图像基于lip模型低照度彩色图像增强新算法资料

图像增强时间:2021-02-25 阅读:()

基于lip模型的低照度彩色图像增强新算法【最新资料】

班级:

学号:

成绩:

2015年6月30日

基于LI P模型的低照度彩色图像增强新算法

作者张哲铭

,1.西安邮电大学理学院信息与计算科学专业陕西省西安市邮编710121,

摘要:针对将彩色图像转化为灰度图像后再进行特征点提取与匹配会丢失彩色信息可能导致误匹配

这一问题采用一种基于彩色信息的SIFT特征点提取及匹配算法(CSIFT)以实现彩色图像的特征点

提取及匹配结合目标的颜色特征与几何特征以颜色不变量作为输入图像再提取特征点并描述特

征点周围的信息通过最近邻匹配法求出图像间的匹配对。实验将该算法应用于视觉里程计中

对相机所拍的相邻两帧图像进行了特征点提取及匹配并比较了该算法与传统SIFT算法的差异。实

验结果表明该算法是有效的。

关键词:色不变量;图像匹配;特征提取;尺度空间;视觉里程计

Image feature extraction and matching of color-basedscale-invariant feature transform

Abstract:That image feature extraction and matching will be done after the color imageis transformed intogray one may cause color information loss and lead to wrong matching(In order to solvesuch problembased Scale-Invariant Feature Transform) an image feature extraction and matchingmethod named CSIFT(Color-was used to realize color image feature extraction andmatching(Combining the color features with the geometrical features of the objects feature points were extracted and neighbor information around thesepoints was described using color invariant value as input information(Then the pointsbetween two images were matched using the nearest neighbor method(The algorithms wereapplied to vision-odometerfeature extraction and matching with two adjacent frames from camera were operatedand compared with thethe experiment(The result shows that the algorithm is effective(SIFT algorithm in

Key words:color invariance; image match;feature extraction; scale space;vision-odometer

图像增强是图像处理的基本手段之一也是直接应用于彩色图像增强[1]。对比度拉伸可以有

对图像进行分析的预处理过程 图像增强的目的选择的拉伸某段灰度区间以改善输出图像但是

是使不清晰的图像变得清晰突出人或其他接收对于信噪比本来就很低的低照度彩色图像拉伸

系统感兴趣的部分抑制不感兴趣的部分提高效果非常有限。对于彩色图像增强一系列的算法

图像的视觉效果使处理后的图像质量得到改已经被提出包括Re tine x理论

[2] 小波变换[3]

善。对于全天候和户外工作场所光线变化对图等可以提高图像的色彩质量但计算成本偏高

像处理带来诸多不便光照条件不佳或采集设备并涉及很多高斯函数的卷积小波变换等操作

的问题 图像质量受到严重影响。另外光照不足没有统一的数学模型 图像的边缘和纹理特征增

导致图像阴影区域与背景融合部分信息丢失。强效果不明显。

因此增强低照度图像的对比度和亮度近年来针对以上问题本文提出了基于LIP模型的

在遥感卫星、视频监控、医学图像等方面有了重低照度彩色图像增强新算法首先将真彩色

要的应用价值。 (RGB)图像模型转换为HS V这样可以实现色彩

传统的灰度图像增强方法主要包括直方图与亮度的分离解决了R GB空间处理产生颜色

均衡法、对比度拉伸等等直方图均衡法整体对失真的问题[4]。HSV模型的色调、饱和度、亮

比度很强把原始图像从某个集中的灰度区间变度三个分量的相关性很小所以在保持色调H分

成在全部范围内的均匀分布但是会造成灰度的量和饱和度S分量不变的条件下对亮度分量V

“吞噬”  图像信息有所丢失所以这些方法不能进行LI P处理将源图像的像素点的像素值通过

f,对数函数映射到目标空间然后用目标值代替原。 (3) ,,, ,,fMM(1)M来像素点的像素值引入模糊理论 图像由空间1.3基于LI P模型的图像增强算法域转换到模糊域引入增强算子在模糊域对图像基于LI P模型的图像增强算法可以表示为:的灰度级最后进行逆变换获得增强后的图像。 'FA(i,j)(i,j),,,

 (4)  ,,,[(i,j)(i,j)]FA1 LIP模型

其中jn /2in /2在图像处理中一般的“+”和“”算术操 1。 (5)AFkl,,(i,j)((,)),,作不适用于一些实际的图像处理工作两幅图像nn*kinlj n,,,,/2/2直接进行相加(或相乘)所得的结果与人的视觉效

'果有一定的差距并且会产生“超区间值”问题为原始图像和处理后图像的灰度值 F(i,j)

文献[5]中提出的LI P模型它提供了一种新的算是以为中心大小为n*n窗口的平均A(i,j)(i,j)

术结构该模型定义了新的加法、减法、乘法等灰度值本文中n=3,为任意实。 ,,,

向量运算。应用该模型的图像灰度值都在[0,M)为了简化LI P模型的计算现对灰度值进行区间内,从而避免产生超区间值的问题也与人归一化补集转变灰度值归一化补集转变定义如眼的视觉系统的饱和特性相一致。下式:

