欢迎来到沃文网! | 帮助中心 分享知识,传播智慧!
沃文网
换一换
首页 沃文网 > 资源分类 > DOC文档下载
 

基于matlab 的低照度视频图像增强处理算法研究与实现.doc

  • 资源ID:1265       资源大小:4.29MB        全文页数:27页
  • 资源格式: DOC        下载权限:注册会员/VIP会员    下载费用:20积分 【人民币20元】
下载资源需要20积分 【人民币20元】
已注册用户请登录:
账号:
密码:
  忘记密码?
    
友情提示
2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,既可以正常下载了。
3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

基于matlab 的低照度视频图像增强处理算法研究与实现.doc

毕业设计论文开题报告通信与信息工程学院院系电子信息科学与技术专业08级04班课题名称基于Matlab的低照度视频图像增强处理算法研究与实现1.本课题所涉及的问题及应用现状综述本课题所涉及的问题1.阅读图像增强处理相关文献,配置和安装Matlab程序开发平台2.低照度监控视频图像增强算法的基本原理。3.学习Matlab软件编程技巧,并设计基于Matlab的低照度监控视频图像增强算法的流程图。应用现状描述常用的图像增强处理方式包括灰度变换、直方图修正、图像锐化、噪声去除、几何畸变校正、频域滤波和彩色增强等。由于图像增强与感兴趣的物体特征、观察者的习惯和处理目的密切相关,尽管处理方式多种多样,但它带有很强的针对性。因此,图像增强算法的应用也是有针对性的,并不存在一种通用的、适应各种应用场合的增强算法。于是,为了使各种不同特定目的的图像质量得到改善,产生了多种图像增强算法。这些算法根据处理空间的不同分为基于空间域的图像增强算法和基于变换域的图像增强算法。空域增强法直接针对图像中的像素,对图像的灰度进行处理;频域增强法是基于图像的Fourier变换式对图像频谱进行改善,增强或抑制所希望的频谱。基于空间域的图像增强算法又可以分为空域的变换增强算法、空域的滤波增强算法以及空域的彩色增强算法;基于变换域的图像增强算法可以分为频域的平滑增强算法、频域的锐化增强算法以及频域的彩色增强算法。现有应用于低照度图像增强的算法主要基于直方图均衡化的增强方法,直方图均衡化方法是将一已知灰度概率密度分布图像经过某种变换变成一幅具有均匀灰度概率密度分布的新图像,其结果是扩展像素取值的动态范围,从而达到增强图像整体对比度的效果,是一种常用的灰度增强算法。根据原始输入图像直方图的统计值可以算出均衡化后各像素的灰度值,直方图上灰度分较密的部分被拉伸,灰度分布稀疏的部分被压缩,从而使一幅图像的对比度在总体上得到增强。使用该方法对某些图像进行处理时,其具体增强效果不易控制,处理结果总是得到全局均衡化的直方图。可能存在的问题如下l输出图像的实际灰度变化范围很难达到图像格式所允许的最大灰度变化范围。2输出图像的灰度分布直方图虽然接近均匀分布,但其值与理想值仍有可能存在较大的差异,并非是最佳值。3输出图像的灰度级有可能被过多地合并,因此容易造成图像信息的丢失。直方图均衡化一般会使原始图像的灰度等级减少,这是由于均衡化过程中要进行近似舍入所造成的,被舍入合并的灰度级是原始图像上出现频率较低的灰度级。如果这些灰度级构成的图像细节比较重要,则可以采用局部对比度增强技术来减少由于灰度级合并所造成的灰度层次的损失。使用局部对比度图像增强方法能强化局部图像细节,对不均匀图像具有良好的增强效果。但对不均匀的低对比度图像增强效果不理想,放大系数在对比度增强过程中不可调,在整体增强的同时,不能针对局部图像进行微调。为此我们可通过Retinex算法来改进。2.本课题需要重点研究的关键问题、解决的思路及实现预期目标的可行性分析关键问题(1)伪影干扰消除问题(2)如何进行照度估计(3)入射光分量动态范围的调整(4)如何调整细节进一步改善图像清晰度解决思路(1)用带边缘保留的IIRDE低通滤波器对图像进行照度估计,然后调整入射光的范围,增强反射光的分量细节,二者结合最终得到清晰的图像。可行性分析(1)熟悉基本的数字图像增强原理如直方图均衡,空间与频率域滤波通过与Retinex算法的比较可以更好掌握体悟Retinex算法的优点与不足(2)提升自己独立的自学能力,应用基本的数字图像增强知识。(3)培养了独立开展研究的能力,掌握了科研的基础方法3.完成本课题的工作方案1.阅读图像增强处理相关文献,配置和安装Matlab程序开发平台2.阅读数字图像处理和Matlab软件方面的书籍,掌握低照度监控视频图像增强算法的基本原理。3.学习Matlab软件编程技巧,并设计基于Matlab的低照度监控视频图像增强算法的流程图。4.编写和调试基于Matlab的低照度监控视频图像增强算法程序。5.撰写论文,完成论文初稿。6.完善并修改毕业论文。4.指导教师审阅意见论文对选题的发展背景、研究现状和发展趋势做了基本介绍;研究的基本内容以任务书为依据、研究的主要问题和方向明确;研究方法可行,其研究工作的步骤、进度安排合理,同意开题。