一种基于改进多尺度Retinex算法的暗光图像增强方法技术

一种基于改进多尺度Retinex算法的暗光图像增强方法，属于图像处理领域。包括步骤：将原始RGB图像转换至HSI，将I分量复制，对第一I分量采用改进的多尺度Retinex算法即结合巴特沃斯低通滤波与高斯滤波加权计算得到新的中心环绕函数进行处理，对第二I分量采用CLAHE和均值滤波进行增强，融合处理后的I分量并保留处理后的清晰特征，转换回RGB目标图像。本发明专利技术通过采用一种基于改进多尺度Retinex算法的暗光图像增强方法，针对传统方法在细节保留，色彩保留等方面的不足做出了改善，使图像亮度增强，保护图像细节的同时提高图像的对比度并有效去除图像噪声，保持图像真实性。保持图像真实性。

【技术实现步骤摘要】
一种基于改进多尺度Retinex算法的暗光图像增强方法


[0001]本专利技术涉及图像处理领域，具体涉及一种基于改进多尺度Retinex算法的暗光图像增强方法。

技术介绍

[0002]随着计算机技术、网络技术日新月异的发展,使得多媒体技术与人们的生话越来越息息相关,人们对数字图像处理技术的需求与日俱增，数字图像处理系统已经广泛应用于许多领域，如工业生产、视频监控、智能交通和遥感监控，从而在工业生产、日常生活、军事应用等方面发挥着重要作用。然而在现实应用之中，由于软硬件条件的约束，图像在采集、传输时常常伴随着噪声的引入和失真，从而影响到图像的质量，有时甚至会影响到图像的正常使用。
[0003]在暗光条件下拍摄的图像往往会遭受严重的退化，如亮度低、对比度差、噪声干扰，以及由于设备限制和不适当的配置而导致的颜色失真等。这些问题会影响图像的视觉效果，而且也不利于目标检测、图像分类、图像分割等更高层次的任务实现。
[0004]当前，许多学者投入到图像增强算法研究中，提出了大量经典的算法用于改善暗光图像的质量，取得了丰硕的研究成果。如基于Retinex理论延伸出来的单尺度Retinex算法，多尺度Retinex算法和带彩色恢复多尺度的Retinex改进算法，该类方法虽然可以较好的提升图像亮度，但也存在色彩失真，部分细节易损失等缺点。

