非均匀光照环境下的图像增强方法

摘要

本发明公开了非均匀光照环境下的图像增强方法，包括以下步骤：根据夜晚环境，建立夜晚的空间模型，空间模型包括摄像头、目标和光源；把建立的三维空间模型映射到相应的二维空间；测算二维空间模型的参数，包括目标到光源的距离、目标到摄像头的距离；进行光源的检测；确定光源位置，通过空间模型测算得到的光源到目标的距离，进行自适应曝光；基于空间模型，考虑非均匀照明条件，提高复原后图像对比度。本发明在复原非均匀光照环境下图像的同时，有效的增加了图像的边缘信息和细节信息，可用于提高光照不均匀情况下图像的质量，为后续检测、识别提供良好的条件。

说明书

技术领域

本发明属于图像处理领域，涉及一种非均匀光照环境下的图像增强方法。

背景技术

夜间图像增强技术的研究是图像质量增强技术研究的热点之一。对夜间非均匀光照图像处理可以提高图像质量，方便计算机视觉的应用，如城市交通，视频监控和智能驾驶等。另外，良好的图像质量更有利于后续的物体识别，如车道线检测和车辆检测。因此，研究夜晚非均匀照明图像的恢复很重要。

现有的图像增强方法主要分为两大类：基于神经网络方法和光照模型的方法。一般回归神经网络的图像复原方法，通过对图像数据进行回归分析，确定图像的缺失区域，然后用GRNN去恢复每一个受损像素。新型的傅里叶神经网络将传统的傅里叶神经网络与忆阻器相结合，将忆阻器作为突触使用，用忆阻器BP算法来重建模糊的二值化图像和灰度图。卷积神经网络(CNN)方法通过CNN提取图像子块的特征并进行分类，然后通过相应的正则化来约束不同的特征。神经网络方法适用于解决难以找到合适解决方案的问题。但其结构的共同性很差，每个结构仅适用于一个或一些问题。而且它获得良好测试结果的先决条件是需要大量的数据。

基于光照模型的图像增强方法是图像恢复领域的一种经典方法。基于光照模型的经典方法模仿光源在二维图像中的照明效果，并在二维图像中创建光照模型，但是没有考虑光源，目标和摄像头的空间关系，距离光源近和距离光源远的目标使用同一曝光系数，容易导致距离光源近的目标出现曝光过度，而距离光源远的目标出现曝光不足。

发明内容

为解决上述问题，本发明针对传统的经典图像增强方法的缺点，提出了一种基于空间模型的图像增强方法，以提高非均匀光照的图像质量。

为实现上述目的，本发明的技术方案为一种非均匀光照环境下的图像增强方法，包括以下步骤：

根据夜晚环境，建立夜晚的空间模型，空间模型包括摄像头、目标和光源；

把建立的三维空间模型映射到相应的二维空间；

测算二维空间模型的参数，包括目标到光源的距离、目标到摄像头的距离；

进行光源的检测；

确定光源位置，通过空间模型测算得到的光源到目标的距离，进行自适应曝光；

基于空间模型，考虑非均匀照明条件，提高复原后图像对比度。

优选地，所述建立夜晚的空间模型中，通过下式得到光源到目标的距离：

h＝(h₁+sina×f)/sinb，

其中，f为摄像头与光源的距离，a为摄像头与光源之间的角度，h₁为摄像头与地面之间的垂直距离，b为目标与摄像头之间的角度。

优选地，所述目标与摄像头之间的角度b由下式得到：

b＝tan^-1(d₃/f₁)，

其中，d₃为图片中目标的大小，f₁为摄像头焦距。

优选地，所述摄像头与光源的距离f由下式得到：

f＝L₁/cosa，

其中，L₁为移动的摄像头与光源之间的垂直距离，

优选地，所述移动的摄像头与光源之间的垂直距离L₁由下式得到：

L₁＝[d₁/(d₂-d₁)]/L，

其中d₁，d₂分别表示两帧图像中光源的大小，L表示摄像头在两帧之间移动的距离。

优选地，所述摄像头与光源之间的角度a由下式得到：

a＝tan^-1(d₂/f₁)

其中，d₂为后一帧图像中光源的大小，f₁为摄像头的焦距。

优选地，所述确定光源位置，包括以下步骤：

分离图像的亮度通道和颜色通道，将原始图像的RGB颜色空间被转化到CIELAB颜色空间，其包含三个通道，G，y，z通道，其中，G为像素亮度，y和z分别表示像素的颜色；

通过下式构造映射：M＝tanh(n*((G-t)+(g-err)))+1，其中，G为CIELAB颜色空间中G通道的亮度值，err为从CIELAB色彩空间中的y，z通道获得的2范数的值，n、t、g为调节系数，是常量；

通过调整n来控制由于G的增加或err的减小引起的M的增加速度，M被设置为适当的值以将光源提取到黑色矩阵，便可确定光源的位置。

优选地，所述进行自适应曝光，由下式得到：

s＝k*i*r*h^c，

其中，k为光衰减系数，i为光照强度，r为目标的反射率，h为光源与目标的距离，c为调节系数，是常量。

优选地，所述提高复原后图像对比度，由下式得到：

Y＝k*h*x^e，

其中，k为光衰减系数，h为光源与目标的距离，X为主观心理感知值，Y为客观自然值，e为调节系数，是常量。

本发明的有益效果如下：

(1)解决传统的曝光算法存在的曝光过度、曝光不足的问题，传统的图像增强方法基于在二维空间中建立光照模型，没有考虑目标、摄像头和光源的空间关系，距离光源近和距离光源远的目标使用同一曝光系数，容易造成距离光源近目标出现曝光过度，距离光源远的目标出现曝光不足，本发明中考虑了空间中摄像头、目标和光源的空间关系，根据光源到目标的距离远近进行自适应曝光，避免产生曝光过度、曝光不足现象，达到重新分配非均匀光照图像的光照强度目的，即复原非均匀光照的图像；