在设计和研究过程中,需要对低照度视频的特点进行深入了解,对整个文章结构做出合理分布,在论文内容的深浅层次及各章节间的衔接上需重点把握。要注意中心明确、详略得当,抓住低照度图像增强处理这条主线进行分析研究,同时要掌握Matlab编程的基本设计方法。指导教师签字2012年3月4日说明本报告必须由承担毕业论文设计课题任务的学生在毕业论文设计正式开始的第1周周五之前独立撰写完成,并交指导教师审阅。西安邮电大学毕业设计论文成绩评定表学生姓名田晨曦性别男学号04082112专业班级电科0804班课题名称基于Matlab的低照度视频图像增强处理算法研究与实现课题类型软件工程类难度一般毕业设计(论文)时间2012年1月2日~6月15日指导教师王殿伟职称讲师课题任务完成情况论文千字;设计、计算说明书千字;图纸张;其它含附件指导教师意见分项得分开题调研论证分;课题质量(论文内容)分;创新分;论文撰写(规范)分;学习态度分;外文翻译分指导教师审阅成绩指导教师签字2012年月日评阅教师意见分项得分选题分;开题调研论证分;课题质量(论文内容)分;创新分;论文撰写(规范)分;外文翻译分评阅成绩评阅教师签字2012年月日验收小组意见分项得分准备情况分;毕业设计(论文)质量分;(操作)回答问题分验收成绩验收教师组长签字2012年月日答辩小组意见分项得分准备情况分;陈述情况分;回答问题分;仪表分答辩成绩答辩小组组长签字2012年月日成绩计算方法填写本系实用比例指导教师成绩20%评阅成绩30%验收成绩30%答辩成绩20%学生实得成绩百分制指导教师成绩评阅成绩验收成绩答辩成绩总评答辩委员会意见毕业论文设计总评成绩等级院系答辩委员会主任签字院系签章2012年6月15日备注西安邮电大学毕业论文设计成绩评定表续表目录摘要---------------------------------------------------------------------------------------------------------------------------IABSTRACT---------------------------------------------------------------------------------------------------------------II引言--------------------------------------------------------------------------------------------------------------------------11绪论----------------------------------------------------------------------------------------------------------------------21.1课题研究的目的和意义----------------------------------------------------------21.2研究现状----------------------------------------------------------------------21.3本课题的主要研究内容----------------------------------------------------------21.4本课题的章节安排--------------------------------------------------------------32Retinex算法背景知识简介-----------------------------------------------------------------------------------------42.1Retinex理论简介---------------------------------------------------------------42.2光晕伪影的产生原因----------------------------------------------------------43.本文对算法的改进--------------------------------------------------------------------------------------------------53.1照度估计----------------------------------------------------------------------53.2照度图像的校正与压缩----------------------------------------------------------63.2.1改进的伽马校正---------------------------------------------------------------------------------------63.2.2如何将图像归一化------------------------------------------------------------------------------------------73.3反射图像的压缩与增强----------------------------------------------------------73.4本文算法的详细流程------------------------------------------------------------84.