專利名稱：一種低照度視頻圖像增強方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像增強處理，特別涉及一種低照度視頻圖像增強方法及系統(tǒng)。
背景技術(shù)：
圖像增強的目的是改善圖像的視覺效果，針對給定圖像的應(yīng)用場合，有目的地強調(diào)圖像的整體或局部特性，擴大圖像中不同物體特征之間的差別，滿足某些特殊分析的需要。其方法是通過一定手段對原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像中感興趣的特征或者抑制甚至掩蓋圖像中某些不需要的特征，使圖像與視覺響應(yīng)特性相匹配。在圖像增強過程中，不分析圖像質(zhì)量降低的原因，處理后的圖像不一定逼近原始圖像。圖像增強技術(shù)根據(jù)增強處理過程所在的空間不同，可分為基于空域的算法和基于頻域的算法兩大類?；诳沼虻乃惴ㄌ幚頃r直接對圖像灰度級做運算基于頻域的算法是在圖像的某種變換域內(nèi)對圖像的變換系數(shù)值進行某種修正，是一種間接增強的算法。增強圖像中的有用信息，它可以是一個失真的過程，其目的是要增強視覺效果。將原來不清晰的圖像變得清晰或強調(diào)某些感興趣的特征，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強圖像判讀和識別效果的圖像處理方法。圖像增強按所用方法可分成頻率域法和空間域法。前者把圖像看成一種二維信號，對其進行基于二維傅里葉變換的信號增強。采用低通濾波法，即只讓低頻信號通過，可去掉圖中的噪聲；采用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。具有代表性的空間域算法有局部求平均值法和中值濾波法等，它們可用于去除或減弱噪聲?；诳沼虻乃惴ǚ譃辄c運算算法和鄰域去噪算法。點運算算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴大圖像動態(tài)范圍，擴展對比度。鄰域增強算法分為圖像平滑和銳化兩種。平滑一股用于消除圖像噪聲，但是也容易引起邊緣的模糊。常用算法有均值濾波、中值濾波。銳化的目的在于突出物體的邊緣輪廓，便于目標(biāo)識別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統(tǒng)計差值法等。上述的圖像底層的增強方法通用性較強，隨之帶來的也是其沒有針對性，因此對一些環(huán)境下如圖像光照不均的圖像增強的效果不能令人滿意。以直方圖均衡化法為代表的灰度變換法是一種處理光照不均的基本方法?；叶茸儞Q法指的是對圖像使用某一灰度變換函數(shù)以達到壓縮/拉伸圖像灰度范圍的目的。直方圖均衡化法是灰度變換法中使用頻率高、具有代表性的方法。它分為全局直方圖均衡化法和局部直方圖均衡化法。全局直方圖均衡化法一股作為圖像預(yù)處理，能有效地增強。圖像對比度，對于整體灰度值低圖像增強效果顯著。局部均衡化法其細節(jié)增強能力較全局直方圖均衡化法更強，適用于增強需要保持原始亮度的圖像，但會出現(xiàn)塊效應(yīng)、計算速率、增強細節(jié)與增強噪聲等問題。Retinex算法是一種基于光照補償?shù)膱D像增強算法， 具有在對比度增強效果、抑制噪聲、計算效率等優(yōu)異的性能。但方法適合處理局部灰度值低的圖像，能有效增強其中暗處的細節(jié)部分并且在壓縮圖像對比度同時能在一定程度上保持圖像原始亮度。Retinex增強方法充分利用了圖像的頻率信息，但沒有重視圖像梯度信息而且對于不同的圖像，其模型參數(shù)的差異較大，參數(shù)調(diào)整困難。圖像光照不均在梯度場中的具體表現(xiàn)為梯度分布不均。