一種改進的HSI空間信息低照度彩色圖像增強算法制造技術

本發明專利技術涉及計算機視覺領域，其具體公開了一種基于改進的HSI空間信息低照度彩色圖像增強算法。首先對讀取原始低照度彩色圖像，將顏色空間轉換成感知上更接近人類視覺期望值的HSI顏色空間，然后保持色調H分量，對色飽和度S進行線性拉伸。再對亮度I分量進行改進的MSR算法增強；最后圖像由HSI顏色空間轉換回RGB顏色空間，最終獲得增強后的彩色圖像。本發明專利技術能有效地提高低照度圖像的對比度，豐富圖像的細節信息，更符合人眼視覺的感知，使得圖像更加逼真。

【技術實現步驟摘要】

本專利技術涉及計算機視覺領域，特指一種基于改進的HSI空間信息低照度彩色圖像增強算法。
技術介紹
在圖像采集或視頻監控的應用中，由于受到惡劣天氣、光照不均、低照度等外部因素的影響，獲得的圖像常常會出現亮度不均、對比度低、顏色失真及邊緣模糊等問題，導致圖像質量變差，影響之后的信息判讀和提取。因此，為了改善彩色圖像質量并提取更多的可用信息，快速且有效的圖像增強算法成為了圖像分析和理解領域的關鍵內容之一。現有的圖像增強方法主要包括傳統的空域和頻域圖像增強算法、基于小波變換的圖像增強算法、基于人工神經網絡的圖像增強方法、基于人眼視覺特性的圖像增強方法等。其中，空域圖像增強方法中效果比較好的是直方圖均衡化，但是直方圖均衡化仍存在一些缺陷，如變化后的圖像灰度級減少、某些圖像細節消失、圖像過增強等。頻域圖像增強方法處理后的圖像則視覺效果不夠理想，會出現色彩失真現象。基于小波變換的圖像增強方法能夠使細節清晰，層次感強，但圖像對比度的改變不是很大，而且多級小波分解的計算量較大，降低了圖像增強的效率。基于人工神經網絡的圖像增強方法能夠較好地去除椒鹽噪聲和脈沖噪聲，但是會導致圖像模糊，且參數較多，算法比較復雜。而基于人眼視覺特性的圖像增強方法在很大程度上提高了圖像的亮度和對比度，避免了色彩失真現場，增強后的圖像細節信息更豐富，更加符合人眼視覺感受。基于人眼視覺特性的圖像增強方法主要有：基于Retinex理論的圖像增強方法，以及在此基礎上發展的單尺度Retinex、多尺度Retinex和帶彩色恢復多尺度Retinex算法等改進算法，這類方法雖然符合人眼視覺特性，但是會出現不同程度的彩色失真。針對上述存在的問題，本專利技術提出一種基于改進的HSI空間信息低照度彩色圖像增強算法，該算法基于人眼視覺特性，將圖像轉換到符合人眼視覺特性的HSI色彩空間，消除各顏色分量之間的相關性，保持色調不變，調整亮度分量和飽和度分量來達到圖像增強的目的。本專利技術算法能有效地提高低照度圖像的對比度，豐富圖像的細節信息，使得圖像更加逼真。
技術實現思路
本專利技術要解決的技術問題在于：針對低照度彩色圖像增強這個特定問題，為了提高圖像的對比度和局部細節的清晰度，更符合人眼視覺的感知，提出了改進的HSI空間信息彩色圖像增強算法。為解決上述技術問題，本專利技術采取的技術方案是：一種改進的HSI空間信息低照度彩色圖像增強算法，包括如下步驟：(1)讀取原始低照度彩色圖像，將圖像由RGB顏色空間轉換成HSI顏色空間；(2)保持色調H分量不變，對色飽和度S進行線性拉伸；(3)對亮度I分量進行改進的MSR算法增強；(4)將增強處理后的圖像由HSI顏色空間轉換回RGB顏色空間，最終得到增強后的彩色圖像。作為本專利技術技術方案的進一步改進，所述步驟(1)中，；對圖像的RGB顏色空間任何3個R、G、B值，對應HSI模型的H、S、I分量可用式(1)至(3)進行轉換：式中：H為像素點的色調H值；S為像素點的飽和度S值；I為像素點的亮度I值；R為像素點的R顏色分量值；G為像素點的G顏色分量值；B為像素點的B顏色分量值；R、G、B∈[0,1]；S、I∈[0,1]；H∈[0°,360°]。作為本專利技術技術方案的進一步改進，所述步驟(2)中，所述線性拉伸采用自適應的飽和度分量S線性拉伸算法，所述線性拉伸算法表示為公式(4)：其中，S表示原始圖像的飽和度，S'表示線性拉伸后圖像的飽和度；Mv表示原始圖像的均值；max(R,G,B)和min(R,G,B)分別表示R、G、B三個顏色分量的最大值和最小值。作為本專利技術技術方案的進一步改進，所述步驟(3)中，首先對圖像的亮度I分量進行多尺度Retinex變換，所述多尺度Retinex變換如下：其中：I(x,y)是原始圖像的I分量，r(x,y)為Retinex變換后的分量；N表示尺度的個數，通常采用三個尺度；wi是加權系數，通常假定各個尺度的權重是相等的，即w1＝w2＝w3＝1/3，高斯函數Gi(x,y)為其中：ci是第i個尺度常量，分別取輸入圖像大小的1％、15％、50％；i＝1、2、3，λ是使得高斯函數歸一化的常量矩陣，滿足：∫∫G(x,y)dxdy＝1(7)對r(x,y)進行線性拉伸，r'(x,y)為拉伸后分量：r'(x,y)＝G×(r(x,y)+b)(9)G,b為常數；為防止像素點亮度值下降：r”(x,y)＝max(r'(x,y),I)(10)輸出增強后的亮度值：IHSI＝0.7I+0.9ur”(x,y)(11)IHSI為增強后的亮度值；u為自適應調整參數。作為本專利技術技術方案的進一步改進，所述步驟(4)中，將處理后的圖像從HSI顏色空間轉換回RGB顏色空間，轉換公式如下：當0°≤H≤120°時：當120°≤H≤240°時：當240°≤H≤360°時：與現有技術相比，本專利技術具有以下有益效果：在低照度情況下，本專利技術能夠提高彩色圖像的視覺特性，調整動態范圍、提高亮度和對比度、重建顏色。較有效地抑制圖像陰影區域中的噪聲，且在增強后的圖像亮度適合人眼觀看，細節較豐富、顏色更加逼真自然。附圖說明：圖1是實施例所述改進的HSI低照度彩色圖像增強算法流程圖；圖2，3是實施例所述本算法低照度增強圖像效果對比；圖2a是普通圖像1，圖2b是圖像1經實施例所述算法處理得到的圖像；圖3a是普通圖像2，圖3b是圖像2經實施例所述算法處理得到的圖像。具體實施方式：以普通單幅低照度彩色圖像為例，結合附圖對本專利技術做進一步詳細說明。第一步：讀取原始低照度彩色圖像，將顏色空間轉換成HSI顏色空間；根據人眼結構，所有的顏色都可以看作是3個基本顏色-紅(R,Red)、綠(G,Green)、藍(B,Blue)的不同組合。RGB模型就是在三基色理論基礎上開發的混合顏色空間，它使用不同數量的R、G、B三種基色相加產生不同的顏色。HSI顏色空間是一種直觀的顏色模型，它從人眼視覺系統出發，用H(hue,色調)、S(Saturation,飽和度)和I(Intensity，亮度)來描述色彩。將原始圖像從RGB色彩空間轉換到符合人眼視覺特性的HSI色彩空間進行處理，可以避免傳統方法在RGB色彩空間中分別對三個顏色通道進行調整而導致的顏色失真問題，使增強后的圖像更加符合人眼視覺特性。RGB色彩空間和HSI色彩空間只是同一物理量的不同表示法，因為它們之間存在著轉換關系。對任何3個R、G、B值，對應HSI模型的H、S、I分量可用式(1)-(3)轉換：式中：H為像素點的色調H值；S為像素點的飽和度S值；I為像素點的亮度I值；R為像素點的R顏色分量值；G為像素點的G顏色分量值；B為像素點的B顏色分量值。R、G、B∈[0,1]；S、I∈[0,1]；H∈[0°,360°]。第二步：保持色調H分量，對色飽和度S進行線性拉伸；在HSI色彩空間中，保持色調H分量不變的前提下。由于圖像獲取時的外界環境不同，每幅低照度圖像需要對飽和度分量S進行拉伸的程度也不相同。為了自適應地使各種低照度圖像的飽和度分量S達到最優，本專利技術提出了一種自適應的飽和度分量S線性拉伸算法，其表示式為：其中，S表示原始圖像的飽和度，S'表示線性拉伸后圖像的飽和度；Mv表示原始圖像的均值；max(R,G,B)和min(R,G,B)分別表示R、G、B三個顏色分量的本文檔來自技高網...