本文处理视频与图像的结果-------------------------------------------------------------------------------------104.1本文算法处理静态图像的结果---------------------------------------------------104.2本文算法处理动态视频的结果---------------------------------------------------115.总结与结论----------------------------------------------------------------------------------------------------------13致谢-------------------------------------------------------------------------------------------------------------------------14参考文献-------------------------------------------------------------------------------------------------------------------15附录-------------------------------------------------------------------------------------------------------------------------16关键部分程序清单------------------------------------------------------------------16提取照度图像------------------------------------------------------------------------------------------------------16对反射图像的增强------------------------------------------------------------------------------------------------17对照度图像的压缩------------------------------------------------------------------------------------------------17如何将视频转换成帧---------------------------------------------------------------------------------------------18摘要I低照度图像的细节灰度差别限制在几十级以内,且图像灰度值相比其他图像低。因此希望通过一种图像增强处理既能清晰看到整幅图像又能突出局部细节,目前传统图像增强算法很难做到很好的兼顾处理。现有应用于低照度图像增强的算法主要基于直方图均衡化的增强方法,使用该方法对某些图像进行处理时,不易控制具体的增强效果,处理结果总是得到全局均衡化的直方图。直方图均衡化一般会使被处理图像的灰度等级减少,这是因为在均衡化过程中要进行近似舍入,被舍入合并的灰度级是原始图像上出现频率较低的灰度级。如果这些灰度级构成的图像细节比较重要,则可以采用局部对比度增强技术来减少由于灰度级合并所造成的灰度层次的损失。使用局部对比度图像增强方法能强化图像的局部细节,对不均匀的高对比度图像具有良好的增强效果。但对不均匀的低对比度图像增强效果不理想,放大系数在对比度增强过程中不可调,在整体增强的同时,不能针对局部图像进行微调。为此我们可通过Retinex算法来改进。针对Retinex图像增强技术在高对比度边缘区域存在“光晕伪影”这一缺点,提出了一种基于双边滤波的Retinex算法。该算法先使用带有边缘保存功能的双边滤波将原图像分解成照度图像和反射图像的乘积,再分别采用不同的策略压缩照度图像和增强反射图像,最后把两部分图像合成为新的图像。通过从主观视觉效果和客观质量评价两方面对该算法进行检验,实验结果表明它有较好的增强效果,解决了“光晕伪影”问题。