圖像對比度高表現(xiàn)為梯度強度大、結(jié)構(gòu)清晰，擴大圖像梯度范圍可擴大圖像動態(tài)范圍，減小梯度范圍則壓縮圖像動態(tài)范圍，因此可通過處理圖像梯度場來實現(xiàn)圖像增強。梯度域圖像增強的缺點是會使圖像在一定程度上銳化，并且在梯度域中重建圖像需要一定的數(shù)值算法。在圖像增強的應(yīng)用系統(tǒng)和產(chǎn)品上，北京金耐威科技有限責(zé)任公司研發(fā)的國內(nèi)實時圖像增強系統(tǒng)采用了 Retinex算法，并設(shè)計了雨霧天氣的模式。但Retinex方法的優(yōu)點在于其顏色恒常性，其對圖像中亮度變化較為明顯的區(qū)域增強效果會丟失很多細節(jié)，有時還會產(chǎn)生光暈現(xiàn)象。除此之外，單純的Retinex算法對低照度圖像處理的能力還不足。北京藍卡創(chuàng)新科技發(fā)展科技有限公司開發(fā)了標(biāo)清圖像增強系統(tǒng)，可以處理水下圖像以及逆光的 ATM機處理。VIDI (英偉達 )將攜手MotionDSP公司在NVIDIA (英偉達 )發(fā)布旅了 vReveal 2. O視頻增強軟件。該軟件采用超分辨率分析技術(shù)，主要面向視頻圖像的增強。另外該系統(tǒng)目前只能夠在PC上運行。博飛電子科技有限公司開發(fā)的視頻增強板集成了直方圖變換，全局和局部的對比度調(diào)整方法，這些方法都是圖像增強的基礎(chǔ)方法。ioimage —家以色列的智能視頻監(jiān)控公司，視頻增強軟件能夠在雨雪霧等全天候高噪聲環(huán)境下工作。通過上述的調(diào)查分析得知，截目前為止國內(nèi)市場上還沒有高清視頻實時增強系統(tǒng)，而且圖像增強的方法較為單一，難以滿足復(fù)雜環(huán)境下圖像增強的需求。圖像增強的基礎(chǔ)研究也有待進一步深入和提高。

發(fā)明內(nèi)容
本發(fā)明的目的在于，為解決上述問題，本發(fā)明提出一種低照度視頻圖像增強方法及系統(tǒng)，融合Retinex算法對低照度區(qū)域的優(yōu)異增強性能和梯度域圖像增強在保持原圖像中的細節(jié)和層次感，并利用Open MP并行化處理技術(shù)對圖像數(shù)據(jù)、算法進行并行化處理，以滿足在安防及監(jiān)控中高清圖像實時高性能增強的需求。為實現(xiàn)上述發(fā)明目的，本發(fā)明提出一種低照度視頻圖像增強方法，其特征在于，該方法基于Open MP技術(shù)，將自適應(yīng)Retinex算法和梯度域圖像增強算法結(jié)合來實時處理圖像；該方法的具體步驟包括步驟1)根據(jù)心理學(xué)中的韋伯-費希納定律，對輸入的低照度高清圖像進行亮度分層，分別得到低對比度區(qū)域、德弗里斯區(qū)域、韋伯區(qū)域和飽和區(qū)域；步驟2)收集低照度視頻圖像作為訓(xùn)練集，將訓(xùn)練集中的圖像進行亮度分層，把訓(xùn)練集中的圖像對應(yīng)地劃分到所述步驟1)獲得的低對比度區(qū)域、德弗里斯區(qū)域和韋伯區(qū)域，獲得三個圖像集；以圖像增強質(zhì)量評價函數(shù)作為目標(biāo)函數(shù)，利用迭代算法分別對三個圖像集對應(yīng)地Retinex參數(shù)進行調(diào)整直到達到目標(biāo)函數(shù)的值最優(yōu)；步驟幻利用所述步驟幻獲得的三個Retinex參數(shù)對低對比度區(qū)域圖像、德弗里斯區(qū)域圖像和韋伯區(qū)域圖像采用Retinex算法進行圖像增強；步驟4)對所述步驟1)獲得的飽和區(qū)域圖像采用梯度域圖像增強算法進行圖像處理；步驟幻分別對所述步驟幻和所述步驟4)圖像增強后的結(jié)果圖分別通過對灰度范圍整體歸一化處理；
