[发明专利]一种基于梯度域融合的夜间交通监控增强方法

摘要

一种基于梯度域融合的夜间交通监控增强方法涉及数字图像处理方法。夜晚，由于车灯、路灯、建筑物灯等活跃光源的存在，会产生大量的光晕，以至于它们附近的物体无法被看见。特别是在高速路上，来往车辆的车灯所产生的强光晕，严重影响了交通标志标牌的视觉效果，导致它们的质量退化严重。本发明将图像融合与图像去光晕相结合，在梯度域对图像进行处理，并利用视频的帧间互补信息，使得最终的结果图像中交通标志更加容易辨识。

主权项

一种基于梯度域融合的夜间交通监控增强方法，其特征在于分为三个部分：图像分解、计算内容权值、梯度域融合，具体包括以下步骤：1)图像分解对输入的N幅视频序列，将它们均分解为光晕层和场景层；根据本征图像分解原理，每幅输入图像I均可表示为光晕层IG和场景层IN的叠加，如下：I＝IG+IN            (1)用于图像分解的目标函数为：minINΣx,y((ρ(IN(x,y)*f1,2)+β.(I-IN(x,y))*f3)2))+γ.(||IN(x,y)||0+μ.||▿IN(x,y)||0)]]>s.t.0≤IN≤I         (2)ρ(m)＝min(m2,10‑16)是一鲁棒性函数，f1，2是两个方向的一阶微分滤波器，f1＝[‑1,1],f2＝[‑1,1]T；f3是二阶拉普拉斯滤波器，Β为控制光晕层的平滑度；文本先验的数学公式为：表示非零亮度值，表示非零梯度值，μ是非零梯度值的权值，取值为1；是梯度算子，γ是文本图像先验的系数，取值为0.004；(x,y)是像素位置，I是输入图像，是(x,y)处的场景层。具体过程如下：首先，对各参数进行初始化，如下：将I赋给IN，将β0赋给β，迭代次数i初始值为0；然后，执行如下循环：根据公式(2)得IN，并对IN进行归一化，将β的值更新为β*η，同时迭代次数i加1，直到i大于或等于imax时，退出循环；变化率η的范围为(1,2]；最后，得到输出IN；2)计算融合权值对每幅图像分解的场景层的贡献进行评估，计算融合权重；融合权重由亮度、色度、显著度三个因素确定，具体计算公式为：亮度权值计算公式为：Ex,y,k=13[(Rx,y,k-Lx,y,k)2+(Gx,y,k-Lx,y,k)2+(Bx,y,k-Lx,y,k)2]---(3)]]>{R,G,B}是颜色通道，(x,y)是像素位置，k是输入图像的下标。Lx,y,k=Rx,y,k+Gx,y,k+Bx,y,k3---(4)]]>色度权值计算公式如下：Cx,y,k=exp(-(Px,y,k-0.5)22σ2)---(5)]]>Px，y，k为饱和度值，σ是标准方差；显著度权值计算公式如下：Sx,y,k=||Ix,y,kb-Ix,y,ku||---(6)]]>为输入图像Ix，y，k的均值，是同一输入图像的模糊版本；融合权值为以上三种权值的相乘，即：Wx，y，k＝Cx，y，k×Sx，y，k×Ex，y，k       (7)对融合权值进行归一化得：Wx,y,k=Cx,y,k×Sx,y,k×Ex,y,kΣk=1NCx,y,k×Sx,y,k×Ex,y,k---(8)]]>3)梯度域融合根据以上求得的融合权值，对输入图像进行梯度域融合，则融合图像的梯度值为：Fx,y=Σk=1N▿Ix,y,k×Wx,y,k---(9)]]>表示第k幅输入图像在(x,y)处的梯度值，Fx，y是融合图像的梯度值；梯度融合的问题可以通过求解最小值解决，如下：I=ΣI∫∫(x,y)∈Ω(x,y)∈Ω|▿I-F|2dxdy---(10)]]>其中Ω表示图像的空间域；在(10)中，寻找一幅梯度接近F的图像l；根据变分原理，(10)是泊松方程(9)的唯一解,将式(10)中最小值求解问题转化为一个PDE方程，如式(11):ΔI＝div(F)          (11)其中是拉普拉斯算子，div(F)是场F的散度；这个泊松方程将把不可积的输入场映射成一个零旋度的可积梯度场。