CN104796582A - 基于随机喷射retinex的视频图像去噪与增强方法及装置 - Google Patents

Abstract

本发明涉及图像处理技术领域，公开了一种基于随机喷射retinex的视频图像去噪与增强方法，包括：构建喷射像素点集合，并对随机喷射retinex处理涉及的参数进行调优处理，所述参数包含喷射集合个数和像素点个数；基于调优处理后的参数对视频图像进行随机喷射retinex处理；对随机喷射retinex处理后的视频图像进行低通滤波器去噪处理和模糊通道去噪处理，得到亮度变化计算公式；结合所述亮度变化计算公式，得到输出图像的亮度计算公式，并采用该亮度计算公式计算三个通道的亮度变化值，构成局部亮度估计矢量；以及基于得到的局部亮度估计矢量，进行三通道融合，得到去噪及增强后的视频图像。本发明提出能有效去噪的亮度变化计算公式，大大提高了图像的清晰度。

Description

基于随机喷射retinex的视频图像去噪与增强方法及装置

技术领域

本发明图像处理技术领域，特别是涉及一种基于随机喷射retinex的视频图像去噪与增强方法及装置。

背景技术

近年来，多媒体技术发展越来越成熟，随处都可见视频设备的应用，如监控、军事等，并且人们对视频画质的要求日益提高，但是在一些不可避免的客观因素作用下，视频图像的品质低下，并不能满足人们的需求。因此研究如何对视频图像进行实时的增强与去噪具有重大的意义。

视频图像品质低下主要受两方面影响:(1)一般的视频采集系统在晴天时都能捕获质量较好的图像，但是在出现大雾、沙尘等恶劣天气时，或是夜间光照不足的情况下，系统捕获的图像对比度往往很低，人们很难从画面中获取有价值的信息。利用视频图像增强技术就可以有效地改善视频图像的视觉效果，突出人们感兴趣的信息，而摒弃一些无用信息。(2)视频图像在采集或是传输过程中通常会由于噪声的污染，使得画面质量下降，视频图像偏离了真实情况，极大影响了人们从中提取信息的精确度，因此非常有必要在利用视频图像前消除噪声，提高消噪后图像的质量，突出视频图像特征。

灰色图像的增强方法较为成熟，有对比度增强方法、直方图均衡方法、同态滤波方法、小波变换方法等。对彩色图像增强方法主要有基于Retinex理论的方法，此方法在动态范围压缩和颜色恒常性方面都具有良好的特性，如基于路径比较的retinex算法，但是这种算法存在着计算量大、对几何路径依赖性高和存在样本噪声的问题，对有噪声图像并未能取得良好效果。因此，需要改进现有技术基于Retinex理论的算法。

发明内容

本发明的目的是提供一种基于随机喷射retinex的视频图像去噪与增强方法及装置，用于解决现有技术中基于特定方向带来的光晕问题以及去噪效果不理想的问题。

为了实现上述目的，本发明的技术方案提供一种基于随机喷射retinex的视频图像去噪与增强方法，包括：构建喷射像素点集合，并基于该喷射像素点集合对随机喷射retinex处理涉及的参数进行调优处理，其中，所述参数包含喷射集合个数和像素点个数；基于调优处理后的参数对视频图像进行随机喷射retinex处理；对随机喷射retinex处理后的视频图像进行低通滤波器去噪处理和模糊通道去噪处理，得到亮度变化计算公式；结合所述亮度变化计算公式，得到输出图像的亮度计算公式，并采用该亮度计算公式计算三个通道的亮度变化值，构成局部亮度估计矢量；以及基于得到的局部亮度估计矢量，进行三通道融合，得到去噪及增强后的视频图像。

优选地，采用极坐标方式构建喷射像素点集合，具体包括：

用Spray_k(i)表示以像素点i为中心的n个像素点，像素点i的坐标为(i_x,i_y)，可设属于喷射集合Spray_k(i)的像素点j的坐标为(j_x,j_y)，则极坐标为：

$\left\{\begin{array}{c}{j}_x=i_x+\mathrm{\ρ}\·\cos \left(\mathrm{\θ}\right)\\ j_y=i_y+\mathrm{\ρ}\·\sin \left(\mathrm{\θ}\right)\end{array}\right.$

