紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法
【專利摘要】本發(fā)明公開了一種紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法，從規(guī)避碰撞物的角度，解決了夜間汽車暈光現(xiàn)象引起的交通安全問(wèn)題，其實(shí)現(xiàn)包括有：采集夜間道路紅外圖像和可見(jiàn)光圖像；以紅外圖像為準(zhǔn)，做圖像配準(zhǔn)；分別對(duì)紅外和可見(jiàn)光圖像增強(qiáng)處理；提取增強(qiáng)后可見(jiàn)光圖像的亮度信號(hào)分量Y和兩個(gè)色度信號(hào)分量U和V；Y和增強(qiáng)后紅外圖像小波融合得到新的亮度信號(hào)分量Y′；Y′與U和V做YUV反變換得到最終的彩色融合圖像。本發(fā)明在配準(zhǔn)后增加了圖像增強(qiáng)處理，并對(duì)其參數(shù)進(jìn)行優(yōu)化，在消除暈光的同時(shí)，對(duì)融合后圖像的亮度和暗處細(xì)節(jié)信息有較大的保留和提升。本發(fā)明能夠有效規(guī)避因暈光引起的碰撞問(wèn)題。適用于汽車抗暈光領(lǐng)域。
【專利說(shuō)明】
紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于汽車抗暈光技術(shù)領(lǐng)域，主要設(shè)及一種利用圖像數(shù)據(jù)增強(qiáng)及融合技術(shù)對(duì) 紅外熱像儀與普通可見(jiàn)光攝像機(jī)同步采集的圖像進(jìn)行融合，具體是一種紅外與可見(jiàn)光圖像 融合的汽車抗暈光視頻圖像處理方法，用于夜間行駛汽車的抗暈光領(lǐng)域。
【背景技術(shù)】
[0002] 駕駛員燈光使用習(xí)慣對(duì)夜間道路車輛行駛安全有很大影響，遠(yuǎn)光燈的不正確使用 會(huì)使對(duì)向來(lái)車的駕駛員受暈光干擾造成視覺(jué)盲區(qū)，無(wú)法看清兩車間的行人W及前車兩側(cè)和 后方的事物，極易誘發(fā)交通事故?？箷灩獾姆椒ㄖ饕形锢砀駬跆幚怼④囕d圖像傳感器改進(jìn) 和視頻圖像處理=個(gè)方向。物理格擋是較為傳統(tǒng)和原始的方法，例如在雙向車道中間設(shè)置 植物隔離帶或者隔光板，該類方法效果較好，但受城建規(guī)劃、經(jīng)濟(jì)條件等因素影響，目前一 般只應(yīng)用于新建城市主干道和高速公路。改進(jìn)圖像傳感器可W部分消除暈光效果，如中國(guó) 專利《抗暈光面陣CCD圖像傳感器》，專利號(hào)為化200710018244.2，公開了 一種可W單獨(dú)控制 每個(gè)像素點(diǎn)積分時(shí)長(zhǎng)的面陣CCD傳感器消除暈光的方法，提升了圖像抗暈光的整體效果，但 實(shí)現(xiàn)難度較大。隨著忍片技術(shù)和視頻處理技術(shù)的進(jìn)步，各種各樣的抗暈光視頻圖像處理技 術(shù)不斷出現(xiàn)，基于視頻圖像處理的抗暈光技術(shù)克服了物理格擋的弊端，但不同的視頻圖像 處理方法之間仍有較大的差別和不足。目前視頻圖像處理的抗暈光技術(shù)主要有紅外抗暈光 技術(shù)、視頻圖像融合抗暈光技術(shù)等。紅外抗暈光技術(shù)是采用紅外熱成像儀采集前方道路的 紅外圖像達(dá)到消除暈光的目的，例如德國(guó)汽車制造商在奔馳S500L等高檔轎車上配備了紅 外夜視系統(tǒng)，來(lái)解決暈光干擾問(wèn)題。利用紅外熱成像技術(shù)檢測(cè)物體熱福射的紅外線特定波 段信號(hào)，并轉(zhuǎn)換成可供人眼視覺(jué)分辨的圖像，其波長(zhǎng)在0.75WI1到500WI1之間，采集信號(hào)時(shí)不 受波長(zhǎng)在0.4WI1到0.75WI1之間的可見(jiàn)光影響，而暈光又集中在可見(jiàn)光波長(zhǎng)范圍內(nèi)，因此加裝 紅外熱相儀能完全消除暈光現(xiàn)象，但其存在顏色單一，圖像重要細(xì)節(jié)信息如:車牌號(hào)、車身 顏色、交通信號(hào)燈顏色等無(wú)法獲取的問(wèn)題。