别的要求，主要方法包括：直方图方法、基于小波的方法以及基于Retinex的算法。其中，基于Retinex模型的增强算法对光照因素引起质量下降的图像具有较好的增强效果。

基于Retinex模型的图像增强算法先后出现了许多种变型，根据估计亮度图像的方法不同，大致可以分为基于路径比较的方法、基于迭代的方法和中心环绕计算方法等。其中，中心环绕的Retinex算法成为最为广泛使用的方法。具有代表性的有单尺度Retinex（Singlescale-Retinex,SSR）算法和多尺度Retinex（Multiscale-Retinex,MSR）算法，以及在此基础上为了克服颜色失真问题而提出的颜色复原的多尺度Retinex（Multiscale-Retinex with color restoration,MSRCR）算法。但是，由于中心环绕的Retinex算法本质是基于灰度假设，而均匀颜色区域违背了灰度假设，使处理后的图像颜色去饱和而变为灰色调，产生灰化效应，存在颜色失真，而MSRCR算法在颜色复原过程中引入原图像色度的非线性函数，来补偿算法处理过程中损失的颜色信息，并不是恢复场景的真实颜色，违背了颜色恒常性的原理，影响了增强效果。鉴于中心环绕方法在计算照度时主要依据周围像素的位置来赋予不同权重来估算当前像素的照度，而忽略了该像素本身。这往往造成在明暗对比强烈的边缘区域，高低像素之间会互相影响，造成照度估计失真，产生“光晕伪影”现象，Michael Elad等提出了基于双边滤波的Retinex算法，该算法利用具有保持边缘的平滑滤波估计照度图像，能够有效的消除“光晕伪影”现象，但仍不可避免地在图像边缘处产生过增强现象。

发明内容

本发明的目的在于提出一种基于梯度零范数最小化的Retinex夜间图像增强方法。

本发明的特征在于，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，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：

p，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，