步驟6)將所述步驟5)獲得的結(jié)果進行Open MP并行化處理后輸出；至此，低照度視頻圖像實時增強完成。所述步驟1)中輸入低照度高清圖像的方法采用從高清攝像頭直接輸入視頻流或存儲在電腦中的視頻文件輸入。所述步驟6)中對增強后的圖像輸出采用保存在視頻文件以備后續(xù)的查找和翻閱的方法。為實現(xiàn)上述發(fā)明目的，本發(fā)明還提出一種低照度視頻圖像增強系統(tǒng)，其特征在于， 該系統(tǒng)包括圖像亮度分層模塊、訓(xùn)練Retinex參數(shù)模塊、Retinex算法圖像增強模塊、梯度域圖像增強模塊、圖像亮度層合并模塊和Open MP模塊；所述圖像亮度分層模塊，用于根據(jù)心理學(xué)中的韋伯-費希納定律，對輸入的低照度高清圖像進行亮度分層，分別得到低對比度區(qū)域、德弗里斯區(qū)域、韋伯區(qū)域和飽和區(qū)域；所述訓(xùn)練Retinex參數(shù)模塊，用于收集低照度視頻圖像作為訓(xùn)練集，將訓(xùn)練集中的圖像進行亮度分層，把訓(xùn)練集中的圖像對應(yīng)地劃分到所述圖像亮度分層模塊獲得的低對比度區(qū)域、德弗里斯區(qū)域和韋伯區(qū)域，獲得三個圖像集；以圖像增強質(zhì)量評價函數(shù)作為目標(biāo)函數(shù)，利用迭代算法分別對三個圖像集對應(yīng)地Retinex參數(shù)進行調(diào)整直到達到目標(biāo)函數(shù)的值最優(yōu)；所述Retinex算法圖像增強模塊，用于利用所述訓(xùn)練Retinex參數(shù)模塊獲得的三個Retinex參數(shù)對低對比度區(qū)域圖像、德弗里斯區(qū)域圖像和韋伯區(qū)域圖像采用Retinex算法進行圖像增強；所述梯度域圖像增強模塊，用于對所述圖像亮度分層模塊獲得的飽和區(qū)域圖像采用梯度域圖像增強算法進行圖像處理；所述圖像亮度層合并模塊，用于分別對所述Retinex算法圖像增強模塊和所述梯度域圖像增強模塊圖像增強后的結(jié)果圖分別通過對灰度范圍整體歸一化處理；所述Open MP模塊，用于將所述圖像亮度層合并模塊獲得的結(jié)果進行Open MP并行化處理后輸出；至此，低照度視頻圖像實時增強完成。所述圖像亮度分層模塊中輸入低照度高清圖像的方法采用從高清攝像頭直接輸入視頻流或存儲在電腦中的視頻文件輸入。所述Open MP模塊中對增強后的圖像輸出采用保存在視頻文件以備后續(xù)的查找和翻閱的方法。本發(fā)明的優(yōu)點在于，采用Open MP并行化處理技術(shù)，為高清視頻圖像增強實時性奠定了基礎(chǔ)，Retinex參數(shù)是在一個廣泛的訓(xùn)練集上通過不斷迭代學(xué)習(xí)得到的，因此具有一定的普適性，該算法避免了在處理不同場景圖像或者不同環(huán)境下采集的圖像時人工調(diào)整參數(shù)，節(jié)省了大量的勞動力，實現(xiàn)了系統(tǒng)的自動化和智能化。通過對高清圖像的亮度進行區(qū)域劃分，分成四個亮度區(qū)域低對比度區(qū)域、德弗里斯區(qū)域、韋伯區(qū)域和飽和區(qū)域；針對前三個區(qū)域采用自適應(yīng)Retinex算法進行增強；對飽和區(qū)域的圖像進行梯度域增強；這樣既能夠最大化的發(fā)揮Retinex算法在低照度圖像增強方面的優(yōu)點，又能夠?qū)⑻荻扔蛱幚碓趯︼柡蛥^(qū)域圖像的處理上發(fā)揮最佳作用同時避免了采用Retinex算法造成的光暈現(xiàn)象。