視頻融合抗暈光技術(shù)結(jié)合紅外圖像完全消除暈 光的特點(diǎn)和可見(jiàn)光圖像圖像信息豐富的特點(diǎn)，采用把紅外圖像和可見(jiàn)光圖像融合的方法來(lái) 達(dá)到消除暈光的目的，本發(fā)明的工作前期著眼于暈光的消除，也采用了此類融合方式，其中 《基于YUV與小波變換的可見(jiàn)光與紅外圖像融合》W及《基于可見(jiàn)光和紅外圖像融合的汽車 抗暈光方法》中，都采用紅外圖像和可見(jiàn)光圖像融合的方式來(lái)消除暈光，但由于特殊的夜間 道路環(huán)境，可見(jiàn)光圖像也存在圖像畫面整體較暗，肉眼可識(shí)別的圖像信息較少的不足。另 夕h通過(guò)對(duì)夜間暈光引起的交通安全事故分析發(fā)現(xiàn)，事故多發(fā)生在駕駛?cè)藛T避讓對(duì)向車輛 過(guò)程中，碰撞的物體多為對(duì)向車輛周圍陰暗處的車輛、行人等。因此，如果不能提高圖像暗 處細(xì)節(jié)信息，而僅僅依賴于提高消除暈光的效果，并不能完全有效地避免交通安全事故的 發(fā)生。
[0003] 本發(fā)明項(xiàng)目組對(duì)國(guó)內(nèi)外專利文獻(xiàn)和公開發(fā)表的期刊論文檢索，尚未發(fā)現(xiàn)與本發(fā)明 密切相關(guān)和一樣的報(bào)道或文獻(xiàn)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于針對(duì)現(xiàn)有圖像融合抗暈光技術(shù)存在融合后圖像亮度低，暗處細(xì) 節(jié)信息缺失的缺點(diǎn)，提供一種在消除暈光的同時(shí)，能夠提高圖像亮度和增強(qiáng)圖像暗處信息 的紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法。
[0005] 本發(fā)明是一種紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法，其特征在 于，紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法包括有W下步驟：
[0006] 步驟1車載紅外熱相儀和普通可見(jiàn)光攝像機(jī)采集到對(duì)應(yīng)于同一時(shí)間空間的夜間道 路紅外圖像和可見(jiàn)光圖像；
[0007] 步驟2W紅外圖像為參考圖像，對(duì)兩幅圖像進(jìn)行圖像配準(zhǔn)，得到在時(shí)間和空間上一 致性更高的紅外圖像和可見(jiàn)光圖像；
[0008] 步驟3通過(guò)MSRCR圖像增強(qiáng)算法對(duì)配準(zhǔn)后的可見(jiàn)光圖像進(jìn)行增強(qiáng)處理，得到亮度更 高、圖像信息更豐富的可見(jiàn)光圖像；
[0009] 步驟4通過(guò)MSR圖像增強(qiáng)算法對(duì)紅外圖像進(jìn)行增強(qiáng)處理，得到對(duì)比度更高的紅外圖 像；
[0010] 步驟5對(duì)增強(qiáng)后的可見(jiàn)光圖像進(jìn)行YUV正變換提取出亮度信號(hào)分量Y和兩個(gè)色度信 號(hào)分量U和V;
[0011] 步驟6把亮度信號(hào)分量Y和增強(qiáng)后的紅外圖像進(jìn)行小波融合得到新的消除了暈光 的亮度信號(hào)分量r;
[0012] 步驟7對(duì)新的亮度信號(hào)分量r，色度信號(hào)分量U和V進(jìn)行YUV反變換得到最終的融合 圖像，完成對(duì)夜間道路圖像的抗暈光處理，輸出消除了暈光、增強(qiáng)了暗處細(xì)節(jié)信息的彩色融 合圖像。
[0013] 本發(fā)明的思路在于各數(shù)據(jù)處理模塊的先后順序、整體數(shù)據(jù)處理步驟及參數(shù)設(shè)定取 值固定。