关键词低照度图像,双边滤波,光晕伪影IIABSTRACTLowIlluminationimagesdetailsoftheimagegrayscaledifferenceisonlyinthedozensofclassandalowergrayvalue.Thereforetaditionalimageenhancementalgorithmatthemomentcanttacklewiththissituationthatnotonlyclearlyseethewholeimagebutalsohighlightthelocaldetailsoftheimage.Existingapplicationinalowilluminationimageenhancementalgorithmmostlybasedonthehistogramequalizationenhancement.Butwhenusetheforsomeimageprocessing,theconcreteeffectnoteasytocontrol,andprocessingresultsalwaysgetglobalequalizationhistogram.Histogramequalizationisgenerallywillmaketheoriginalimageofgraylevelreduced,whichiscausedbytheequalizationprocesstoapproximaterounding,andthegrayscalewhichismergedorroundedistheoriginalimageappearedonlowerfrequencyofgraylevel.Ifthesedetailsthatwascomposedofgraylevelareimportant,itcanuselocalcontrastenhancementtechniquestoreducethelosswhichwascausedbygray-levelorgray-scalemerger.Uselocalcontrastimageenhancementcanenhancethelocalimagedetailseventheunevenimagehasagoodeffect.Theresultisnotsatisfactorywhenenhancetheunevenimages,low-contrastimages,themagnificationfactorintheprocessofcontrastenhancementisnotadjustableintheoverallenhancedatthesametime,youcannotfine-tunethelocalimage.Forthisreasonwecantakcletheproblemthroughtheretinexalgorithm.AccordingtoRetineximagehaveadefectthatenhancementtechniqueinhighcontrastedgeregionsexisthaloartifact,PutforwardanewbasedontheRetinexbilateralfilteringalgorithm.Thealgorithmfirstusewiththebilateralfilterwithedgepreservationfunctionwillbreakdowntheoriginalimageintoilluminationimageandreflectedimage,thenweadoptdifferentstrategytocompressilluminationimageandreflectedimage,finallycombinethetwopartsforthenewimagesynthesisimage.Throughthesubjectivevisualeffectandobjectivefromqualityuationtotestthisalgorithm,theexperimentalresultsshowthatithasgoodeffectandsolvethehaloartifactproblem.Keywordslowilluminationimage,bilateralfiltering,haloartifact基于Matlab的低照度视频图像增强处理算法研究与实现1引言图像增强是指有按人们的需求强调图像的整体或局部特性,以改善图像的视觉效果或满足特殊分析的需要[1]例如遥感、交通检测、安全监控等领域,对图像的质量和清晰化程度都有比较高要求,而成像设备往往达不到要求,需要计算机对图像进行特定的增强处理,使图像满足人类观察和计算机分析处理的需要。例如在CT、超声波成像中,通过提高图像对比度,凸显病症处存在,方便医生诊断;卫星、航空遥感图像,有可能受到大气或云层的干扰,通过图像增强淡化云雾,更有利于对地面的观察;在交通检测和安全监控中,黑暗条件往往限制了摄像头的监控,通过增强提高整个画面的亮度和对比度,达到更有效监控的目的。如今网络已经成为主流的通信手段之一,多媒体通信得到广泛应用,处理好图像的压缩是很重要的环节[2]。国际通用的JPEG压缩标准是有损压缩,在传输过程中图像会造成比较严重的细节丢失,图像质量和传输效率之间往往存在矛盾[3]。