【阅读笔记】低照度图像增强-《Adaptive and integrated neighborhood-dependent ...

本文介绍改进INDANE算法的低照度图像增强改进算法（AINDANE算法），《Adaptive and integrated neighborhood-dependent approach for nonlinear enhancement of color images》

INDANE算法12 赞同 · 1 评论文章

概述

改进算法同样采用亮度提升和对比度增强两个独立模块分别处理。

1、通过使用非线性传递函数实现的亮度提升。

2、图像通过对比度增强进行处理

算法过程

1、RGB图像 $Y$ <script type="math/tex;mode=inline" id="MathJax-Element-13">Y</script>Y 转为灰度图像 $Y$ <script type="math/tex;mode=inline" id="MathJax-Element-9">Y</script>Y ，并归一化为 $Y_{n}$ <script type="math/tex;mode=inline" id="MathJax-Element-6">Y_{n}</script>Y_{n}

$Y (x, y) = \frac{76.245 * I^{r} (x, y) + 19.685 * I^{g} (x, y) + 29.071 * I^{b} (x, y)}{255}$ <script type="math/tex;mode=inline" id="MathJax-Element-10"> Y(x,y)=\frac{76.245*I^{r}(x,y)+19.685*I^{g}(x,y)+29.071*I^{b}(x,y)}{255} </script> Y(x,y)=\frac{76.245*I^{r}(x,y)+19.685*I^{g}(x,y)+29.071*I^{b}(x,y)}{255}

$Y_{n} (x, y) = \frac{Y (x, y)}{255}$ <script type="math/tex;mode=inline" id="MathJax-Element-3"> Y_{n}(x,y)=\frac{Y(x,y)}{255} </script> Y_{n}(x,y)=\frac{Y(x,y)}{255}

2、亮度调节：根据下式进行非线性转换，同样是一个非线性gamma映射曲线

$Y_{n}^{^{'}} = \frac{(Y_{n}^{(0.75 z + 0.25)} + (1 - Y_{n}) * 0.4 * (1 - z) + Y_{n}^{(2 - z)})}{2}$ <script type="math/tex;mode=inline" id="MathJax-Element-16"> Y_{n}^{'}=\frac{(Y_{n}^{(0.75z+0.25)}+(1-Y_{n})*0.4*(1-z)+Y_{n}^{(2-z)})}{2} </script> Y_{n}^{'}=\frac{(Y_{n}^{(0.75z+0.25)}+(1-Y_{n})*0.4*(1-z)+Y_{n}^{(2-z)})}{2}

其中，改进项是 $z$ <script type="math/tex;mode=inline" id="MathJax-Element-8">z</script>z 受图像统计数据影响对不同照度图像有不同处理。

$z = {\begin{cases} 0, f o r L \leq 50 \\ \frac{L - 50}{100}, f o r 50 < L \leq 150 \\ 1, f o r L > 150 \end{cases}$ <script type="math/tex;mode=inline" id="MathJax-Element-1"> z=\begin{cases} 0,for L≤50\\ \frac{L-50}{100},for50150 \end{cases} </script> z=\begin{cases} 0,for L≤50\\ \frac{L-50}{100},for50<L≤150\\1,for L>150 \end{cases}

式中的 $L$ <script type="math/tex;mode=inline" id="MathJax-Element-7">L</script>L 表示灰度图像 $Y$ <script type="math/tex;mode=inline" id="MathJax-Element-5">Y</script>Y 的累计直方图到1%像素总数时的灰阶值，如果 $Y$ <script type="math/tex;mode=inline" id="MathJax-Element-15">Y</script>Y很亮，90%的像素值都大于150，则Z=1，则 $Y_{n}^{^{'}} = Y_{n}$ <script type="math/tex;mode=inline" id="MathJax-Element-12">Y_{n}^{'}=Y_{n}</script>Y_{n}^{'}=Y_{n} ，相当不处理，优化了正常照度过度提亮的问题。

3、对比度增强：接着对灰度图像 $Y$ <script type="math/tex;mode=inline" id="MathJax-Element-4">Y</script>Y进行不同尺度的高斯核函数卷积运算，得到模糊图像 $Y$ <script type="math/tex;mode=inline" id="MathJax-Element-14">Y</script>Y，卷积公式如下：

$Y^{'} (x, y) = Y (x, y) * G (x, y)$ <script type="math/tex;mode=inline" id="MathJax-Element-11"> Y'(x, y) = Y(x, y) * G(x, y) </script> Y'(x, y) = Y(x, y) * G(x, y)

高斯卷积核 $G (x, y)$ <script type="math/tex;mode=inline" id="MathJax-Element-2">G(x,y)</script>G(x,y) 如下：

其中， <script type="math/tex;mode=inline">K</script>K 函数

其中， <script type="math/tex;mode=inline">c</script>c 是高斯函数尺度；

4、通过高斯模糊考虑领域信息，根据下式得到增强系数 <script type="math/tex;mode=inline">R</script>R ，中心像素的亮度可以根据 <script type="math/tex;mode=inline">R(x，y)</script>R(x，y) 是否大于或小于1（由较亮像素或较暗像素包围）而增加或减少。

其中， <script type="math/tex;mode=inline">r(x,y)</script>r(x,y) 表示如下

其中，改进项是引入参数 <script type="math/tex;mode=inline">p</script>p 改善图像对比度， <script type="math/tex;mode=inline">p</script>p 受图像标准差影响对数据有不同处理， <script type="math/tex;mode=inline">p</script>p 计算如下：

其中， <script type="math/tex;mode=inline">\sigma</script>\sigma 表示全局图像均方差（global standard deviation）。当全局均方差小于3时表示图像对比度很差，此时 <script type="math/tex;mode=inline">P</script>P 取大值。

5、为了获得最佳的图像增强效果，使用不同尺度的多个卷积结果进行对比度增强。最终的输出是基于多个尺度的对比度增强结果的线性组合

尺度选择5, 20 and 240，权重为取均值

6、RGB三通道等比例恢复

其中， <script type="math/tex;mode=inline">j</script>j 表示rgb三通道分量,$R_j$是增强图像。 <script type="math/tex;mode=inline">\lambda</script>\lambda 表示色调调节因子，通常取1也可，输出的彩色图像可以通过色彩饱和度和白平衡调整进一步细化。