[0014] 與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)優(yōu)勢(shì)：
[0015] (1)本發(fā)明采用圖像增強(qiáng)算法與圖像融合算法相結(jié)合的方式，先增強(qiáng)再融合，優(yōu)點(diǎn) 在于從消除暈光和避免實(shí)際碰撞情況發(fā)生兩個(gè)角度來(lái)解決夜間行車暈光引起的安全問(wèn)題。 圖像融合可W消除暈光，讓駕駛?cè)藛T不再受到強(qiáng)光干擾。圖像增強(qiáng)提高了圖像質(zhì)量，讓夜晚 采集到的圖像中的暗處信息變得容易觀察，使駕駛?cè)藛T能夠?qū)β窙r進(jìn)行判斷，做出正確的 行車路線選擇。運(yùn)是汽車抗暈光領(lǐng)域其他視頻圖像融合處理技術(shù)所不具備的
[0016] (2)本發(fā)明采用MSRCR圖像增強(qiáng)算法對(duì)夜間道路的可見(jiàn)光圖像進(jìn)行增強(qiáng)，顯著提高 了可見(jiàn)光圖像的亮度，豐富了暗處細(xì)節(jié)信息。
[0017] (3)本發(fā)明采用MSR圖像增強(qiáng)算法對(duì)紅外圖像進(jìn)行增強(qiáng)，顯著提高了紅外圖像的對(duì) 比度和亮度，提高了融合后圖像的對(duì)比度和亮度。
[0018] (4)本發(fā)明采用的增強(qiáng)算法中各參數(shù)針對(duì)不同的圖像特點(diǎn)有不同的取值，本發(fā)明 所確定的針對(duì)夜間道路圖像增強(qiáng)的優(yōu)選取值，在數(shù)據(jù)處理復(fù)雜度和性能取得了理想效果， 其中尺度C的個(gè)數(shù)和值的選取在圖像的細(xì)節(jié)信息和整體視覺(jué)效果之間取得了理想權(quán)衡，權(quán) 重系數(shù)值的分配有效凸顯了圖像中的暗處細(xì)節(jié)信息。
【附圖說(shuō)明】：
[0019] 圖1是本發(fā)明的流程框圖；
[0020] 圖2是針對(duì)實(shí)際路況獲取的紅外圖像；
[0021] 圖3是針對(duì)實(shí)際路況獲取的可見(jiàn)光圖像；
[0022] 圖4是配準(zhǔn)后的可見(jiàn)光圖像；
[0023] 圖5是增強(qiáng)后的可見(jiàn)光圖像；
[0024] 圖6是增強(qiáng)后的紅外圖像；
[0025] 圖7是可見(jiàn)光亮度信號(hào)分量與紅外圖像融合后的新的亮度信號(hào)分量；
[0026] 圖8是最終輸出的消除了暈光的融合圖像。
【具體實(shí)施方式】：
[0027] 下面結(jié)合附圖對(duì)本發(fā)明作詳細(xì)說(shuō)明。
[0028] 實(shí)施例1
[0029] 通過(guò)對(duì)夜間暈光引起的交通安全事故分析發(fā)現(xiàn)，事故多發(fā)生在駕駛?cè)藛T避讓對(duì)向 車輛過(guò)程中，碰撞的物體多為前車周圍陰暗處的車輛、行人等。因此，如果不能提高圖像暗 處細(xì)節(jié)信息，而僅僅依賴于提高消除暈光的效果，并不能完全有效地避免交通安全事故的 發(fā)生。
[0030] 針對(duì)上述現(xiàn)狀，本發(fā)明提出了一種紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像 處理方法，見(jiàn)圖1，紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法包括有W下步 驟：
[0031] 步驟1車載紅外熱相儀和普通可見(jiàn)光攝像機(jī)采集到對(duì)應(yīng)于同一時(shí)間空間的夜間道 路紅外圖像和可見(jiàn)光圖像；
[0032] 步驟2W紅外圖像為參考圖像，對(duì)兩幅圖像進(jìn)行圖像配準(zhǔn)，得到在時(shí)間和空間上一 致性更高的紅外圖像和可見(jiàn)光圖像；
[0033] 步驟3通過(guò)MSRCR圖像增強(qiáng)算法對(duì)配準(zhǔn)后的可見(jiàn)光圖像進(jìn)行增強(qiáng)處理，得到亮度更 高、圖像信息更豐富的可見(jiàn)光圖像；