【技術保護點】
一種基于改進的HIS空間信息低照度彩色圖像增強算法，其特征在于，包括如下步驟：(1)讀取原始低照度彩色圖像，將圖像由RGB顏色空間轉換成HSI顏色空間；(2)保持色調H分量不變，對色飽和度S進行線性拉伸；(3)對亮度I分量進行改進的MSR算法增強；(4)將增強處理后的圖像由HSI顏色空間轉換回RGB顏色空間，最終得到增強后的彩色圖像。

【技術特征摘要】
1.一種基于改進的HIS空間信息低照度彩色圖像增強算法，其特征在于，包括如下步驟：(1)讀取原始低照度彩色圖像，將圖像由RGB顏色空間轉換成HSI顏色空間；(2)保持色調H分量不變，對色飽和度S進行線性拉伸；(3)對亮度I分量進行改進的MSR算法增強；(4)將增強處理后的圖像由HSI顏色空間轉換回RGB顏色空間，最終得到增強后的彩色圖像。2.如權利要求1所述的基于改進的HSI低照度圖像增強算法，其特征在于，所述步驟(1)中，；對圖像的RGB顏色空間任何3個R、G、B值，對應HIS模型的H、S、I分量可用式(1)至(3)進行轉換：I=13[R+G+B]---(1)]]>S=1-3[min(R,G,B)](R+G+B)---(2)]]>式中：H為像素點的色調H值；S為像素點的飽和度S值；I為像素點的亮度I值；R為像素點的R顏色分量值；G為像素點的G顏色分量值；B為像素點的B顏色分量值；R、G、B∈[0,...

【專利技術屬性】
技術研發人員：顏微，馬昊辰，冉駿，
申請(專利權)人：湖南源信光電科技有限公司，
類型：發明
國別省市：湖南;43