[发明专利]低光照图像增强与去噪方法、系统及计算机设备

说明书

本发明提出了一种低光照图像增强与去噪方法、低光照图像增强与去噪系统、计算机设备及计算机可读存储介质，低光照图像增强与去噪方法包括：提取原始低光照图像YUV格式中的黑白灰度图像作为初始亮度图；根据初始亮度图建立求解亮度分量的目标函数，并求解亮度分量；根据原始低光照图像和亮度分量建立求解反射分量的目标函数，并求解反射分量；根据亮度分量和反射分量得到处理后的图像。本发明提供的技术方案，对于低光照图像，基于Retinex模型和采用贯序分解的方法能够避免交替分解导致的噪声污染问题，并在分解的过程中引入系数矩阵来进一步增强对比和抑制噪声，进而能够对低光照图像同时进行增强和去噪处理。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种低光照图像增强与去噪方法、低光照图像增强与去噪系统、计算机设备及计算机可读存储介质。

背景技术

目前，社交媒体的不断发展增加了人们对于高质量图像的需求，然而环境光线阴暗、背光等因素往往导致大量低光照图像的产生。低光照情况下得到的图像往往具有低清晰度、低对比度、高噪声等特点。尽管先进的摄影设备和专业的摄影技巧可以一定程度减少低光照图像的产生，但是这类问题的出现是不可避免的，此外，还有大量老旧照片也包含上述问题。因此，对于普通消费者来说，通过软件技术手段来对低光照图像进行增强及去噪处理是非常实用的。

通常，对低光照图像的处理方式就是增强，即直接放大低光照图像的亮度，但是这一操作会导致一些其他的问题，比如原本明亮的区域会过饱和，并且丢失一些重要的细节。现有技术中采用直方图均衡化的方法通过对图像直方图的动态范围进行拉伸，使直方图趋于平滑，缓解了上述问题。但是，这类方法会出现过度增强或者增强不够的结果，并且图像中原有的噪声往往也会被增强。

一些研究者发现雾霾图像与取补色后的低光照图像之间具有相似性，所以，使用去雾方法处理低光照图像。对于图像中的强噪声，Li等人试图在增强图像后通过经典的去噪算法BM3D(Block-Matching 3D，三维块匹配算法)来消除。而Zhang等人应用联合双边滤波器以抑制增强后的噪声。这些方法具有一定的效果，但是增强和去噪被视为两个较为独立的过程，增加了步骤的繁琐性。此外，增强与去噪的先后顺序成为关键问题，先增强会导致噪声被放大，降低了去噪方法的有效性，先去噪会导致大量细节被抹去，增强后的结果变得模糊。

近年来，Retinex(视网膜大脑皮层理论)模型被大量研究。Retinex模型认为，人们所见的图像是由反射和亮度构成。该类方法将低光照图像分解为反射图像和亮度图像，再将其改善后生成增强的结果。分解过程中通过对数变换可以简化乘法运算，通过交替拉格朗日乘子法可以求解最优方程。然而，Fu等人发现，对数变换扭曲了图像的比例，为此，他们提出了一个加权变分模型。Guo等人通过在最优方程中添加一个系数矩阵来求解亮度图和反射图。以上方法虽然都取得了较好的结果，但是，也产生了噪声过大，明亮区域过度增强和丢失细节等问题。此外，它们都没有将噪声作为分解过程中的一个组成部分或影响因素。由于噪声更多在反射图中被观察到，交替迭代的求解方法会将反射图中的大量噪声引入到亮度图中。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个方面在于提出了一种低光照图像增强与去噪方法。

本发明的另一个方面在于提出了一种低光照图像增强与去噪系统。

本发明的再一个方面在于提出了一种计算机设备。

本发明的又一个方面在于提出了一种计算机可读存储介质。

有鉴于此，根据本发明的一个方面，提出了一种低光照图像增强与去噪方法，包括：提取原始低光照图像YUV格式中的黑白灰度图像作为初始亮度图；根据初始亮度图建立求解亮度分量的目标函数，并求解亮度分量；根据原始低光照图像和亮度分量建立求解反射分量的目标函数，并求解反射分量；根据亮度分量和反射分量得到处理后的图像。