[发明专利]低照度图像增强及评价方法

权利要求书

1.一种低照度图像增强方法，其特征在于，包括以下步骤：

获取低照度图像，其中，拍摄所述低照度图像时的照度小于第一预定照度；

对所述低照度图像进行反转，以得到所述低照度图像的反转图像；

根据大气物理模型重构所述低照度图像以得到重构模型；

估计初始亮度图，并利用范数约束对所述初始亮度图进行优化以得到优化亮度图，包括：

根据RBG空间的最大值估计所述初始亮度图其中，

其中，L^c(x)为低照度图像，c是其中的RGB三个颜色通道；

利用范数约束，对所述初始亮度图进行优化以得到优化亮度图t，

其中，||·||_F为弗罗贝尼乌斯范数，η为第一项与第二项之间的平衡系数，W为加权矩阵，所述加权矩阵定义为：

其中，G_σ(x,y)为具有标准方差的高斯滤波器，其中，t参数采用t^γ约束，其中，γ定义为K是一个灰度阈值，取值范围为[0,L]，L是像素值动态范围，其中，μ是一个取值大于零小于等于1的常数，根据经验选取为0.8，其中，参数Δ由以下公式计算得出：

其中，A为大气环境光；

根据四叉树搜索方法估计大气环境光；

根据所述优化亮度图和所述大气环境光对所述重构模型求解，以得到增强后图像，

其中，ε₀为常数，所述常数近似为零，I^c(x)为L^c(x)的反转图像，c是其中的RGB三个颜色通道。

2.根据权利要求1所述的低照度图像增强方法，其特征在于，所述根据四叉树搜索方法估计大气环境光的步骤，包括：

根据公式求取大气环境光，其中，表示四叉树中分割的子块，子块定义为

3.根据权利要求1所述的低照度图像增强方法，其特征在于，所述重构模型为：

其中，J(x)为增强后图像，A为所述大气环境光，t(x)为优化亮度图，ε₀为常数，所述常数近似为零。

4.一种低照度图像增强系统，其特征在于，包括：

获取模块，用于获取低照度图像，其中，拍摄所述低照度图像时的照度小于第一预定照度；

反转模块，用于对所述低照度图像进行反转，以得到所述低照度图像的反转图像；

重构模块，用于根据大气物理模型重构所述低照度图像以得到重构模型；

估计模块，用于估计初始亮度图，并利用范数约束对所述初始亮度图进行优化以得到优化亮度图，以及根据四叉树搜索方法估计大气环境光，包括：

根据RBG空间的最大值估计所述初始亮度图其中，

其中，L^c(x)为低照度图像，c是其中的RGB三个颜色通道；

利用范数约束，对所述初始亮度图进行优化以得到优化亮度图t，

其中，||·||_F为弗罗贝尼乌斯范数，η为第一项与第二项之间的平衡系数，W为加权矩阵，所述加权矩阵定义为：

其中，G_σ(x,y)为具有标准方差的高斯滤波器，其中，t参数采用t^γ约束，其中，γ定义为K是一个灰度阈值，取值范围为[0,L]，L是像素值动态范围，其中，μ是一个取值大于零小于等于1的常数，根据经验选取为0.8，其中，参数Δ由以下公式计算得出：

其中，A为大气环境光；

增强模块，用于根据所述优化亮度图和所述大气环境光对所述重构模型求解，以得到增强后图像，

其中，ε₀为常数，所述常数近似为零，I^c(x)为L^c(x)的反转图像，c是其中的RGB三个颜色通道。