其中ρ是区间[0，R]的任意值，R表示喷射半径，θ是[0,2π]区间的任意值。

优选地，对随机喷射retinex处理涉及的参数进行调优处理，其中所述参数还包括喷射半径和半径密度函数。

优选地，对随机喷射retinex处理涉及的喷射半径进行调优处理包括：选择视频图像的对角线长度为喷射半径。

优选地，对随机喷射retinex处理涉及的喷射集合个数和像素点个数进行调优处理包括：选择喷射集合个数为1，选择像素点个数为250。

优选地，对随机喷射retinex处理后的视频图像进行低通滤波器去噪处理和模糊通道去噪处理，得到亮度变化计算公式，具体包括：基于RSR算法，根据像素点的相对亮度变化计算公式，计算出3个通道的亮度变化值，作为RSR算法的局部亮度估计矢量；以及先后引入低通滤波器和模糊通道，对RSR算法的局部亮度估计矢量进行改进，得到经过去噪处理的亮度变化计算公式。

优选地，所述采用该亮度计算公式计算三个通道的亮度变化值，具体包括：采用该亮度计算公式计算每个通道中的任意指定的像素点的亮度变化，再使用最近邻域插值法计算其余像素点的亮度变化，得到三个通道的亮度变化值。

本发明的技术方案还提出了一种基于随机喷射retinex的视频图像去噪与增强装置，包括：调优处理模块，用于构建喷射像素点集合，并基于该喷射像素点集合对随机喷射retinex处理涉及的参数进行调优处理，其中，所述参数包含喷射集合个数和像素点个数；随机喷射retinex处理模块，用于基于调优处理后的参数对视频图像进行随机喷射retinex处理；去噪处理模块，用于对随机喷射retinex处理后的视频图像进行低通滤波器去噪处理和模糊通道去噪处理，得到亮度变化计算公式；亮度变化计算模块，用于结合所述亮度变化计算公式，得到输出图像的亮度计算公式，并采用该亮度计算公式计算三个通道的亮度变化值，构成局部亮度估计矢量；以及通道融合模块，用于基于得到的局部亮度估计矢量，进行三通道融合，得到去噪及增强后的视频图像。

优选地，所述去噪处理模块包括：RSR算法处理模块，用于基于RSR算法，根据像素点的相对亮度变化计算公式，计算出3个通道的亮度变化值，作为RSR算法的局部亮度估计矢量；以及RSR算法改进模块，用于先后引入低通滤波器和模糊通道，对RSR算法的局部亮度估计矢量进行改进，得到经过去噪处理的亮度变化计算公式。

优选地，所述亮度变化计算模块中，采用该亮度计算公式计算三个通道的亮度变化值，具体包括：采用该亮度计算公式计算每个通道中的任意指定的像素点的亮度变化，再使用最近邻域插值法计算其余像素点的亮度变化，得到三个通道的亮度变化值。

本发明的有益效果是：

1、本发明提出能有效去噪的亮度变化计算公式，大大提高了图像的清晰度。由于像素点在各角度上的概率相同，因此很好的解决了传统算法中由于特定方向带来的光晕问题。

2、本发明降低了算法复杂度，优化喷射集个数和像素点个数，取N＝1和n＝250，运行速度得到进一步提高。

3、本发明对输出图像的亮度计算采用计算每个通道中任意像素点i的亮度变化，其他像素点用最近邻域插值法计算方法，运算量进一步减少，大大加快增强速度，这样就能在单位时间内增强更多帧图像，满足视频增强的实时性要求。

4、本发明可广泛应用于图像增强、视频分析、目标检测、跟踪和识别的预处理等领域。

本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1是本发明的实施方式中基于随机喷射retinex的视频图像去噪与增强方法的流程示意图；

图2(a)和图2(b)是两种N值和不同n值对应的ΔE_N(n)和ΔE_n(N)的分析图；

图3是本发明的实施方式中亮度计算的流程示意图；

图4是本发明的实施方式中基于随机喷射retinex的视频图像去噪与增强装置的结构示意图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

本发明的实施方式提出了一种基于随机喷射retinex的视频图像去噪与增强方法，如图1所示，具体包括以下步骤：构建喷射像素点集合，并基于该喷射像素点集合对随机喷射retinex处理涉及的参数进行调优处理，其中，所述参数包含喷射集合个数和像素点个数；基于调优处理后的参数对视频图像进行随机喷射retinex处理；对随机喷射retinex处理后的视频图像进行低通滤波器去噪处理和模糊通道去噪处理，得到亮度变化计算公式；结合所述亮度变化计算公式，得到输出图像的亮度计算公式，并采用该亮度计算公式计算三个通道的亮度变化值，构成局部亮度估计矢量；以及基于得到的局部亮度估计矢量，进行三通道融合，得到去噪及增强后的视频图像。