圖1為本發(fā)明的低照度視頻圖像增強系統(tǒng)圖；圖2為低照度視頻圖像的并行處理核心技術(shù)方案流程圖；圖3為基于Retinex算法和梯度域圖像增強的技術(shù)方案流程圖；圖4為基于韋伯一費希納定律的高清圖像亮度分層曲線圖；圖5為基于圖像層次的Retinex算法和梯度域增強相結(jié)合的圖像增強方法流程圖；圖6為未進行圖像增強前的低照度原始圖像；圖7為用其他方法進行圖像增強后的圖像；圖8為用本發(fā)明提出的基于圖像層次的Retinex算法和梯度域增強相結(jié)合的圖像增強方法進行圖像增強后的圖像。
具體實施例方式下面結(jié)合附圖和具體實施方式
，對本發(fā)明的方法進行進一步詳細的說明。如圖1所示，圖1為本發(fā)明的低照度視頻圖像增強系統(tǒng)圖。該系統(tǒng)實現(xiàn)了 500萬高清視頻圖像實時增強并將其應(yīng)用于監(jiān)控系統(tǒng)中。一個實時圖像增強系統(tǒng)特別是基于高清圖像的增強系統(tǒng)，其巨大的數(shù)據(jù)量對增強算法性能和系統(tǒng)的性能的要求都是非常嚴(yán)格的。增強系統(tǒng)是在visual studio的平臺上實現(xiàn)的，在人機交互的設(shè)計上也采用了人性化的設(shè)計， 其中設(shè)計了多種模式的增強，還給出了視頻增強前后的對比效果。除了具備實時處理高清圖像的性能外，將Retinex圖像增強方法和梯度域圖像增強方法結(jié)合起來.形成魯棒的圖像增強方法。整個系統(tǒng)主要包含高清視頻數(shù)據(jù)的輸入、輸出和智能圖像增強三個部分。這三個部分完整的組成了智能視頻圖像處理的運行環(huán)境，結(jié)合visual studio建立完善的操作界面。用戶可以方便靈活的使用，開發(fā)，維護，升級自己的特定環(huán)境下圖像增強的算法。Open MP實時系統(tǒng)是基于windows核心和visual studio開發(fā)平臺研發(fā)的工業(yè)級實時高清圖像處理系統(tǒng)。因為大部分的圖像增強系統(tǒng)不是一個實時的高清圖像增強系統(tǒng)， 不具有實時性，無法滿足有實時性需求的安放及監(jiān)控環(huán)境。對海量數(shù)據(jù)的處理技術(shù)是實時的一個技術(shù)門檻。Open MP技術(shù)的出現(xiàn)為實時帶來了可能。如圖2所示，圖2為低照度視頻圖像的并行處理核心技術(shù)方案流程圖。采用基于 Open MP的并行化處理技術(shù)對高清圖像進行數(shù)據(jù)及算法的并行處理。一方面算法方面能夠?qū)崿F(xiàn)多線程處理。Open MP是一種多線程并行處理技術(shù)，在大規(guī)模數(shù)據(jù)運算中應(yīng)用廣泛，目前在圖像處理領(lǐng)域還少有涉及。在高清視頻圖像廣泛應(yīng)用中能夠發(fā)揮其巨大的并行處理能力。通過多線程的設(shè)計，可以使計算機高性的運行。另一方面數(shù)據(jù)方面的并行處理。圖像數(shù)據(jù)可以看做是一個大的矩陣，因此其數(shù)據(jù)具有良好的并行性，非常適合進行并行處理。目前，PC機的多CPU集成為Open MP提供了硬件環(huán)境，通過算法、數(shù)據(jù)及線程的并行實現(xiàn)高清圖像的并行處理。下表1為Retinex圖像增強算法的Open MP并行化處理的測試數(shù)據(jù)(Intel (R) coRe (TM)i5750)表1為Retinex圖像增強算法的Open MP并行化處理的測試數(shù)據(jù)