[0034] 步驟4通過(guò)MSR圖像增強(qiáng)算法對(duì)紅外圖像進(jìn)行增強(qiáng)處理，得到對(duì)比度更高的紅外圖 像；
[0035] 步驟5再對(duì)增強(qiáng)后的可見(jiàn)光圖像進(jìn)行YUV正變換提取出亮度信號(hào)分量Y和兩個(gè)色度 信號(hào)分量U和V。
[0036] 步驟6把亮度信號(hào)分量Y和增強(qiáng)后的紅外圖像進(jìn)行小波融合得到新的消除了暈光 的亮度信號(hào)分量r。
[0037] 本發(fā)明將采集到的夜間道路紅外圖像和帶有暈光的可見(jiàn)光圖像，首先進(jìn)行了圖像 增強(qiáng)，然后進(jìn)行了圖像融合，提高了融合后圖像的對(duì)比度和亮度。
[0038] 步驟7對(duì)新的亮度信號(hào)分量r，色度信號(hào)分量U和V進(jìn)行YUV反變換得到最終的融合 圖像，完成對(duì)夜間道路圖像的抗暈光處理，輸出的融合圖像有效消除了暈光并增強(qiáng)了暗處 細(xì)節(jié)信息。
[0039] 本發(fā)明在處理的過(guò)程中各數(shù)據(jù)處理模塊的先后順序、整體數(shù)據(jù)處理步驟及參數(shù)取 值固定等保證了本發(fā)明消除暈光的效果W及對(duì)暗處細(xì)節(jié)信息的顯示。
[0040]本發(fā)明采用圖像融合與圖像增強(qiáng)算法結(jié)合的方式。利用紅外圖像沒(méi)有暈光和可見(jiàn) 光圖像圖像信息豐富、更適用于人眼觀察的優(yōu)點(diǎn)，將兩種圖像進(jìn)行融合，消除了暈光;對(duì)采 集到的夜間道路的可見(jiàn)光圖像進(jìn)行圖像增強(qiáng)可W提高圖像亮度，豐富了圖像的暗處細(xì)節(jié)信 息，讓駕駛?cè)藛T在受到暈光干擾時(shí)可W提前觀察前車兩側(cè)事物，避免在避讓的過(guò)程中發(fā)生 碰撞。對(duì)紅外圖像的增強(qiáng)提高了原紅外圖像的對(duì)比度，有效減輕了融合后圖像模糊的現(xiàn)象。 圖像融合與圖像增強(qiáng)相結(jié)合，有效消除了暈光，并提高了圖像亮度、豐富了圖像暗處細(xì)節(jié)信 息。
[0041 ] 實(shí)施例2
[0042] 紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法同實(shí)施例1，其中，步驟3 中所述通過(guò)MSRCR圖像增強(qiáng)算法對(duì)可見(jiàn)光圖像進(jìn)行增強(qiáng)處理，包括有如下處理步驟：
[0043] 3.1根據(jù)下式，確定高斯環(huán)繞函數(shù)計(jì)算出相應(yīng)的高斯模板，選取各模板對(duì)應(yīng)的尺度 C；
[0044] F(x,y)=]i ? exp((-(x^+y^)^)/C^)&//F(x,y)dxdy= 1 (I)
[0045] 式中：F(x，y)表示所選用的高斯環(huán)繞函數(shù)模型；（x，y)表示像素點(diǎn)的坐標(biāo);ii表示對(duì) 應(yīng)通道的歸一化常數(shù);C表示F(x，y)的尺度常數(shù)，尺度C越大，圖像的動(dòng)態(tài)范圍壓縮越大，與 之對(duì)應(yīng)的圖像細(xì)節(jié)越突出，尺度C越小，與之對(duì)應(yīng)的圖像整體效果越好，顏色越自然。
[0046] 3.2根據(jù)下式，計(jì)算巧巾尺度C下得到結(jié)果的加權(quán)平均，確定各尺度對(duì)應(yīng)的權(quán)重系數(shù) W的值；
[0047]
(2)
[004引式中：RMSRi(x，y)是不帶色彩恢復(fù)的增強(qiáng)輸出；N表示增強(qiáng)算法所采用的尺度數(shù);Wn 是與F(x，y)對(duì)應(yīng)的權(quán)重系數(shù);Ii(x，y)為第i個(gè)顏色通道的像素點(diǎn)，iGR，G，B。本發(fā)明中的3 種尺度值是指C在特定區(qū)間的小、中、大取值。