技术实现思路

[0005]本专利技术解决的技术问题是：针对暗光图像增强问题，提出一种基于改进多尺度Retinex算法的暗光图像增强方法，通过采用改进Retinex算法，即结合巴特沃斯低通滤波与高斯滤波进行加权计算，得到新的中心环绕函数对第一I分量进行处理，更好的控制图像细节增强，并通过结合CLAHE和均值滤波对第二I分量进行增强，通过对第一I分量和第二I分量进行融合处理，保留处理后的特征，在使图像亮度增强，保护图像细节的同时提高图像的对比度并有效去除图像噪声，使图像色彩自然，符合人眼视觉习惯，能较好的改进图像效果。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种基于改进多尺度Retinex算法的暗光图像增强方法，步骤如下：
[0008]步骤(1)：读取原始暗光彩色图像，将图像从RGB色彩空间转换到HSI色彩空间；
[0009]步骤(2)：将I分量进行复制，对第一I分量采用改进的多尺度Retinex算法进行增强，即采用基于巴特沃斯低通滤波与高斯滤波的改进多尺度Retinex算法进行图像增强。
[0010]步骤(3)：对第二I分量采用对比度受限自适应直方图均衡化方法(contrast
‑
limited adaptive histogram equalization，CLAHE)，优化图像的对比度；
[0011]步骤(4)：利用均值滤波对第二I分量继续进行处理，去除图像中的噪声；
[0012]步骤(5)：将处理后的第一I分量和第二I分量进行融合，将处理后的清晰特征保
留；
[0013]步骤(6)：将处理后的图像由HSI色彩空间图像转换回RGB图像得到目标图像。
[0014]进一步地，所述步骤(1)中对对原图像进行RGB到HSI的色彩空间转换，RGB对应HSI的图像转换可用公式进行转换，其中，H、S、I分别表示色调、饱和度和亮度值，R、G、B表示红、蓝、绿三种颜色通道的值。
[0015][0016][0017][0018][0019]进一步地，所述步骤(2)中将I分量复制，对第一I分量采用改进的多尺度Retinex算法，根据传统Retinex算法的数学表达公式，采用巴特沃斯低通滤波和高斯滤波联合加权作为中心环绕函数的改进多尺度Retinex算法变换：
[0020][0021]F
k
(x，y)表示巴特沃斯低通滤波与高斯滤波联合加权得到的中心环绕函数，其中N为环绕函数个数，n表示n个不同尺度，用于控制图像细节的增强效果，I(x，y)表示图像的I分量，W
k
为权重因子，满足*为卷积运算符号。
[0022]进一步地，所述步骤(3)中对第二I分量采用对比度受限自适应直方图均衡化方法(contrast
‑
limited adaptive histogram equalization，CLAHE)，优化图像的对比度，其表达式为：
[0023]I
c
(x，y)＝CLAHE[I2(x，y)][0024]式中，I
c
(x，y)是对比度增强后的第二I分量。
[0025]进一步地，所述步骤(4)中利用均值滤波对第二I分量继续进行处理，去除图像中的噪声。
[0026]I
′
c
(x，y)＝P(x，y)*I
c
(x，y)
[0027]式中，*表示卷积操作，P(x，y)为均值滤波函数，其表达式为
[0028][0029]式中，(2n+1)2表示滤波核大小，p(i，j)表示均值滤波前的图像。
[0030]进一步地，所述步骤(5)中将处理后的第一I分量和第二I分量进行融合，将处理后的清晰特征保留；融合图像系数取0.5。
[0031]进一步地，所述步骤(6)中将处理后的图像由HSI转换回RGB颜色空间，转换公式如下：
[0032]当0
°
≤H＜120
°
时：
[0033][0034]当120
°
≤H＜240
°
时：H＝H
‑
120
°
[0035][0036]当240
°
≤H＜360
°
时：H＝H
‑
240
°
[0037][0038]与现有技术相比，本专利技术具有以下有益效果：
[0039]本专利技术的有益效果在于：相比于传统的多尺度Retinex，本专利技术对该算法进行改进，在进行色彩空间变化后，对I分量进行复制处理，结合巴特沃斯低通滤波与高斯滤波进行加权计算，得到新的中心环绕函数对第一I分量进行处理，能够更好的控制图像细节增强，通过结合CLAHE和均值滤波对第二I分量进行增强，通过对第一I分量和第二I分量进行融合处理，保留处理后的特征，在使图像亮度增强，保护图像细节的同时提高图像的对比度并有效去除图像噪声，使图像色彩自然，更加符合人眼视觉习惯。
附图说明
[0040]图1为本专利技术具体实现的流程图。
具体实施方式
[0041]下面将更加深刻，完整的阐述本专利技术实施案例中的技术方案。所述实施案例为部分是实施案例。使用者可根据本专利技术，不需付出创造性劳动的获得其他实施案例。该“其他实施案例”均属于本专利技术保护的范围。
[0042]如图1所示，本专利技术实施例公开了一种基于改进多尺度Retinex算法的暗光图像增强方法，包括以下步骤：
[0043]步骤(1)：读取原始暗光彩色图像，将图像从RGB色彩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进多尺度Retinex算法的暗光图像增强方法，其特征在于，在HSI色彩空间，利用基于巴特沃斯低通滤波与高斯滤波的多尺度Retinex算法提取照射图像和反射图像并结合CLAHE和均值滤波对图像进行增强。2.根据权利要求1所述的一种基于改进多尺度Retinex算法的暗光图像增强方法，其特征在于，包括以下步骤：(1)读取原始暗光彩色图像，将图像从RGB色彩空间转换到HSI色彩空间；(2)将I分量进行复制，对第一I分量采用改进的多尺度Retinex算法进行增强，即采用基于巴特沃斯低通滤波与高斯滤波的改进多尺度Retinex算法进行图像增强；(3)对第二I分量采用对比度受限自适应直方图均衡化方法(contrast
‑
limited adaptive histogram equalization,CLAHE)，优化图像的对比度；(4)利用均值滤波对第二I分量继续进行处理，去除图像中的噪声；(5)将处理后的第一I分量和第二I分量进行融合，将处理后的清晰特征保留；(6)将处理后的图像由HSI色彩空间图像转换回RGB图像得到目标图像。3.根据权利要求2所述的一种基于改进多尺度Retinex算法的暗光图像增强方法，其特征在于，所述步骤(1)中对原图像进行RGB到HSI的色彩空间转换，RGB对应HSI的图像转换可用公式进行转换：用公式进行转换：用公式进行转换：用公式进行转换：其中，H、S、I分别表示色调、饱和度和亮度值，R、G、B表示红、蓝、绿三种颜色通道的值。4.根据权利要求2所述的一种基于改进多尺度Retinex算法的暗光图像增强方法，其特征在于，所述步骤(2)中将I分量复制，对第一I分量采用改进的多尺度Retinex算法，根据传统的Retinex算法的数学表达公式，采用巴特沃斯低通滤波和高斯滤波联合加权作为中心环绕函数的改进多尺度Retinex算法变换：F
k
(x，y)表示巴特沃斯低通滤波与高斯滤波联合加权得到的中心环绕函数，其中N为环绕函数个数，n表示n个不同尺度，用于控制图像细节的增强效果，I(x，y)表示图像的I分量，...

【专利技术属性】
技术研发人员：李禹欧，张亚楠，方岭，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：