(2)创建的空间模型基本适用于所有的夜晚环境，同时此模型具有借鉴性，如果在其他环境，比如深海环境，想解决图像的光照问题，提高图像的质量，只需要在此空间模型中作出相应的改变；

(3)在建立的空间模型基础上，考虑非均匀的光照环境，增加复原后图像的对比度，方便后续的检测、识别。

附图说明

图1为本发明方法实施例1的非均匀光照环境下的图像增强方法的步骤流程图；

图2为本发明方法实施例2的非均匀光照环境下的图像增强方法的步骤流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

方法实施例1

参见图1，为本发明实施例的本发明的技术方案为非均匀光照环境下的图像增强方法的步骤流程图，包括以下步骤：

S10，根据夜晚环境，建立夜晚的空间模型，空间模型包括摄像头、目标和光源；

S20，把建立的三维空间模型映射到相应的二维空间；

S30，测算二维空间模型的参数，包括目标到光源的距离、目标到摄像头的距离；

S40，进行光源的检测；

S50，确定光源位置，通过空间模型测算得到的光源到目标的距离，进行自适应曝光；

S60，基于空间模型，考虑非均匀照明条件，提高复原后图像对比度。

本发明基于空间模型的夜晚非均匀光照图像增强方法，通过建立光源、摄像头和目标的空间模型，再把三维的空间模型映射到二维空间来测算空间模型参数，即可得到目标与光源的距离，根据光源与目标的距离进行自适应曝光，重新分配原始非均匀光照图像的光照强度，达到复原原始非均匀光照图像的目的。为了方便后续的检测、识别，结合空间模型和考虑非均匀光照环境，增加复原后的图像的对比度，使复原后图像的边缘信息增加。

具体实施例中，为了在夜间复杂光照环境下恢复图像，本发明在分析光源，目标和摄像头位置关系的基础上，构建了摄像头，目标和光源的空间模型，本发明以夜晚道路环境为例构建空间模型，S10建立夜晚的空间模型中，通过下式得到光源到目标的距离：

h＝(h₁+sina×f)/sinb，

其中，f为摄像头与光源的距离，a为摄像头与光源之间的角度，h₁为摄像头与地面之间的垂直距离，在真实环境中，摄像头与地面之间的垂直距离是已知的，b为目标与摄像头之间的角度。

其中，目标与摄像头之间的角度b由下式得到：

b＝tan^-1(d₃/f₁)，

其中，d₃为图片中目标的大小，f₁为摄像头焦距。

为了获得摄像头和光源之间的角度a以及从光源到摄像头的距离f，三维空间模型被映射到二维平面，通过移动摄像头获得前后两帧中光源图像，摄像头与光源的距离f由下式得到：

f＝L₁/cosa，

其中，L₁为移动的摄像头与光源之间的垂直距离，由下式得到：

L₁＝[d₁/(d₂-d₁)]/L，

其中d₁，d₂分别表示两帧图像中光源的大小，L表示摄像头在两帧之间移动的距离。

摄像头与光源之间的角度a由下式得到：

a＝tan^-1(d₂/f₁)

其中，d₂为后一帧图像中光源的大小，f₁为摄像头的焦距。在真实场景中，光源可能不止一个，可以通过块匹配算法确定相应的光源。

方法实施例2

在建立空间模型后，通过把三维空间模型映射到二维空间，测算出目标与光源的距离，在夜晚环境中，即得到道路与光源的距离。为了根据目标到光源的距离进行自适应曝光，复原原始非均匀光照图像，需要先确定光源的位置，参见图2，图1中S50中确定光源位置具体包括以下步骤：

S501，分离图像的亮度通道和颜色通道，将原始图像的RGB颜色空间被转化到CIELAB颜色空间，其包含三个通道，G，y，z通道，其中，G为像素亮度，y和z分别表示像素的颜色；

S502，通过下式构造映射：M＝tanh(n*((G-t)+(g-err)))+1，其中，G为CIELAB颜色空间中G通道的亮度值，err为从CIELAB色彩空间中的y，z通道获得的2范数的值，n、t、g为常量，根据实际情况进行修改；

S503，通过调整n来控制由于G的增加或err的减小引起的M的增加速度，M被设置为适当的值以将光源提取到黑色矩阵，便可确定光源的位置。

在确定光源的位置后，通过光源与目标的距离进行自适应曝光，由下式得到：

s＝k*i*r*h^c，

其中，k为光衰减系数，其在不同的环境条件下变化，因此应根据情况进行调整，例如，在烟雾场景中应考虑空气中的可吸入颗粒，在海水中应考虑消光系数和散射系数；i为光照强度，r为目标的反射率，不同环境中和不同物体表面上反射率有所变化，应根据实际情况对其进行修改；h为光源与目标的距离，c为常量，根据实际情况进行修改。

S60中，提高复原后图像对比度，由下式得到：

Y＝k*h*x^e，

其中，k为光衰减系数，h为光源与目标的距离，X为主观心理感知值，Y为客观自然值，e为常量，根据实际情况调整。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。