[00例 3.3根據(jù)下式，計(jì)算彩色恢復(fù)因子。
[(K)加 ]
(3)
[0051] 式中：Ci(x，y)表示與此增強(qiáng)算法對(duì)應(yīng)的彩色恢復(fù)因子，i表示其顏色通道;0表示 的是增益常數(shù);a為受控制的非線性強(qiáng)度系數(shù)。
[0052] 3.4根據(jù)下式，將彩色恢復(fù)因子代入，得到增強(qiáng)后的可見(jiàn)光圖像。
[0化3]
(4)
[0054] 式中：RMSRCRi(x，y)是帶顏色恢復(fù)的MSRCR增強(qiáng)算法的輸出，用于對(duì)可見(jiàn)光圖像的增 強(qiáng)。
[0055] 本發(fā)明采用MSRCR圖像增強(qiáng)算法對(duì)采集到的夜間道路環(huán)境下的可見(jiàn)光圖像的處 理，可W提高夜間圖像的亮度，豐富圖像的暗處細(xì)節(jié)信息，使原本不易被察覺(jué)的前車兩側(cè)的 車輛、行人等暗處清晰變得可見(jiàn)，讓駕駛?cè)藛T在受到暈光干擾時(shí)可W提前觀察前車兩側(cè)事 物，避免在避讓的過(guò)程中發(fā)生碰撞。
[0056] 實(shí)施例3
[0057] 紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法同實(shí)施例1-2,其中步驟4 中所述通過(guò)MSR圖像增強(qiáng)算法對(duì)紅外圖像進(jìn)行增強(qiáng)處理，包括有如下處理步驟：
[0058] 4.1根據(jù)下式，確定高斯環(huán)繞函數(shù)計(jì)算出相應(yīng)的高斯模板，選取各模板對(duì)應(yīng)的尺度 數(shù)C;
[0059] F(x,y)=y ? exp((-(x^V)^)/C^)&//F(x,y)dxdy= 1 (I)
[0060] 4.2根據(jù)下式，將紅外圖像類比成可見(jiàn)光圖像的一個(gè)顏色通道，計(jì)算3種尺度下得 到結(jié)果的加權(quán)平均，權(quán)重系數(shù)W的值，并根據(jù)各權(quán)值獲得增強(qiáng)后的紅外圖像；
[0061 ]
(勺）
[0062] 式中：RmsrU, y)是不帶色彩恢復(fù)的增強(qiáng)輸出；N表示增強(qiáng)算法所采用的尺度數(shù);Wn 是與F(x，y)對(duì)應(yīng)的權(quán)重系數(shù);I(x，y)為像素點(diǎn)。
[0063] 本發(fā)明采用MSR增強(qiáng)算法對(duì)夜間道路環(huán)境下的紅外圖像進(jìn)行處理，提高了紅外圖 像的對(duì)比度和亮度，使其紋理信息更明顯，在與可見(jiàn)光圖像融合后，圖像更清晰，亮度更高。
[0064] 實(shí)施例4
[0065] 紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法同實(shí)施例1 -3。
[0066] 圖像增強(qiáng)的參數(shù)設(shè)置包括有：
[0067] 尺度個(gè)數(shù)N = 3，表示選取3個(gè)尺度;各個(gè)尺度對(duì)應(yīng)的尺度數(shù)C在[1，249]范圍內(nèi)小、 中、大各取一個(gè)值，其中小值在[5,20]之間，中值在[100,130]之間，大值在[220,249]之間； 與小、中、大尺度數(shù)C對(duì)應(yīng)的權(quán)重系數(shù)W分別為〇.3〇、〇.35、〇.35;增益常數(shù)0取值在[45,55]之 間；非線性強(qiáng)度系數(shù)a取值在[115,125]之間。本發(fā)明增強(qiáng)算法中的各參數(shù)在W上范圍內(nèi)取 值能夠得到較好的增強(qiáng)效果?；蛘哒f(shuō)，本發(fā)明中采用上述參數(shù)的優(yōu)選取值，可見(jiàn)光圖像和紅 外圖像的增強(qiáng)效果最為理想。
