[发明专利]一种轨道交通低照度图像增强算法

说明书

本发明提出了一种轨道交通低照度图像增强算法，包括以下步骤：S1、获取原始图像，求取暗原色；S2、求取透射率估计值；S3、求取暗原色图的最大灰度值和平均灰度值；S4、求取大气光估计限定值；S5、求取大气估计值；S6、获取无雾图像。本发明将最大灰度值和平均灰度值的加权平均值作为阈值来求大气光估计值，该算法得到的图像有更好的对比度、平均亮度和清晰度。

技术领域

本发明图像处理的技术领域，尤其涉及一种轨道交通低照度图像增强算法。

背景技术

轨道交通视频监控系统可以方便值班人员实时监控地铁运营状况、客流及乘客上下车情况，方便维保人员及时监测设备状况，确保管理人员有效把控和指挥现场情况。轨道交通视频系统的画面主要受到隧道低照度、高架站雨雾霾、光照不均等场景条件的影响，这些影响直接导致采集的图像质量差，极大地降低了闭路电视监控系统的实用价值。因此，探索轨道交通视频监控系统的图像增强算法及应用对于充分发挥视频系统的使用价值具有较大的实际意义。

传统的He暗通道先验去雾算法是一种重要的图像增强算法。但是在轨道交通环境下，获取的图像存在大量灯光投影与反射，照度极为不均匀，不包含或只含有少量的“天空”区域等障碍。由于以上障碍的影响，传统的He暗通道先验去雾算法估计大气光值会产生较大误差从而造成会去雾效果欠佳。

传统的He暗通道先验去雾是基于McCartney提出的大气散射模型，该模型将采集的图像分为物体反射项和大气光项之和。其中，从物体表面到成像设备的反射光线在传播路径上会穿透雾，进而发生衰减。这个模型可以用如下数学公式表示：

I_(p)＝J_(p)t_(p)+A(1-t_(p))     (1)

其中，p为像图像素点的位置坐标；I_(p)表示观察到的图像；J_(p)表示反射图像即无雾图像；t_(p)为透射率；A为大气光的估计值，通常是取值很大的正数。

传统的He暗通道先验去雾算法，主要用于包含“天空”区域的图像，因为“天空”区域基本上是整幅图像中最亮的部分，可采用“天空”区域像素点的亮度值估计大气光估计值。在轨道交通环境中存在较大的图像差异性，站厅、站台都在地下封闭环境，获取的图像存在大量灯光投影与反射，照度极为不均匀，不包含或只含有少量的“天空”区域的情况，难以准确估计大气光估计值，因而存在较大误差。

发明内容

针对背景技术中的不足，为此，本发明提出了一种轨道交通低照度图像增强算法，具体方案如下：

一种轨道交通低照度图像增强算法，包括以下步骤：

S1、获取原始图像，求取暗原色；

S2、求取透射率估计值；

S3、求取暗原色图的最大灰度值和平均灰度值；

S4、求取大气光估计限定值；

S5、求取大气光估计值；

S6、获取无雾图像。

具体地说，步骤S1具体如下：

获取原始图像，获取原始图像中的暗原色，所述暗原色计算公式如下：

其中p是图像像素点的位置坐标；q是以像素p为中心的局部区域内的像素点的坐标；J^dark_(p)代表p点暗原色；J^c_(q)是输入图像J的其中一个颜色通道；c代表图像的R、G、B三个颜色通道；Ω_(p)是以像素p为中心的局部区域，表示求像素点在Ω_(p)范围内最低亮度的点q，再对q的R、G、B三个通道求最低亮度的像素。