圖像大小\時間(ms) \CPU數(shù)目124QVGA (320*240)76.443.731.2VGA (640*480)46.829.623.4720*57659.337.529.6SVGA(800*600)68.743.732.7XGA (1024*768)106.165.551.51280x720121.774.957.71920x1080305.7184.1135.7如圖3所示，圖3為基于Retinex算法和梯度域圖像增強的技術(shù)方案流程圖。 Retinex圖像增強算法是一種光照補償?shù)膱D像增強算法，其關(guān)鍵在于對反射分量的估計，提出的各種方法力求在對比度增強效果、抑制噪聲、計算效率等方面進行平衡，以達到最佳視覺效果。該方法適合處理局部灰度值低的圖像，能有效增強其中暗處的細節(jié)部分，并且在壓縮圖像對比度同時能在一定程度上保持圖像原始亮度?；赗etinex增強方法充分利用了圖像的頻率信息，但沒有重視圖像梯度信息，易在增強圖像的同時模糊邊緣信息。而圖像光照不均在梯度場中的具體表現(xiàn)為梯度分布不均。圖像對比度高表現(xiàn)為梯度強度大、結(jié)構(gòu)清晰，擴大圖像梯度范圍可擴大圖像動態(tài)范圍，減小梯度范圍則壓縮圖像動態(tài)范圍，因此可通過處理圖像梯度場來實現(xiàn)圖像增強。綜上，Retinex的圖像增強方法和梯度域圖像增強方法的互補性較強，因此可以有效的接合起來，利用Retinex方法來在增強暗處的細節(jié)部分， 利用梯度域增強來增強圖像亮處的邊緣信息。如圖4所示，圖4為基于韋伯一費希納定律的高清圖像亮度分層曲線圖。待增強的圖像一股呈現(xiàn)出對比度低，局部圖像的亮度過暗，亦或局部圖像亮度過強。根據(jù)心理學(xué)中的韋伯一費希納定律△ I/I = K，I表示刺激的強度，△ I代表刺激的最小可覺差，K為常數(shù)， 也叫做韋伯分?jǐn)?shù).在下圖中曲線的斜率為1/2，也就是韋伯分?jǐn)?shù)為1/2的區(qū)域叫做德弗里斯區(qū)域，是低照度區(qū)域；斜率為1的區(qū)域是著名的韋伯區(qū)域，是中照度區(qū)域；而由于韋伯定律只適合刺激強度不是很大的情況下，高照度區(qū)域受刺激飽和的影響，定義為飽和區(qū)域；最后剩下的區(qū)域就是低對比度區(qū)域，在這個區(qū)域中人眼幾乎感覺不到照度的變化。如圖5所示，圖5為基于圖像層次的Retinex算法和梯度域增強相結(jié)合的圖像增強方法流程圖。Retinex算法和梯度域增強算法的接合能夠極大程度的發(fā)揮各自的優(yōu)點，取長補短。Retinex算法雖然有著優(yōu)越的圖像增強性能，但不同的圖像中其參數(shù)需要調(diào)整。對于專業(yè)的技術(shù)人員來也非一項輕松的工作，更不用說非專業(yè)人員。為便于發(fā)揮Retinex算法的廣泛應(yīng)用，提出了基于模式識別的自適應(yīng)Retinex參數(shù)估計和增強算法。對低對比度區(qū)域、德弗里斯區(qū)域和韋伯區(qū)域采用自適應(yīng)Retinex算法。利用收集的大量視頻圖像作為訓(xùn)練集，將訓(xùn)練集中的圖像進行分層并劃分到上述的三個區(qū)域圖像集中。利用圖像增強質(zhì)量評價函數(shù)作為目標(biāo)函數(shù)，利用迭代算法對Retinex參數(shù)進行調(diào)整并檢測目標(biāo)函數(shù)的值， 當(dāng)達到目標(biāo)函數(shù)的最優(yōu)時，停止迭代并輸出Retinex的參數(shù)。得到的參數(shù)是在一個廣泛的訓(xùn)練集上通過不斷迭代學(xué)習(xí)得到的，因此具有一定的普適性。自適應(yīng)Retinex算法將參數(shù)量化成不同的參數(shù)點，每個點都對應(yīng)于參數(shù)空間中不同的一組參數(shù)，每組不同的參數(shù)都使用于不同種類和環(huán)境下的圖像增強。