[0068] 下面給出一個(gè)完整的處理過(guò)程，對(duì)本發(fā)明做進(jìn)一步說(shuō)明。
[0069] 實(shí)施例5
[0070] 紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法同實(shí)施例1 -4。
[0071] 本發(fā)明紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法，包括有圖像配 準(zhǔn)、圖像增強(qiáng)、YUV正變換、小波融合及YUV反變換。車載紅外熱相儀和普通可見(jiàn)光攝像機(jī)采 集到對(duì)應(yīng)于同一時(shí)間空間的夜間道路紅外圖像，見(jiàn)圖2, W及可見(jiàn)光圖像，見(jiàn)圖3。本發(fā)明中 W紅外圖像為參考圖像，對(duì)兩幅圖像進(jìn)行圖像配準(zhǔn)，得到在時(shí)間和空間上一致性更高的紅 外圖像和可見(jiàn)光圖像，見(jiàn)圖4。通過(guò)圖像增強(qiáng)算法對(duì)兩幅圖像分別進(jìn)行增強(qiáng)處理，得到亮度 更高、圖像暗處細(xì)節(jié)信息更豐富的可見(jiàn)光圖像，見(jiàn)圖5和對(duì)比度更高的紅外圖像，見(jiàn)圖6。再 對(duì)增強(qiáng)后的可見(jiàn)光圖像進(jìn)行YUV正變換提取出亮度信號(hào)分量Y和兩個(gè)色度信號(hào)分量U和V，然 后把亮度信號(hào)分量Y和增強(qiáng)后的紅外圖像進(jìn)行小波融合得到消除了暈光的亮度信號(hào)分量 ，見(jiàn)圖7。最后對(duì)新的亮度信號(hào)分量r，色度信號(hào)分量U和V進(jìn)行YUV反變換得到最終的融合 圖像，見(jiàn)圖8,從圖8可見(jiàn)，經(jīng)本發(fā)明處理后不僅有效消除了暈光，而且還增強(qiáng)了圖像中暗處 的細(xì)節(jié)信息。
[0072] 太發(fā)巧奸外圖像臺(tái)前化井:圖像的圖像配準(zhǔn)模型如下；
[0073]
(6)
[0074] 可見(jiàn)光圖像中的各像素點(diǎn)（XI'，yi'）經(jīng)過(guò)仿射變換后對(duì)應(yīng)紅外圖像中的點(diǎn)（XI， yi);k，0分別是兩幅圖像的比例系數(shù)和旋轉(zhuǎn)因子；Ax、Ay對(duì)應(yīng)圖像在兩個(gè)坐標(biāo)軸上的平移 量。k，0和Ax、Ay就是圖像進(jìn)行配準(zhǔn)的參數(shù)，當(dāng)運(yùn)幾個(gè)參數(shù)取值合適時(shí)，紅外圖像和可見(jiàn)光 圖像剛好相互匹配。在本發(fā)明中，紅外圖像為參考圖像，選擇可見(jiàn)光圖像為待配準(zhǔn)圖像，選 擇四組對(duì)稱點(diǎn)進(jìn)行配準(zhǔn)。提取兩幅圖像的特征點(diǎn)，通過(guò)特征點(diǎn)求出兩幅圖像之間的變換參 數(shù)。使用變換參數(shù)對(duì)待配準(zhǔn)圖像坐空間變換，再重采樣，完成兩幅圖像空間上的配準(zhǔn)，配準(zhǔn) 后的圖像如圖4所示。
[0075] 配準(zhǔn)后，對(duì)針外與可化化閣像A別講行增強(qiáng)，增強(qiáng)公式如下：
[0076] 間
[0077] (1)
[007引 （4)
[0079] 巧
[0080] 式中，RMSRi(x，y)是不帶色彩恢復(fù)的MSR增強(qiáng)算法的輸出，紅外圖像可W類比成可 見(jiàn)光圖像的一個(gè)顏色通道;RMSRCRi(x，y)是帶顏色恢復(fù)的MSRCR增強(qiáng)算法的輸出，用于對(duì)可見(jiàn) 光圖像的增強(qiáng)；Ii(x，y)為第i個(gè)顏色通道的像素點(diǎn)，iGR，G，B;N表示增強(qiáng)算法所采用的尺 度個(gè)數(shù);F(x，y)表示所選用的高斯環(huán)繞函數(shù)模型，Wn是與之對(duì)應(yīng)的權(quán)重系數(shù);CiU, y)表示與 此增強(qiáng)算法對(duì)應(yīng)的彩色恢復(fù)因子，i是其顏色通道;e表示的是增益常數(shù);Cl為受控制的非線 性強(qiáng)度系數(shù)；