基于图1所示的各个基本步骤，本实施方式的具体实施过程分为以下几个部分。

一、构建喷射像素点集合，进行参数调优，并基于调优后的参数对视频图像进行随机喷射retinex处理。

其中，采用极坐标方式构建喷射像素点集合，具体包括：用Spray_k(i)表示以像素点i为中心的n个像素点，像素点i的坐标为(i_x,i_y)，可设属于喷射集合Spray_k(i)的像素点j的坐标为(jx,j_y)，则极坐标为：

$\left\{\begin{array}{c}{j}_x=i_x+\mathrm{\ρ}\·\cos \left(\mathrm{\θ}\right)\\ j_y=i_y+\mathrm{\ρ}\·\sin \left(\mathrm{\θ}\right)\end{array}\right.$

其中ρ是区间[0，R]的任意值，R表示喷射半径，θ是[0,2π]区间的任意值。

从上式中可以分析得到像素点落在各个角度上是方向概率是相同的，因此以半径大小的概率进行分析。对于半径为r的区域C_r，面积为A＝πr²，像素点在半径r范围内的概率是r/R，因此像素点个数为nr/R，根据面积公式个数为根据个数公式对A求导得：

$\frac{d\left(\frac{n}{R}\sqrt{\frac{A}{\mathrm{\π}}}\right)}{\mathrm{dA}}=\frac{n}{2R\sqrt{\mathrm{\πA}}}$

带入A＝πr²，得 $\mathrm{\δ}\left(r\right)=\left(\frac{n}{2\mathrm{\πR}}\right)\frac{1}{r}.$

由此公式可以认为随半径增大，区域像素点个数是减小的。通过对极坐标的ρ构建函数f，可以把极坐标式变换为：

$\left\{\begin{array}{c}{j}_x=i_x+f\left(\mathrm{\ρ}\right)\·\cos \left(\mathrm{\θ}\right)\\ j_y=i_y+f\left(\mathrm{\ρ}\right)\·\sin \left(\mathrm{\θ}\right)\end{array}\right.$

其中ρ属于区间[0，R]，θ是[0,2π]区间的任意值。对于log函数和双曲正弦函数分布效果十分近似于f(ρ)＝ρ的密度函数分布；指数函数中，指数大于1时指数值增大中心区域密度增大，指数小于1时使指数值减小越加偏离原始区域；线性函数是对区域半径的一个比例扩大或者缩小的作用。从计算量和作用效果来说取f(ρ)＝ρ为最佳半径密度函数，实现了对半径密度函数的调优。

另外，对随机喷射retinex处理涉及的参数进行调优处理，其中所述参数包括喷射半径、半径密度函数、喷射集合个数和像素点个数。关于半径密度函数的调优已在上文中说明，下面主要介绍另外三个参数。

喷射半径R：定义的是像素点i周边的分析区域范围，得到的像素点必须要能够反应像素点i周边的颜色信息，本实施方式中优先选择视频图像的对角线长度为R值。若R小于对角线长度，则图像中肯定会有两个极端像素点永远不会被进行比较运算；若R取得太大，则喷射集合随机产生的像素点会有很多不在图像区域上。

喷射集合个数N和像素点个数n是密切相关的两个参数。分析改进原随机喷射retinex算法的N取值。最终的像素亮度值是对N个喷射集合的加权平均，而每个喷射集取决于有多少个像素点来寻找亮度最大值。n决定的是喷射区域中得到的信息量大小。n太大不能体现像素点i的区域性，太小又不能得到足够信息量来反映像素点i的周边颜色信息。

最佳N和n值是通过降低N·n值获得。图2(a)和图2(b)是两种N值和不同n值ΔE_N(n)和ΔE_n(N)的分析图，ΔE_N(n)和ΔE_n(N)为CIELab感知差异的计算函数。选择1和5的N值，n取50到400之间步阶为50的连续值。在约束条件ΔE_n(N)<1和ΔE_N(n)<1下，由图2可得1×250＝250<5×250＝1250，所以满足约束条件的取N＝1和n＝250，比现有技术中随机喷射retinex提出的N＝20，n＝400值在去除噪声后稳定性更好，也减小了算法的复杂度。