针对压缩图像的增强,传统的方法往往不能较好的凸显细节,且易产生块状效应。近年来针对压缩图像的增强方法成为图像增强中的热门问题,由于其较高的学术价值和应用价值,受到国内外很多学者的关注。对图像进行增强在学术上的定义是通过利用各种数学的计算方法和手段来提高图像中观察者感兴趣的物体的对比度和清晰度[4]。我们主要利用空间域统一和非空间域统一的方法来增强相关的图像。空间域统一处理图像的方法主要包括对数压缩,伽马校正,直方图均衡,线性拉伸[5];这类计算方法简单,而且处理效率较高,但在实际应用中很少运用,非空间域统一的方法像是基于Retinex[6-7]的方法等,这些算法效果很好,但是在实现过程中计算复杂度较高。基于Retinex的图像增强技术可以有效的改善图像的视觉效果,是一种非常高效的图像增强算法。在过去的几十年里,众多图像处理爱好者提出了基于这种理论的不同实现方法,其中最具代表性的是NASA美国国家航空航天局下属的一个研究机构提出的中心环绕Retinex算法[8-9]。本文研究的课题是提出一种基于双边滤波的Retinex算法[10],该算法使用双边滤波来对低照度视频图像进行照度估计,这种方法在进行照度估计时可以更精确地估计高对比度边缘区域的照度,避免出现光晕伪影。实现本文算法的主要流程是将原图像看成是照度图像和反但这些算法都会存在“光晕伪影”。“光晕伪影”指的是经过增强的图像中在高对比度边缘区域存在着像光晕一样的影子。经过分析得出了产生“光晕伪影”的原因现有技术在估计照度时主要根据图像像素点的位置远近赋予不同的计算权重,但是没有充分考虑到像素亮度本身的意义,从而对造成高对比度边缘区域照度估计的失真。射图像的乘积,先将原图像分解成照度图像和反射图像,再分别采用不同的策略压缩照度图像和增强反射图像,最后把两部分图像合成为新的图像。基于Matlab的低照度视频图像增强处理算法研究与实现21绪论1.1课题研究的目的和意义我们一直致力于将我们所拍摄景物图像高灵敏度逼真再现。伴随着电子产品的快速发展,人们开始较少使用一些专业的摄像器材。但是在实际拍摄过程中,由于一些不可避免的因素,如不专业的摄影行为、视频传输中信息缺省或者丢失、环境光以及设备缺陷等都会导致视频图像存在不清晰的等缺点。特别是在摄影或者监控时由于光照条件不足,通常会使图像过暗,就会产生低照度图像。并且图像经过传送和转换等,进一步加剧了低照度图像质量的下降。低照度图像存在于人们日常生活中的各式场景中。例如在港口、高速公路与智能小区等传统的监控领域,由于光照等客观因素的影响,图像会在非常短的时间内造成巨大细节丢失。因此必须采用现代电子和信息化技术装备做好预防及增强措施。还有些特殊场景,由于需求和目的不一致导致画面质量不均匀。如在医院病房里面,我们想要对医生或者值班护士,进行绩效考核。在病房里加较量光源,就会影响到病人休息。另外,有些监控场地没有条件外加光源,比如说在室外或者有大片空地,想加光源很难。随着社会的发展,人口流动性大,各种治安案件90基本上发生在夜间。所以对低照度环境下监控是重中之重,而对获得的低照度图像进行增强显得尤为紧迫。低照度图像具有灰度范围较窄、相邻像素的空间相关性高、灰度变化不明显等特点,这使得图像中的物体、背景、细节、噪声等信息包含在一个较窄的灰度范围内。因此,必须将获取的源图增强变为一种更加适合人们肉眼观察的形式。1.2研究现状国内外的图像增强方法可分为三类第一类为点变换,点变换的定义即处理时只与本身像素点的值有关,而与空间具体位置无关。第二类为针对空间域处理,主要做作邻域加权和处理。第三类为频域处理,即将图像变换到频域域内对图像的变换值进行增强处理,然后通过傅里叶逆变换获得增强图像[10]。此外,还有小波去噪、同态滤波、中值滤波、伪彩色、假彩色等处理方法。目前,虽然各种增强图像的技术已经形成许多经典的算法,但新的增强技术依然不断发展,如局部直方图均衡化、基于小波变换的增强方法和数学形态学方法的增强。图像增强方面目前还没有统一的质量评价标准,这主要源于缺乏从图像外观的角度进行主观判别的数学度量工具。因此,图像增强技术的探索具有实验性和多样性。1.3本课题的主要研究内容本课题主要的研究内容是研究一种基于Matlab平台,并采用Retinex技术的方法来对低照度图像进行增强,不仅可以提升图像的清晰度,锐度与色度,亮度同基于Matlab的低照度视频图像增强处理算法研究与实现3时还可以消除传统Retinex算法中存在的“光晕伪影现象”。1.4本课题的章节安排全文围绕低照度图像增强算法而展开,共分为七部分,具体安排如下第一部分绪论简要地介绍选题背景、研究方法和发展现状。第二部分介绍Retinex图像增强的基本理论,以及传统的Retinex算法的不足。第三部分介绍下我自己对于Retinex算法所做的改进及本文用到的方法。第四部分实验结果,利用已有的图片对本文提出的算法进行验证,并给出结果分析;第五部分结论与展望。第六部分参考文献。第七部分关键程序片段附说明。基于Matlab的低照度视频图像增强处理算法研究与实现42Retinex算法背景知识简介Retinex理论简介Retinex理论是由兰德等人提出的[11]。它详细阐明了人类视觉系统观察物体时是如何达到颜色不变的的。