[0081] MSRCR算法是把多個(gè)固定尺度的色彩通道進(jìn)行線性加權(quán)綜合來(lái)提高增強(qiáng)，在增強(qiáng) 過(guò)程中，圖像可能增加噪聲，而造成圖像局部細(xì)節(jié)色彩失真，不能顯示出物體的真正顏色效 果。針對(duì)運(yùn)一不足，引進(jìn)色彩恢復(fù)因子Ci(x，y)，從而把相對(duì)暗區(qū)域的信息突顯出來(lái)W達(dá)到 消除圖像色彩失真的缺陷。本發(fā)明在增強(qiáng)算法各參數(shù)取值范圍內(nèi)進(jìn)一步優(yōu)化給出如下最佳 參數(shù)，各參數(shù)取值如表1所示。最終就可得到增強(qiáng)后的可見(jiàn)光圖像，見(jiàn)圖5,與紅外圖像，見(jiàn)圖 6。
[0082] 表1增強(qiáng)算法參數(shù)表
[0083]
[0084] 現(xiàn)有的抗暈光的技術(shù)方案并不是很多，本發(fā)明前期也做過(guò)夜間道路暈光消除的研 究，但是在消除暈光的過(guò)程中，圖像亮度低，圖像中的暗處細(xì)節(jié)信息變得難W觀察，影響了 駕駛?cè)藛T對(duì)路況的判斷。
[0085] 本發(fā)明在處理的過(guò)程中，?？卺槍?duì)現(xiàn)有的視頻融合算法處理后亮度低、暗處信息 不易獲取的不足，對(duì)可見(jiàn)光圖像和紅外圖像進(jìn)行了增強(qiáng)，豐富了暗處的信息。
[0086] 在YUV色彩空間中，每一個(gè)像素點(diǎn)有一個(gè)亮度信號(hào)分量Y，和兩個(gè)色度信號(hào)分量U和 V。增強(qiáng)后的可見(jiàn)光圖像需要進(jìn)行YUV正變換，YUV空間模型與RGB相互轉(zhuǎn)化的公式各系數(shù)是 固定的，如下所示：
[0087] (7)
[0088] R進(jìn)行小波分解，分解公式如下：
[0089] 焊）
[0090] 上式中h()，g()分別表示低通濾波器系數(shù)和高通濾波器系數(shù)，Ck-i(m，n)為待分解 圖像，Ck，泣f，和df為源圖像的低頻、水平高頻、垂直高頻和對(duì)角高頻分量，（i，j)為分 解出的像素點(diǎn)坐標(biāo)。圖像分解后，圖像的輪廓、邊緣等信息一般存在與高頻分量中，其他與 源圖像較為接近的信息一般存在于低頻分量中。
[0091 ]分解后的可見(jiàn)光圖像與紅外圖像小波融合過(guò)程如公式下：
[0092]
[0093] (10)
[0094] 式中化為亮度分量的低頻分量；I化為紅外圖像的低頻分量;Yh為亮度分量的高頻 分量；IRh為紅外圖像的高頻分量。首先把可見(jiàn)光圖像亮度分量Y的低頻分量與紅外圖像的 低頻分量進(jìn)行加權(quán)平均，相應(yīng)的權(quán)值Wi、W2都取0.5,把可見(jiàn)光圖像亮度分量Y的高頻分量和 紅外圖像的高頻分量進(jìn)行絕對(duì)值取大處理，然后對(duì)新的低頻分量和高頻分量進(jìn)行小波逆變 換處理，逆變換的過(guò)程為將上一步得到的低頻和高頻分量對(duì)應(yīng)的Ck,或"，<'和rff與鏡像濾 波器h()，g〇分別卷積，進(jìn)行行列重構(gòu)，每?jī)闪泻蛢尚兄貥?gòu)時(shí)進(jìn)行補(bǔ)零采樣，小波逆變換公 式如下：
[0095]
}
[0096] 即可得到可見(jiàn)光圖像的亮度信號(hào)分量Y與紅外圖像經(jīng)小波變換融合后的新的亮度 信號(hào)分量r，見(jiàn)圖7。最后對(duì)r、U、V進(jìn)行YUV反變換，YUV轉(zhuǎn)化到RGB表達(dá)式下：
[0097]
(12)