二、去噪处理

图3是新的亮度计算公式来源流程图，具体步骤如下：像素点i的相对亮度变化计算公式：

$C_c\left(i\right)=\frac{I_C\left(i\right)}{R_c\left(i\right)}$

其中C_c(i)是通道c的像素点i的亮度变化，I_c(i)是原图像亮度，R_c(i)是用RSR处理的图像亮度。彩色图像有3个颜色通道，则计算出3个通道的亮度变化值，作为RSR算法的局部亮度估计矢量[C_r(i),C_g(i),C_b(i)]^T。尽管对噪声的处理效果不大，但空间邻域像素之间的亮度差异变小了，在不干预亮度变化条件下，引入低通滤波器变成了可能，则有下式：

C_c,k(i)＝(C_c*k)(i)

其中k是平均核，*代表卷积运算。

另一种去噪方法是引入模糊通道：

$C_{c,k}\left(i\right)=\frac{(I_c*k)\left(i\right)}{(R_c*k)\left(i\right)}$

为得到更好的去噪效果，将引入低通滤波器和引入模糊通道结合在一起，得到新的亮度变化计算公式：

$C_{c,k_1,k_2}\left(i\right)=(C_{c,k_1}*k_2)\left(i\right)$

三、亮度变化计算及通道融合

结合经过去噪处理的亮度变化公式得到输出图像的亮度计算公式O_c(i)为：

$O_c\left(i\right)=\frac{I_c\left(i\right)}{C_{c,k_1,k_2}\left(i\right)}$

其中k₁和k₂是平均核。经试验平均核比高斯核有更好的图像处理效果和执行效率。为简化参数调优，令k₁＝k₂。平均核尺寸越大越能去除噪声，但同时减少了随机喷射retinex的局部性，相反尺寸越小，去除噪声的能力越小。一个好的平衡办法是对无需重要质量增强的图像选择较小核尺寸，所以较好的选择是25×25，不仅能获得相同的增强质量，并且能去除人眼看到的一些视觉异常现象。

为提高视频图像处理的实时性，这里不是对每个像素计算亮度变化，而选择处理第r行和第c列的像素(即任意指定的像素点)，其他像素则用最近邻域插值法计算，优选为r＝c＝1。

最后，计算3个通道的亮度变化值，则新的局部亮度估计矢量为[O_r(i),O_g(i),O_b(i)]^T，将3通道融合得到最终去噪和增强的输出视频图像。

对应地，本实施方式还给出了一种基于随机喷射retinex的视频图像去噪与增强装置，如图4所示，包括：调优处理模块，用于构建喷射像素点集合，并基于该喷射像素点集合对随机喷射retinex处理涉及的参数进行调优处理，其中，所述参数包含喷射集合个数和像素点个数；随机喷射retinex处理模块，用于基于调优处理后的参数对视频图像进行随机喷射retinex处理；去噪处理模块，用于对随机喷射retinex处理后的视频图像进行低通滤波器去噪处理和模糊通道去噪处理，得到亮度变化计算公式；亮度变化计算模块，用于结合所述亮度变化计算公式，得到输出图像的亮度计算公式，并采用该亮度计算公式计算三个通道的亮度变化值，构成局部亮度估计矢量；以及通道融合模块，用于基于得到的局部亮度估计矢量，进行三通道融合，得到去噪及增强后的视频图像。

其中，所述去噪处理模块包括：RSR算法处理模块，用于基于RSR算法，根据像素点的相对亮度变化计算公式，计算出3个通道的亮度变化值，作为RSR算法的局部亮度估计矢量；以及RSR算法改进模块，用于先后引入低通滤波器和模糊通道，对RSR算法的局部亮度估计矢量进行改进，得到经过去噪处理的亮度变化计算公式。

该装置的具体实施过程与上述的基于随机喷射retinex的视频图像去噪与增强方法一一对应，这里不再多述。

以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (10)