颜色不变即颜色恒常指的是在观色条件例如物体周围颜色发生变化时或入射光照发生变化时,人眼感知到的物体颜色和亮度保持与条件稳定时观测的结果相对不变[11-12]。Retinex是一个由“retina”和“cortex”[12]组成的合成词,表示整个处理过程和人的视网膜成像和大脑皮层有着密切的关系视网膜用来获取数据,大脑皮层用来独立于周围的光照识别出物体。根据Retinex理论,一幅图像S可以看成是照度图像L和反射图像R的乘积,如下式所示Sx,yLx,y*Rx,y2-1[13]实际上,一幅图像的本质属性是由反射图像R决定的,照度图像决定了一副图像所能达到的动态范围。Retinex的目的就是从原始图像S中获得图像的反射分量即本质属性,从而避免受到照度等因素的干扰,从而模拟人眼视觉系统的颜色恒常[11]。在实际的Retinex算法计算中会先将原图像转换到对数域中,利用对数变换将乘积关系转换为求和相加关系,再将图像进行分解为照度图像和反射图像。具体做法是先对原始图像取对数,再用特定的方法进行照度估计,得到照度图像L。在估计照度图像时遵循这样一个事实照度图像表示原始图像中变换缓慢的信号。然后通过计算原始图像S与照度图像L的差获得反射图像[14]。在获得照度图像和反射图像以后再采用不同的策略对这两个部分进行不同的处理,最后合成新的图像。2.2光晕伪影的产生原因实际上,由一幅图像分解成照度图像和反射图像在数学上是有待商榷的,是一个存在争议的问题。因为单一的像素亮度表达了照度信息和图像内容双重含义,在这种情况下要想准确的估计出照度情况只能依靠计算像素本身和图像中其它像素的关系。现有技术在计算照度时主要根据周围像素的位置远近赋予不同的权重来估算当前像素的照度,没有充分考虑到像素亮度本身的意义。这直接导致了在估算图像高对比度边缘区域照度的时候,边缘两边的高低值像素会相互影响高值像素的照度受相邻低值像素的影响导致所估计的照度较低;低值像素的照度受相邻高值像素的影响导致所估计的照度较高。这会造成这一区域照度估计失真,出现图像中的“光晕伪影[15]基于Matlab的低照度视频图像增强处理算法研究与实现5SKsPsP3.本文对算法的改进为了能够处理视频文件并对低照度视频文件进行增强,首先利用mmreader读入视频文件,获得视频总帧数,并将视频按帧存储,将每一帧图像利用本文的基于双边滤波的Retinex算法对每一帧视频图像进行增强,最后在将处理过的图像合成视频。本文在进行照度估计时综合考虑了像素亮度本身和周围像素位置远近的意义,采用带有边缘保存功能的双边滤波进行照度估计,可以有效避免照度估计时高对比度边缘附近高低像素之间的相互影响,最终消除“光晕伪影”。算法流程图如图2-1所示。图3-1算法流程图如图所示待处理的每一帧视频图像先被转换到对数域中,然后利用照度估计的方法,将每一帧图像分解为照度图像和反射图像两部分再分别采用不同的方法对这两部分图像进行压缩或者增强处理,最后在合成为一副新的图像。3.1照度估计本文使用双边滤波来进行照度估计。双边滤波是一种非常高效的滤波技术,可以用在图像处理及图形压缩各个方面,是一种带有边缘保存功能的滤波技术。它输出值不仅与周围像素的空间位置有关,而且还和它们的亮度差值有关,具体的形式化定义可见下式B1fp-sgI-IIp3-1其中表示图像的所有像素集合,Bs表示s点的双边滤波输出结果,f和g都是高斯函数,分别计算p点空间域和亮度域的权值贡献。IP表示p点的亮度值。ks是一个标准化因子,满足Ksfp-sgIp-Isp3-2从上式中可以看出,s点的亮度值主要受周围相邻并且亮度相似的像素影响。具体基于Matlab的低照度视频图像增强处理算法研究与实现6rs的实现过程中,若只按照原始定义来实现双边滤波的话,会降低计算效率。为此,我们使用基于灰度值分层的方法来提高双边滤波的计算速度,该方法对于较大空间尺度的滤波计算速度有较好的提升效果,具体计算方法如下用三维网格来表示二维灰度图像,图像像素的位置对应网格的前两维,图像的亮度对应第三维。完成后双边滤波可用下面的步骤来计算(1)先对于一幅二维图像,初始化一个向量网格,满足px,py,rIpx,py,1ifrIpx,py3-30otherwise2再对向量网格的每一层执行高斯滤波BPx,P,rG*P,P,r3-4yrSxy其中,G是一个三维高斯函数,s是空域参数,r是亮参数;3最后,在用上步处理后的网格中,假设Px,Py,Ip位置的最终结果为WI,W,则双边滤波的最终结果为BWI/W3-53.2照度图像的校正与压缩在得到了照度图像以后,需要对照度图像进行校正与压缩,本文先把图像进行归一化接着用改良的伽马校正对照度图像进行处理,最后再将图像进行线性拉伸,得到校正以后的照度图像3.2.1改进的伽马校正下面是伽马校正的定义式yiia*ia(3-6)i是原像素的值,yi代表输出值,a是控制参数,a的取值一般在0到1之间,不同的a代表不同的校正参数,当参数a取不同的值的时候,对应图像的增强效果也是不同的,在处理的图像的过程中我发现,将a取在0.45至0.6之间对图像有明显的增强效果,取得太大图像反而失真严重,甚至看不清,下面是利用matlab绘制的当a取不同的值时,照度图像的亮度映射曲线图从图中我们可以明显的发现,不同的a值对照度图像的亮度进行增强后,增强后的照度图像的亮度与原来照度图像亮度的偏离程度,针对不同的图像我们可以选择不同的a值对图像进行增强P基于Matlab的低照度视频图像增强处理算法研究与实现7a0.4a0.6a0.8yx10.90.80.70.60.50.40.30.20.1000.10.20.30.40.50.60.70.80.91图3-2照度图像亮度映射图从图2-2可以看出通过调整参数a采用不同的校正函数进行亮度映射。