[发明专利]一种非均匀光照图像二次曝光的实现方法

说明书

技术领域

本发明属于图像二次曝光技术领域，尤其涉及一种非均匀光照图像二次曝光的实现方法。

背景技术

目前宽动态技术主要采用特殊DSP（数字信号处理）电路，对明亮部分进行最合适的快门速度曝光，然后再对暗的部分用最合适的快门速度曝光，之后将两个图像进行DSP处理重新组合，使明亮的部分和暗的部分可以看得清楚，这需要很高的技术使色彩和清晰度损失最小，然而由于CCD的特性所限制，摄像机宽动态范围最大能到60dB，因此即便使用最先进的宽动态技术摄像机，在复杂光照条件下依然会得到非均匀光照图像，从而造成即得图像不能满足“视觉匹配”的问题。

目前针对非均匀光照图像增强的主要算法有：基于直方图操作的算法；基于邻域的非线性图像增强方法；基于视觉特性的图像增强方法；基于视觉皮质模型的图像增强方法；基于小波及后续发展的多种X-let变换的多尺度图像增强算法；基于偏微分方程的图像增强方法。

基于直方图操作的算法如直方图均衡(Histogram equalization,HE)是图像增强广泛采用的技术，但HE是在整体范围内改善光照环境影响的全局增强方法，实际处理时一幅图像的不同部分可能有不同的图像质量，此时就需要基于邻域的局部方法来处理，自适应直方图均衡(Adaptive histogram equalization,AHE)，对比度限制自适应直方图均衡(Contrast limited adaptive histogram equalization,CLAHE)和基于人类视觉临界可见偏差引导的自适应直方图均衡(JND-guided adaptive contrast enhancement,JGACE)，都是基于局部操作更深入的探讨，但AHE往往存在较严重的过冲，而在其改进算法中局部操作的参数选择和控制也存在困难，根据AHE的发展思路，局部直方图规定化也有改进，同时在使用直方图统计方面，R.C.Gonzalez等分析了一种基于局部统计(Local statistics,LS)的增强方法，Kim等提出了梯度处理与统计处理相结合的图像增强技术，虽然在增强性能和噪声放大方面存在不足，但是局部统计量是形成算法自适应的关键，其提供了较好的案例，ZhiYu Chen等提出了灰度级组合(Grey-level Grouping,GLG)的方法，其在特定准则下实现了灰度级的重新组合，依靠查找表实现快速寻优，基本方法和自适应改进都体现了算法性能优良，Kwok等将原始直方图在相邻像素值间光滑，而后从新映射得到增强后图像，尤其在面向天空等视景时处理效果良好。

基于邻域的非线性增强方法对非均匀光照图像从全局和局部两个方面进行处理，引向了较为深入的复合思路，OldDominion大学视觉实验室从2003年起一直致力于非均匀光照图像增强算法的研究和实时化，提出了一系列方法：自适应邻域依赖的非线性增强(Adaptive integrated neighborhood dependent approach for nonlinear enhancement,AINDANE)，光照-反射模型图像增强(Illuminance-reflection model for image enhancement,IRME)，局部调整Sine函数非线性增强(Locally tuned sine nonlinear enhancement,LTSNE)等，许多学者针对特殊场景也进行了相关改进工作，如多窗逆Sigmoid变换方法(Multiple windowed inverse sigmoid,MWIS)，Li Tao等一系列文章提供了一个非常重要的图像增强核心框架，其具体分成两个计算步骤：亮度增强和对比度增强：亮度增强主要是动态范围的调整，通过精细的非线性变换函数得以实现；对比度增强是基于在邻域内中心像素与周围像素的关系设计的变换函数；最后采用线性颜色恢复方式得到彩色增强图像结果。