1.一种基于随机喷射retinex的视频图像去噪与增强方法，其特征在于，包括：

构建喷射像素点集合，并基于该喷射像素点集合对随机喷射retinex处理涉及的参数进行调优处理，其中，所述参数包含喷射集合个数和像素点个数；

基于调优处理后的参数对视频图像进行随机喷射retinex处理；

对随机喷射retinex处理后的视频图像进行低通滤波器去噪处理和模糊通道去噪处理，得到亮度变化计算公式；

结合所述亮度变化计算公式，得到输出图像的亮度计算公式，并采用该亮度计算公式计算三个通道的亮度变化值，构成局部亮度估计矢量；以及

基于得到的局部亮度估计矢量，进行三通道融合，得到去噪及增强后的视频图像。

2.根据权利要求1所述的视频图像去噪与增强方法，其特征在于，采用极坐标方式构建喷射像素点集合，具体包括：

用Spray_k(i)表示以像素点i为中心的n个像素点，像素点i的坐标为(i_x,i_y)，可设属于喷射集合Spray_k(i)的像素点j的坐标为(j_x,j_y)，则极坐标为：

$\left\{\begin{array}{c}{j}_x=i_x+\mathrm{\&rho;}\&CenterDot;\cos \left(\mathrm{\&theta;}\right)\\ j_y=i_y+\mathrm{\&rho;}\&CenterDot;\sin \left(\mathrm{\&theta;}\right)\end{array}\right.$

其中ρ是区间[0，R]的任意值，R表示喷射半径，θ是[0,2π]区间的任意值。

3.根据权利要求1所述的视频图像去噪与增强方法，其特征在于，对随机喷射retinex处理涉及的参数进行调优处理，其中所述参数还包括喷射半径和半径密度函数。

4.根据权利要求3所述的视频图像去噪与增强方法，其特征在于，对随机喷射retinex处理涉及的喷射半径进行调优处理包括：选择视频图像的对角线长度为喷射半径。

5.根据权利要求1所述的视频图像去噪与增强方法，其特征在于，对随机喷射retinex处理涉及的喷射集合个数和像素点个数进行调优处理包括：选择喷射集合个数为1，选择像素点个数为250。

6.根据权利要求1所述的视频图像去噪与增强方法，其特征在于，对随机喷射retinex处理后的视频图像进行低通滤波器去噪处理和模糊通道去噪处理，得到亮度变化计算公式，具体包括：

基于RSR算法，根据像素点的相对亮度变化计算公式，计算出3个通道的亮度变化值，作为RSR算法的局部亮度估计矢量；以及

先后引入低通滤波器和模糊通道，对RSR算法的局部亮度估计矢量进行改进，得到经过去噪处理的亮度变化计算公式。

7.根据权利要求1所述的视频图像去噪与增强方法，其特征在于，所述采用该亮度计算公式计算三个通道的亮度变化值，具体包括：采用该亮度计算公式计算每个通道中的任意指定的像素点的亮度变化，再使用最近邻域插值法计算其余像素点的亮度变化，得到三个通道的亮度变化值。

8.一种基于随机喷射retinex的视频图像去噪与增强装置，其特征在于，包括：

调优处理模块，用于构建喷射像素点集合，并基于该喷射像素点集合对随机喷射retinex处理涉及的参数进行调优处理，其中，所述参数包含喷射集合个数和像素点个数；

随机喷射retinex处理模块，用于基于调优处理后的参数对视频图像进行随机喷射retinex处理；

去噪处理模块，用于对随机喷射retinex处理后的视频图像进行低通滤波器去噪处理和模糊通道去噪处理，得到亮度变化计算公式；

亮度变化计算模块，用于结合所述亮度变化计算公式，得到输出图像的亮度计算公式，并采用该亮度计算公式计算三个通道的亮度变化值，构成局部亮度估计矢量；以及通道融合模块，用于基于得到的局部亮度估计矢量，进行三通道融合，得到去噪及增强后的视频图像。

9.根据权利要求8所述的视频图像去噪与增强装置，其特征在于，所述去噪处理模块包括：

RSR算法处理模块，用于基于RSR算法，根据像素点的相对亮度变化计算公式，计算出3个通道的亮度变化值，作为RSR算法的局部亮度估计矢量；以及RSR算法改进模块，用于先后引入低通滤波器和模糊通道，对RSR算法的局部亮度估计矢量进行改进，得到经过去噪处理的亮度变化计算公式。

10.根据权利要求8所述的视频图像去噪与增强装置，其特征在于，所述亮度变化计算模块中，采用该亮度计算公式计算三个通道的亮度变化值，具体包括：采用该亮度计算公式计算每个通道中的任意指定的像素点的亮度变化，再使用最近邻域插值法计算其余像素点的亮度变化，得到三个通道的亮度变化值。