首先將高清圖像訓(xùn)練集上的圖像進行粗分塊并進行聚類，得到集中不同環(huán)境下的圖像訓(xùn)練集。通過利用 Retinex算法在每個訓(xùn)練集進行迭代得到其最佳參數(shù)。該參數(shù)是在大量的訓(xùn)練集上學(xué)習(xí)得到的，具有一定的普適性和魯棒性。以往的算法都是在單張圖像上進行細致的參數(shù)調(diào)整才能獲得較好增強效果。該算法避免了在處理不同場景圖像或者不同環(huán)境下采集的圖像時人工調(diào)整參數(shù)，節(jié)省了大量的勞動力，實現(xiàn)了系統(tǒng)的自動化和智能化。自適應(yīng)Retinex的另一個含義是針對Retinex算法擅長處理的圖像區(qū)域采用不同的參數(shù)分別有針對性的處理。針對對比度區(qū)域、德弗里斯區(qū)域和韋伯區(qū)域分別采用三種不同的參數(shù)，這些參數(shù)都是通過上述的學(xué)習(xí)得到的。Retinex理論的方法可有效地壓縮光照不均圖像的動態(tài)范圍，實時增大圖像中較暗處的對比度，有效地改善圖像的視覺效果；但是，這些方法普遍存在一個缺點，即在改善圖像整體效果、增強較暗處細節(jié)的同時，原圖像中較亮處的細節(jié)往往得不到增強，甚至被削弱。所以采用梯度域增強技術(shù)對飽和區(qū)域進行單獨增強，該方法結(jié)合了人類視覺感知特性對圖像中較亮處的對比度進行更大的增強，有效地解決了上述問題。壓制較大的梯度，以壓縮圖像的動態(tài)范圍，減小光照不均的影響；拉伸較小的梯度，以增強圖像細節(jié)。該模型可表示為G(x,y) = ΔH(χ, y) Ψ (χ, y)(1)其中，ΔΗ(χ,γ)為原圖像的梯度，(x,y)是對梯度場操作的函數(shù)，其取決于原圖像局部梯度的大小，G(x, y)為增強后的圖像梯度場。增強的梯度場后，即可求出在最小二乘意義下的圖像重建。/ / F(AI, G)dxdy(2)其中，
權(quán)利要求
1.一種低照度視頻圖像增強方法，其特征在于，該方法基于Open MP技術(shù)，將自適應(yīng) Retinex算法和梯度域圖像增強算法結(jié)合來實時處理圖像；該方法的具體步驟包括步驟1)根據(jù)心理學(xué)中的韋伯-費希納定律，對輸入的低照度高清圖像進行亮度分層， 分別得到低對比度區(qū)域、德弗里斯區(qū)域、韋伯區(qū)域和飽和區(qū)域；步驟幻收集低照度視頻圖像作為訓(xùn)練集，將訓(xùn)練集中的圖像進行亮度分層，把訓(xùn)練集中的圖像對應(yīng)地劃分到所述步驟1)獲得的低對比度區(qū)域、德弗里斯區(qū)域和韋伯區(qū)域，獲得三個圖像集；以圖像增強質(zhì)量評價函數(shù)作為目標(biāo)函數(shù)，利用迭代算法分別對三個圖像集對應(yīng)地Retinex參數(shù)進行調(diào)整直到達到目標(biāo)函數(shù)的值最優(yōu)；步驟幻利用所述步驟幻獲得的三個Retinex參數(shù)對低對比度區(qū)域圖像、德弗里斯區(qū)域圖像和韋伯區(qū)域圖像采用Retinex算法進行圖像增強；步驟4)對所述步驟1)獲得的飽和區(qū)域圖像采用梯度域圖像增強算法進行圖像處理；步驟幻分別對所述步驟幻和所述步驟4)圖像增強后的結(jié)果圖分別通過對灰度范圍整體歸一化處理；步驟6)將所述步驟幻獲得的結(jié)果進行Open MP并行化處理后輸出；至此，低照度視頻圖像實時增強完成。
2.根據(jù)權(quán)利要求1所述的低照度視頻圖像增強方法，其特征在于，所述步驟1)中輸入低照度高清圖像的方法采用從高清攝像頭直接輸入視頻流或存儲在電腦中的視頻文件輸入。
