[发明专利]一种低照度图像迭代增强的方法

说明书

本发明公开了一种低照度图像迭代增强的方法，属于计算机视觉图像处理领域。包括：S1:将监控图像读入图像库，建立空间模型。S2:将低照度图像与图像库中图像进行匹配。S3：依据匹配结果修改目标RGB值。S4:更新图像。S5：继续迭代，若达到阈值，输出处理图像。本发明通过利用监控图像场景相似、色调灰度趋势相同等特点，建立空间模型后通过整体匹配与色彩匹配，对每一个像素点赋予不同的信任度值，并以此利用BP神经网络进行RGB值的矫正，然后进行迭代增强。本发明提出的低照度图像迭代增强的方法较少了模型的计算复杂度，提高了运算效率。

技术领域

本发明涉及计算机视觉图像处理领域，特别涉及一种低照度图像迭代增强的技术方法。

背景技术

视频监控技术已作为一种成熟的技术广泛的应用于社会的生产生活当中，在维护社会安全与秩序、提高生产效率等方面都发挥着重要作用。在实际应用中，无可避免的会出现诸如夜晚、暗室、阴天等低照度环境，其拍摄的照片可能会出现清晰度与对比度低、噪点高、阴影重等现象，进而会影响人或计算机对目标的识别与判断。所以如何快速高效地处理低照度监控图像是亟待解决的问题。

针对低照度监控图像处理目前主要有两类方法，其一是在摄像机上添加白光源或红外光源，以及针对监控进行了优化的自定义图像传感器，从而可以利用对光子更加敏感或可以将灵敏度范围扩展至红外部分的摄像机进行拍摄；其二是利用计算机图像预处理技术，利用算法来提高低照度图像的亮度，增强对比度，降低噪声影响和增加图像信号。显然方法一无论是添加光源，还是用更高灵敏度的摄像机都需要增加较大成本，且如果利用白光源则摄像范围有限，如果利用红外光源则图像为各种灰色。相较而言方法二却拥有成本较低，增强效果较好等优点。

对于具体应用在智能监控领域的图像预处理来说，现有算法没有很好贴切监控环境，更多的是将图像预处理算法直接套用在监控图像处理上，也因此会存在算法冗余、计算复杂度大、效率低等现象。如果可以利用监控图像的特点，例如场景相似、色调灰度趋势相同等，同时结合神经网络等方式进行匹配计算，便可以在较大程度上减少计算量，提高图像亮度，同时还可以避免图像的色彩失真等问题。

发明内容

本发明利用了监控图像的特点，改进了低照度图像的增强技术，提出了一种低照度图像迭代增强的方法，使之可以减少算法的复杂度，从而更适用于智能监控领域，加快运算效率。

为实现上述目的，本发明所采用的技术方案是：

一种低照度图像迭代增强的方法，包括以下步骤：

S10，根据正常照度图像，建立空间模型；所述的空间模型包括一组正常照度图像，以及由该组图像训练得到的R通道模型、G通道模型、B通道模型；

S20，将低照度目标图像与空间模型中的当前组正常照度图像进行匹配，筛选出整体匹配度最高的图像，并计算整体匹配度最高的图像中每一个像素点的信任度值；

S30，将低照度目标图像中每一个像素点的GRB值、整体匹配度最高的图像中该像素点的GRB值以及该像素点的信任度值构成三元组，分别利用R通道模型、G通道模型、B通道模型获取低照度目标图像中矫正后的RGB值；

S40，利用矫正后的RGB值更新低照度目标图像；

S50，重复步骤S20至S40，直至更新后的低照度目标图像与空间模型中的当前组正常照度图像的匹配结果满足预设条件，输出增强后的目标图像。

与现有技术相比，本发明具备以下有益效果：

效果1：本发明结合监控图像特点建立空间模型，改进已有图像处理算法，使之可以更加适用于监控场景，减少图像分析处理的计算量，提高效率。

效果2：本发明采用整体匹配与色彩匹配相结合的方式，对不同的匹配度部分赋予不同的权重，细化至R、G、B三通道进行修改，在较大幅度上提高图像的亮度与清晰度的同时避免了因图像处理而导致的色差等问题。