福州大学物理与信息工程学院,福建 福州 350108
针对低照度图像存在识别度不高、亮度低、信噪比低和细节模糊等问题,提出了一种非下采样剪切波变换(NSST)域结合生成对抗网络(GAN)的低照度图像增强方法。首先,收集弱光图像和正常光图像数据集,将图像进行RGB颜色空间到HSV颜色空间的变换处理,保持色度、饱和度分量不变,对亮度分量进行NSST多尺度分解,利用分解得到的低通子带图像构建训练集;其次,构建基于GAN的低频子带图像增强模型,并利用低频子带图像训练集对模型进行训练;然后,对待处理的低照度图像进行NSST分解,利用训练的模型增强低频子带图像,利用尺度相关系数去除各高频方向子带噪声,并通过非线性增益函数增强边缘系数;最后,将增强处理后的低频、高频子带图像进行NSST重构,并将重构图像恢复至RGB颜色空间。所提方法与常见的方法相比,就低照度图像增强而言,结构相似度平均提升了3.89%,均方误差平均降低了1.03%,且在对噪声图像增强时,峰值信噪比和连续边缘像素比保持在21 dB和88%以上。实验结果表明,所提方法不论从视觉效果还是图像质量客观评价指标上较常见方法都有较大提升,能有效改善低照度图像的低质问题,为后续的图像处理分析奠定基础。
低照度图像增强 非下采样剪切波变换 生成对抗网络 图像去噪 图像边缘增强 激光与光电子学进展
2023, 60(24): 2410007
1 上海大学 微电子研究与开发中心,上海200444
2 上海大学 机电工程与自动化学院,上海00444
3 上海大学 上海电影学院,上海200072
针对舞台场景拍摄亮度动态范围受限问题,提出一种基于改进Retinex算法的舞台低照度增强方法。先对舞台场景的低照度图像采用改进的Retinex算法进行增强处理,得到整体增强后图像。将原图与增强后图像进行融合,处理掉过度增强和不需要增强的背景区域,得到最终图像。其中,改进的Retinex算法采用高斯-拉普拉斯高通滤波先求出反射分量后求出光照分量,解决反射分量细节丢失的问题。然后对反射分量进行对比度和细节增强处理,再与光照分量相乘得出增强后图像。本方法在软件平台验证的基础上进行FPGA硬件平台验证。实验结果表明,与其他经典方法相比,本方法在不同的舞台场景,尤其是明暗差距较大的舞台场景上,视觉效果明显,峰值信噪比(PSNR)平均提高了57.06%,结构相似性(SSIM)平均提高了27.34%。处理后的图像还原了舞台的真实亮度动态范围,并且色彩饱和度较好自然不失真,保证了较好的图像质量。
图像融合 低照度增强 Retinex算法 舞台场景 image fusion low light enhancement Retinex algorithm stage scenes 光学 精密工程
2023, 31(17): 2573
针对安防监控摄像机在夜间拍摄时易产生噪声,以及所使用的图像去噪方法易产生图像边缘特征退化的问题,提出了一种基于图像像素值差的监控摄像机低照度去噪方法。通过计算像素值差,再下采样得到图像金字塔,以获得整体和局部像素值差的索引,由此设计了一种适用于低照度的去噪卷积核,以增加噪声对中间像素值的影响,实现低照度环境下图像噪点的消除并保留其边缘特征。实验表明,该方法在低照度场景实际应用中既去除了图像的噪点,又保留了边缘信息。与基于小波变换的算法相比,该方法明显提升了图像的主观评价质量,并在Imatest信噪比测试中提升了图像的亮度信噪比。
低照度 去噪 边缘特征 low illuminance denoising edge feature
中国人民公安大学信息网络安全学院,北京 100038
针对低照度环境下红外与可见光图像融合过程中存在显著目标不完整、边缘模糊和对比度不足等问题,提出一种基于显著目标提取和泊松重建的融合方法。针对红外图像像素之间强度显著性的差异,首先利用显著性检测、阈值分割和伽马校正的关联性提取显著目标,从而实现红外图像中目标与背景的分离;其次考虑了源图像的视觉显著特征和梯度显著性,在梯度域上通过求解泊松方程重建融合图像;最后为提高低照度环境下融合图像的质量,利用红外图像的统计量均值和标准差优化融合结果。实验结果表明,所提方法在定性和定量分析方面均优于其他对比方法,能较好地突出红外目标信息,保留丰富的背景信息,视觉效果显著。
图像处理 图像融合 红外图像 可见光图像 泊松重建 低照度 激光与光电子学进展
2023, 60(16): 1610012
针对低照度图像亮度低、对比度低、颜色失真以及现有增强算法大多没有区别处理不同的通道,不利于提取多层次特征的问题,提出多通道融合注意力网络的低照度图像增强算法。首先,通过将八度卷积(Octave Convolution, OctConv)引入通道拆分后的残差结构中提出多层级特征提取模块;其次,利用注意力机制与交叉残差结构提出跨尺度特征注意模块;再次,通过大小与通道数不同的模块堆叠的方式获取多层次信息;最后,在通道维度上进行特征融合,并通过重建模块获得输出。实验结果表明,与RISSNet算法相比,在真实图像上的峰值信噪比与结构相似度分别由27.001 6 dB和0.889 2提升到27.978 1 dB和0.925 5。所提算法在峰值信噪比、结构相似度、均方误差、视觉信息保真度4种客观评价指标上均获得了最好的结果。该算法能够有效地提高低照度图像的亮度及对比度,且图像纹理细节及色彩保持较好。
图像增强 低照度 注意力机制 多通道 八度卷积 image enhancement low light attention mechanism multi-channel OctConv 光学 精密工程
2023, 31(14): 2111
传统提升低照度成像质量的方法主要包括外界补光和光圈提升,通过增大物理进光量完成源信息增强,但此类方法会造成光源污染和景深缩短等问题。提出一种端到端的多光谱融合方案,在弥补传统方法缺陷的同时有效恢复低照度场景中物体颜色和细节,实现高质量计算成像。通过定制化设计深度学习网络,融合多通道光谱信息,可有效消除场景噪声。所提方法具有较高的自由度,可以根据具体应用场景需求调节通道数和网络参数,同时也能替代传统的相机模块,优化图像信号处理流程。进行详细的消融实验,结果表明,光谱融合后,相比传统基于RGB数据的方法,所提方法得到的图像质量的均方误差(MSE)和感知损失分别降低了54.43%和35.12%。所提方法将为增强现实/虚拟现实(AR/VR)、医疗成像、自动驾驶等新兴技术领域带来新的高质量成像方案。
计算成像 多光谱融合 深度学习 低照度 激光与光电子学进展
2022, 59(20): 2011010