3.根據(jù)權(quán)利要求1所述的低照度視頻圖像增強方法，其特征在于，所述步驟6)中對增強后的圖像輸出采用保存在視頻文件以備后續(xù)的查找和翻閱的方法。
4.一種低照度視頻圖像增強系統(tǒng)，其特征在于，該系統(tǒng)包括圖像亮度分層模塊、訓(xùn)練 Retinex參數(shù)模塊、Retinex算法圖像增強模塊、梯度域圖像增強模塊、圖像亮度層合并模塊和Open MP模塊；所述圖像亮度分層模塊，用于根據(jù)心理學(xué)中的韋伯-費希納定律，對輸入的低照度高清圖像進行亮度分層，分別得到低對比度區(qū)域、德弗里斯區(qū)域、韋伯區(qū)域和飽和區(qū)域；所述訓(xùn)練Retinex參數(shù)模塊，用于收集低照度視頻圖像作為訓(xùn)練集，將訓(xùn)練集中的圖像進行亮度分層，把訓(xùn)練集中的圖像對應(yīng)地劃分到所述圖像亮度分層模塊獲得的低對比度區(qū)域、德弗里斯區(qū)域和韋伯區(qū)域，獲得三個圖像集；以圖像增強質(zhì)量評價函數(shù)作為目標(biāo)函數(shù)，利用迭代算法分別對三個圖像集對應(yīng)地Retinex參數(shù)進行調(diào)整直到達到目標(biāo)函數(shù)的值最優(yōu)；所述Retinex算法圖像增強模塊，用于利用所述訓(xùn)練Retinex參數(shù)模塊獲得的三個 Retinex參數(shù)對低對比度區(qū)域圖像、德弗里斯區(qū)域圖像和韋伯區(qū)域圖像采用Retinex算法進行圖像增強；所述梯度域圖像增強模塊，用于對所述圖像亮度分層模塊獲得的飽和區(qū)域圖像采用梯度域圖像增強算法進行圖像處理；所述圖像亮度層合并模塊，用于分別對所述Retinex算法圖像增強模塊和所述梯度域圖像增強模塊圖像增強后的結(jié)果圖分別通過對灰度范圍整體歸一化處理；所述Open MP模塊，用于將所述圖像亮度層合并模塊獲得的結(jié)果進行Open MP并行化處理后輸出；至此，低照度視頻圖像實時增強完成。
5.根據(jù)權(quán)利要求4所述的低照度視頻圖像增強系統(tǒng)，其特征在于，所述圖像亮度分層模塊中輸入低照度高清圖像的方法采用從高清攝像頭直接輸入視頻流或存儲在電腦中的視頻文件輸入。
6.根據(jù)權(quán)利要求4所述的低照度視頻圖像增強系統(tǒng)，其特征在于，所述OpenMP模塊中對增強后的圖像輸出采用保存在視頻文件以備后續(xù)的查找和翻閱的方法。
全文摘要
本發(fā)明涉及一種低照度視頻圖像增強方法及系統(tǒng)，該方法步驟包括根據(jù)韋伯-費希納定律，對輸入的圖像進行亮度分層得到低對比度區(qū)域、德弗里斯區(qū)域、韋伯區(qū)域和飽和區(qū)域；收集低照度高清視頻圖像作為訓(xùn)練集，將訓(xùn)練集中的圖像進行亮度分層；以圖像增強質(zhì)量評價函數(shù)作為目標(biāo)函數(shù)，利用迭代算法分別對三個圖像集的Retinex參數(shù)進行調(diào)整直到達到目標(biāo)函數(shù)的值最優(yōu)；利用獲得的三個參數(shù)對低對比度區(qū)域圖像、德弗里斯區(qū)域圖像和韋伯區(qū)域圖像進行圖像增強；對獲得的飽和區(qū)域圖像采用梯度域圖像增強算法進行圖像處理；對圖像增強后的結(jié)果圖通過對灰度范圍整體歸一化處理；將獲得的結(jié)果進行并行化處理后輸出。
文檔編號G06K9/66GK102289792SQ201110197749
公開日2011年12月21日 申請日期2011年7月14日 優(yōu)先權(quán)日2011年5月3日
發(fā)明者蔚曉明 申請人:北京云加速信息技術(shù)有限公司