F1.1 LIP模型的基本同态函数F,,1 , (6)Mf,()ln()fM,,,其中灰度值F定义在[0,M)的范围内M为正值M常数对于8 bit图像M=256。 f,1,M,()(1 e)fM,,灰度值进行归一化补集转变后 图像增强时其中灰度值f定义在[0,M)的范围内M为正值通过式(6)可以验证式(2)(3)(4)的正确性进行简常数。 LI P模型曲线如图1所示.化后的增强算法可以表示为:

log('(i,j))log((i,j))FA,,

。 (7)  ,,[log((i,j)log((i,j))]FA jn /2in /21log((i,j))(log(F(,)))Akl,。

(8) ,,nn*ki nl j n,,,,/2/2

应用LI P模型的图像增强算法后低照度彩

色图像的亮度有了很大的提高 图像的整体对比

度也有了很大改善但是图像的部分细节还不是图1 LIP模型曲线很清晰 图像细节的增强同时图像噪声也增强由上述曲线得知该非线性变化过程扩展低灰度了 图像还没有达到很好的视觉效果。值而压缩高灰度值实现了图像灰度扩展和压缩2模糊增强方法的功能让图像的灰度分布更加符合人的视觉特为了解决上述算法中的不足现引入模糊理征。论[6] 通过正弦隶属函数将图像灰度由空间域映1.2 LIP模型的向量运算射到模糊域中得到一个新的模糊特征平面再加法运算:灰度值f与g的“,”表示为:通过增强算子对隶属函数值进行修正最后通过fgfgfg,,  ,  (1)正弦隶属度函数的反变换来达到图像增强的目M的。减法运算:灰度值f与g的“,”表示为:2.1正弦隶属度函数fg,fgM,,  (2)Mg,正弦隶属度函数将区间上的所有元素映射,,数乘运算:灰度值f与正实数的“”表示为:u到区间[0,1]中隶属度越接近于1 表示所属ij

程度越高用它表征一个元素接近于理想元素的量I避免了增强处理时产生的颜色失真。程度。定义正弦隶属函数如下:步骤2为了便于计算利用式(8)对图像进ff(i,j),,kmin行归一化补集转变。利用式(9)、 (10) 运用LIP (9)u,  [sin()]ijff,2模型对图像进行亮度增强处理。 maxmin

其中步骤3基于LIP模型增强后的图像利用式。 kmeanfff,,()/()(11)、 (12)得到正弦隶属度函数 图像由空间域映maxmin(10)

射到模糊域中。表示像素的灰度所具有的隶属u(i,j)f(i,j)ij

步骤4通过式(13)、 (14)的模糊增强算子来度是图像的灰度值为图像的最大ff(i,j)max'。修正隶属度值得到新的模糊特征平面ui j灰度值为图像的最小灰度值。K为调节参fmin步骤5在模糊域经过逆变换得到在空间域数通过调节K值可以得到不同的值就会对u'ij相应的增强图像。 f(i,j)不同的灰度空间做增强处理来达到不同图像的'步骤6对图像的亮度分量V增强处f(i,j)增强要求并提高了计算速度。

理完成后彩色图像逆变化 由HSV的彩色空2.2模糊域图像增强

间转换为RGB彩色空间获取增强后的图像。通过式(13)、 (14)的模糊增强算子来修正隶属图像增强的效果也与本文算法涉及的参数度值得到新的模糊特征平面定义模糊增强算,,有密切关系 LI P模型中的参数、和变换函子如下:T(u),数的迭代次数r参数影响图像的亮暗程rij 'uTTT,,(u)((u))r=1,2,3. .. (11) ,度参数影响图像的锐化程度对于低照度图ijrijrij,11

,,,像 、取值应大一些但取值过大图像会其中

,过亮 图像信息会丢失取值过大图像会变得2, ,,2u,0u0.5ijij ,T(u)模糊。变换函数的迭代次数r随着迭代T,(u) (12) rij,ij12,,,,12(1 u),0.5u1,ijij ,次数r的增加 图像的对比度增加 图像的细节会

越来越明显 r取值过大会使图像出现过增强现式(11)为一个递归式随着迭代次数r的增加

,,象所以可以通过调节参数、和迭代次数r T(u)变换函数借助增强算子使图像的对比度rij获得适合于人眼观察的图像。增加 图像的细节会越来越明显式

(14)的作用

T(u)是增强大于0.5的灰度级的值 同时减小rij4实验结果分析u小于0.5的灰度级的值从而减少其模糊性 ij本文算法采用Matlab 7.0进行仿真验证选达到图像增强的目的。取大量的低照度彩色图像通过主观评价和客观2.3模糊域到空间域的逆变换评价来验证本文算法的有效性。模糊域经过逆变换得到在空间域相应的增我们随机选取了两幅不同背景下的低照度

'彩色图像用其他三种算法与本文算法进行比强图像 f(i,j)较主观上可以看出本文算法中图像的边缘细节'清晰整体对比度也提高了 同时也更适合于人fu(i,j), min,眼观察。 LI P模型中分别取=10.8,=0.8;  2(13)'1/k。 uu,  

()arcsin(u)

示。

3算法仿真

本文的增强算法步骤如下:

步骤1输入一幅真彩色图像将R GB彩色

空间转换为HSV的彩色空间并提取出亮度分

(a)低照度图像(b)直方图均衡算法(e)模糊增强算法(f)本文算法

图2 furnishing图像的实验结果对比

图2(a)和图3(a)是低照度图像 图像质量已

经受到严重影响看不清图像的细节信息 图2(b)

和图3(b)采用直方图均衡算法后 图像周围阴暗