[发明专利]一种基于非抽样Contourlet的图像增强方法

说明书

技术领域

本发明涉及计算机视觉领域和信号处理领域，特别是涉及图像增强、非抽样Contourlet(NSTC)和图像处理的方法。

背景技术

在现实生活中，夜间图像由于天气条件、亮度条件、捕获设备等因素导致图像不清晰甚至异常模糊。因此对夜间图像进行增强处理特别重要，利于图像分析。图像增强是计算机视觉领域的研究之一。主要解决的问题是：将较低质量(亮度小，对比度低，细节模糊等)的输入图像输出为高质量(亮度大，对比度高，细节清晰)的图像。目前图像增强技术已经展开了大量的应用研究，然而在夜间复杂背景下的低亮度图像增强技术带来了不小的挑战。

传统的图像增强技术归纳为两大类：空域增强处理法和频域增强处理法。空域增强法通常是针对像素操作。包括灰度变换、直方图均衡、各种滤波器处理、基于模糊逻辑的增强、基于遗传算法优化等，基于空域增强的算法属于直接增强图像本身。

下面给出空域增强的一般定义如下式：

g(x,y)＝T[f(x,y)] (1)

其中处理后图像是g(x,y)，输入图像是f(x,y)，转换函数是T，表示对图像f(x,y)的各种转换操作。

基于频域增强的算法基础是卷积定理，它是将图像看作波，然后利用信号处理的手段对图像进行处理。通常采用数学表示方式，定义如下：

G(u,v)＝H(u,v)*F(u,v) (2)

根据上式，增强后的图像g(x,y)可以采用反变换方式得到。

g(x,y)＝F^-1[H(u,v)*F(u,v)] (3)

式中g(x,y)表示处理后的图像，F(u,v)是图像傅里叶变换，H(u,v)是滤波器变换函数，可以发现增强后的图像比原图像细节更清楚。在增强的过程中，如果强调低频分量，可以采用低通滤波器去除图像噪声；如果是强调高频分量，可以采用高通滤波器增强图像边缘，更好地勾画出轮廓。

直方图均衡(HE)是一个最常用的对比增强技术，图像的概率密度函数(PDF)描述如下：

其中n_k表达第k个灰度等级的图像的像素总数，N是图像的像素总数。图像的直方图累积分布函数(Cumulative Distribution Function,CDF)定义如下：

从公式(5)得到CDF值，直方图均衡映射从一个输入等级k的图像到输出等级H_k使用下面的映射函数：

H_k＝(K-1)×C(k) (6)

传统的直方图均衡方法，由于灰度拉伸导致过度增强或者闪烁效果，如果一幅图像的像素占有全部可能的灰度级并且分布均匀，则显示的图像有高对比度和多变的灰度色调。图1显示了直方图增强的结果。

色调函数映射(Tone Mapping)是另外一个对比增强技术，目前的色调函数增强可以分为两类：基于全局的色调函数增强和基于局部的色调函数增强，优点是：①可以保持图像的细节，②提供低动态范围的亮度信息。为增强低动态范围的图像，在时间域上使用非线性的曝光和噪声的过滤器，算法能更好的增强图像，减少噪声。通常色调函数增强是基于图像亮度层进行，这样能更好的保护增强后的细节。下面给出常见的色调函数：

色调函数的对比增强成功的应用到增强技术上，增强图像无论亮度和清晰度都更高，前面的部分也更清晰。

鉴于此，本发明的主要目的是解决上述目前存在与信息融合增强方法引入的新问题。为了实现此目标，我们提出了一种基于非抽样Contourlet的图像增强方法。该方法的时间消耗低，可以更好地满足夜间图像增强的实时性要求。

发明内容

为达到上述目的，本发明的技术方案是这样实现的：基于NSCT的分析，提出对低亮度图像进行多尺度分解，然后进行融合增强的算法。该发明具体包括如下基本步骤：

A估算高亮度图像背景；

B转换RGB颜色空间转换为La*b*，并提取L分量作为灰度，然后分解得到亮度和反射度；

C提取亮度分量，然后使用非抽样Contourlet处理进行增强处理，即得到增强的夜间图像；

D对增强后的图像进行逆置转换得到增强后的多分辨率图像，对增强后的图像使用夜间图像颜色进行还原，并对图像重构；

E图像增强后的客观评价；

附图说明

图1本发明算法具体实施原理以及框图。

具体实施方式