[发明专利]基于物理模型的低照度图像增强算法

摘要

本发明公开了一种基于物理模型的低照度图像增强算法，主要是针对低照度图像增强算法在提高亮度和对比度、去除噪声及实时性之间很难达到平衡，提出将Retinex算法和暗通道先验理论相结合的改进算法，首先对BM3D算法在效率上进行改进，并将其应用在YCbCr空间，然后在HSI空间粗估计出亮度传播图，完善在低照度条件下的大气物理模型，结合Retinex算法对亮度传播图进行细化；实验表明该算法能够达到对低照度图像亮度和对比度的综合增强，运算速度也得到明显提高。

主权项

1.一种基于物理模型的低照度图像增强算法，其特征在于，具体算法包含如下：(1)使用Retinex算法对亮度分量处理，对低照度图像分离出照度分量，使用高斯函数作为中心环绕函数对亮度分量处理，再使用照度分量估计亮度传播图，公式如下：Lm(x，y)＝G(x，y)*L(x，y)，t(x)＝C(255‑k)Lm，其中，G(x,y)为高斯函数，*表示卷积运算，k值为低照度图像中亮度直方图最大的像素值，C为常数；(2)根据反转去雾的思想，对低照度图像进行增强，首先要对原始图像进行反转：Rc(x)＝255‑Ic(x)，其中，c表示RGB颜色通道，Rc(x)是低照度图像的反转，Ic(x)是原始低照度图像，根据复原图像的公式对Rc(x)进行处理，具体如下：其中t(x)为估计的亮度传播图，而大气光A的值可以通过暗原色先验来估计；其中，根据暗原色先验理论，用公式描述，对于任意的图像J，定义如下公式：其中，Jdark(x)表示图像在局部区域Ω(x)的暗通道，Ω(x)表示以x为中心的局部区域块，c表示某一颜色通道，根据暗原色先验理论，如果J是户外的无雾图像，Jdark(x)的强度总是很低并且趋近于0，选取暗原色中亮度最大的0.1％的像素，找出这些像素对应的原图像中像素最大的值就得到大气光A的估计值；(3)使用去雾算法增强反转图像后，将输出结果J(x)再次反转，得到增强后的低照度图像E。