[发明专利]一种基于双树复小波变换的低光照图像增强方法

说明书

技术领域

本发明属于图像处理领域，特别涉及一种基于双树复小波变换的低光照图像增强方法。

背景技术

对比度增强一直以来都是热门研究课题，在外界环境光不足条件下拍摄的图像往往包含大量的暗像素区域，在这些区域图像细节的可视性降低。在暗环境下获得的图像通常具有灰度级低且分布集中的特性，使得图像的对比度低、动态范围窄。因此，图像处理的首要任务就是改善原始图像的对比度，使人眼感知到的视觉效果更好，可以获得更多的视觉信息。近年来，为克服传统对比度增强方法处理低光照图像的不足，学者提出了一些针对低光照图像特性的图像增强方法，并将其推广到视频处理中。

2010年Artur Loza,David R.Bull,Paul R.Hill和Alin M.Achim在201017th International Conference on Image Processing(ICIP)上名为“Automatic contrast enhancement of low-light images based on local statistics of wavelet coefficients”的论文中提出了一种基于小波系数局部统计信息的低光照图像自动对比度增强方法。该方法基于小波系数的局部散布建模双变量柯西分布，依据此构造非线性函数在小波域上对图像进行增强和降噪处理，增强暗图像对比度的同时抑制噪声的产生。

2013年Shih-Chia Huang,Fan-Chieh Cheng和Yi-Sheng Chiu在IEEE Trans.Image Processing上名为“Efficient contrast enhancement using adaptive gamma correction with weighting distribution”的论文中提出了一种基于自适应伽马校正的低光照图像增强方法。该方法第一步计算图像的统计直方图，得到图像概率分布信息。第二步，利用权重分布函数调整图像的统计直方图，并得到相应的累积分布函数，从而根据累积分布函数得到伽马校正中的伽马算子，实现伽马校正的自适应调整以提高低光照图像的对比度。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

前者使用的数学理论相对较复杂，且对噪声的抑制效果不是很理想，而后者主要依赖于图像概率的分布，低光照图像概率分布的不均匀使图像增强过程动态范围分配不合理，大大降低了增强后图像的质量，并导致颜色失真。

发明内容

为了解决现有技术的问题，一种基于双树复小波变换的低光照图像增强方法，所述基于双树复小波变换的低光照图像增强方法，包括：

将待处理图像的颜色空间进行转换，得到转换后的第一图像；

将所述第一图像进行亮度补偿处理，得到处理后的亮度补偿图像；

对所述亮度补偿图像进行双树复小波变换，获取所述亮度补偿图像中亮度分量的低通子带和高通子带，对所述低通子带和所述高通子带进行处理，得到处理后图像；

提取所述处理后图像中的处理后亮度分量以及所述待处理图像中的原始亮度分量，根据处理后亮度分量与所述原始亮度分量的比值，结合所述待处理图像中的彩色分量，获取输出图像。

可选的，所述将所述第一图像进行亮度补偿处理，得到处理后的亮度补偿图像，包括：

提取所述第一图像中的亮度分量，通过双边滤波器将所述亮度分量分为基层分量和细节层分量，基于所述基层分量和所述细节层分量，获取增强后的细节层分量；

根据所述基层分量与所述增强后的细节层分量，确定细节信息增强的亮度分量；

根据所述细节信息增强的亮度分量的取值范围，对所述第一图像的动态分为进行处理，得到处理后的亮度补偿图像。

可选的，对所述亮度补偿图像进行双树复小波变换，获取所述亮度补偿图像中亮度分量的低通子带和高通子带，对所述低通子带和所述高通子带进行处理，得到处理后图像，包括：

提取所述亮度补偿图像中的细节信息增强的亮度分量，对所述细节信息增强的亮度分量进行双树复小波变换，得到低通子带和高通子带；

根据预设阈值对所述高通子带中的小波系数进行分类调整，得到调整后的高通子带系数，通过对比度受限自适应直方图均衡方法对所述低通子带中的系数进行调整，得到调整后的低通子带系数；

根据所述调整后的高通子带系数和所述调整后的低通子带系数，通过双树复小波反变换对所述亮度补偿图像中的亮度分量进行重构，基于重构后的亮度分量对所述亮度补偿图像进行处理，得到处理后图像。