a越小时,对于整体亮度偏小的图像更为有效;当a0.6时,大部分较低像素值在函数yx以上,小部分较高像素值在函数yx以下,表示除了可以对低亮度区域进行增强还能够有效抑制高亮度区域的过度曝光;当a0.8时,小部分较低像素值在函数yx以上,大部分较高像素值在函数yx以下,对于整体亮度较高的具有更好的压缩效果。3.2.2如何将图像归一化假设Ix为图像中的任意像素点,Imin为图像所有像素点里像素值最小的点,Imax为图像中所有像素点里像素值最大的点,则将图像像素值归一化的算法为IxIx-IminImax-Imin(3-6)3.3反射图像的压缩与增强获得了照度图像之后,在对数域中将原图像和照度图像做差运算就可以得到反射图像。反射图像包含图像的细节信息,对它的增强至关重要,采用Sigmoid函数对其进行增强,定义如下r2-11e-a*r(3-7)其中r代表的是原反射图像的亮度,r为增强以后的反射图像的亮度,a是重要的控制参数,不同的a对反射图像具有不同的增强效果,映射关系如下图基于Matlab的低照度视频图像增强处理算法研究与实现8a6a8a1010.80.60.40.20-0.2-0.4-0.6-0.8-1-1-0.8-0.6-0.4-0.200.20.40.60.81图3-3反射图像的亮度映射图由于反射图像的亮度值是在对数域里,所以可能出现负数的情况。从图2-3中可以看出,当a越大时,映射曲线越陡峭,对应反射图像的增强也越显著。所以在实际运用中我们可以适当的把控制参数选的稍微大一些,如果图像上有较多颗粒的噪声,要进行去噪,使图像更加清晰逼真。3.4本文算法的详细流程计算流程(1)将要处理的视频转换成多帧图片,对每帧图片进行基于双边滤波的Retinex图像增强处理算法(2)首先将要处理的每一帧彩色图像转换到HSV彩色空间中去,这样方便我们取出原图像的亮度信息,假设原图像I在RGB空间中,那么假设I为原图像转换到HSV空间中形成的图像,那么I,,3即可提取出原图像的亮度图像,我们将亮度图像的信息做保存。(3)对原图像的亮度图像取对数(4)用双边滤波和灰度值分层对亮度图像进行照度估计,得到照度图像(5)对数域中用亮度图像减去反射图像得到照度图像,得到反射图像(6)将照度图像进行归一化,并用本文提到的对照度图像进行压缩的技术对每帧图像的照度图像进行压缩处理(7)将得到的反射图像利用sigmoid函数进行增强(8)在对数域中将处理后的照度图像和反射图像相加得到新的图像NEW,注意此时得到的新图像其实是将照度图像的亮度图像以及反射图像的亮度图像在对数域中相加而得到的。(9)对NEW取exp基于Matlab的低照度视频图像增强处理算法研究与实现9(10)得到新图像之前RNEW*rLGNEW*gLBNEW*bL3-83-93-10基于Matlab的低照度视频图像增强处理算法研究与实现104.本文处理视频与图像的结果为了说明本文算法的有效性,下面分别从主观视觉效果和客观质量评价两方面对其进行验证。本文算法中相关参数的设置如下双边滤波器的大小为15*15,s30,r100。4.1本文算法处理静态图像的结果以下是利用本文算法对静态图像的增强结果,通过无数次试验,我发现当将照度估计中的伽马校正参数设置为0.38,以及将对反射图像的增强算法的sigmoid函数参数设置为0.6能够获得比较明显的增强效果,而且图像的细节也比较完整,亮度得到明显提升图4-1明亮条件下对静态图像增强结果对比图4-2光照略暗的情况下对静态图像增强结果对比基于Matlab的低照度视频图像增强处理算法研究与实现11图4-3低照度情况下对静态图像增强效果对比由上述两组实验结果我们可以明显看出,双边滤波算法在细节的处理和图像的动态处理上具有明显的效果,且消除了光晕伪影的现象,处理过后的图像

注意事项

本文(基于matlab 的低照度视频图像增强处理算法研究与实现.doc)为本站会员(星星008)主动上传,沃文网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知沃文网(发送邮件至2622162128@qq.com或直接QQ联系客服),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服点击这里,给沃文网发消息,QQ:2622162128 - 联系我们

网站客服QQ:2622162128   

沃文网 版权所有  | ©2017-2022

  |陕ICP备19002583号

  陕公网安备 61072602000132号

   违法和不良信息举报:0916-4228922