[0098] 運(yùn)樣就得到最終的紅外與可見(jiàn)光融合后的圖像，見(jiàn)圖8。實(shí)現(xiàn)了有效地抗暈光且保 留了暗處的景物信息，對(duì)于整個(gè)路況反映更加真實(shí)，為駕駛?cè)藛T在夜間會(huì)車時(shí)提供了更開 闊的視野和更清晰的路況影像，讓駕駛?cè)藛T有更多的時(shí)間確定最佳行駛路線。
[0099] 本發(fā)明的圖像配準(zhǔn)采用的仿射變換算法只需要確定紅外熱相儀和可見(jiàn)光攝像機(jī) 所采集到圖像之間的比例系數(shù)和旋轉(zhuǎn)因子，進(jìn)行平移和放大，計(jì)算量少，配準(zhǔn)效果好，可W 實(shí)現(xiàn)紅外圖像與可見(jiàn)光圖像空間上的配準(zhǔn)。
[0100] 本發(fā)明采用的多尺度MSRCR增強(qiáng)算法對(duì)夜間道路下的可見(jiàn)光圖像進(jìn)行增強(qiáng)，在道 路照明不是很理想的情況下，車輛周圍的圖像往往難W看清，通過(guò)運(yùn)種方式增強(qiáng)后可W明 顯提高背景環(huán)境的亮度和對(duì)比度。對(duì)紅外圖像進(jìn)行MSR增強(qiáng)后，圖像輪廓更加分明，對(duì)比度 提高。對(duì)夜晚采集到圖像的視覺(jué)增強(qiáng)，更易于人眼觀察。
[0101] 本發(fā)明的圖像融合采用YUV變換和小波融合結(jié)合的方式，結(jié)構(gòu)簡(jiǎn)單，可見(jiàn)光圖像由 RGB格式轉(zhuǎn)化成YUV格式，并且只用Y分量與紅外圖像進(jìn)行小波融合，提高了整體的處理速 度，實(shí)時(shí)性更高。
[0102] 本發(fā)明簡(jiǎn)單實(shí)用，只需加載紅外圖像與可見(jiàn)光圖像兩路圖像，按照表1中設(shè)置好各 參數(shù)，即可得到融合圖像，過(guò)程中不需要手動(dòng)調(diào)節(jié)參數(shù)。
[0103] 本發(fā)明的抗暈光技術(shù)效果也可W通過(guò)仿真來(lái)驗(yàn)證
[0104] 實(shí)施例6
[0105] 紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法同實(shí)施例1-5,本例給出 一個(gè)具體仿真的實(shí)例。
[0106] 仿真條件:WindowsS操作系統(tǒng)、MATLAB軟件。
[0107] 當(dāng)紅外熱相儀和普通可見(jiàn)光攝像機(jī)采集到圖像數(shù)據(jù)后，經(jīng)配準(zhǔn)、增強(qiáng)、YUV變換、小 波融合、YUV反變換后得到紅外與可見(jiàn)光融合的圖像，本發(fā)明運(yùn)用仿射變換、圖像增強(qiáng)、YUV 變換、小波融合，W特定的順序和參數(shù)設(shè)置來(lái)對(duì)紅外圖像和可見(jiàn)光圖像進(jìn)行處理，得到消除 暈光并增強(qiáng)暗處信息的圖像，具體的的步驟是：
[0108] -.圖像采集:紅外熱相儀和普通可見(jiàn)光攝像機(jī)采集到同一對(duì)象的視頻圖像，并選 取同一時(shí)刻的紅外圖像，見(jiàn)圖2和可見(jiàn)光圖像，見(jiàn)圖3。
[0109] 二.圖像配準(zhǔn)：
[0110] (1)通過(guò)imread函數(shù)打開可見(jiàn)光圖像和紅外圖像的原始圖像。
[0111] (2)通過(guò)cpselect函數(shù)從可見(jiàn)光圖像和紅外圖像中選取4個(gè)特征點(diǎn)，并存入在b_ f e曰化的和i_f e曰ture中。
[0112] (3)通過(guò)cp2tform函數(shù)算出變換參數(shù)。
[0113] (4)通過(guò)inrtransform函數(shù)，單獨(dú)對(duì)可見(jiàn)光圖像根據(jù)上步求得的參數(shù)進(jìn)行空間位置 的變換。
[0114] 圖像增強(qiáng)，本發(fā)明針對(duì)可見(jiàn)光圖像和紅外圖像的處理方式不同：
[0115] (1)將配準(zhǔn)后的可見(jiàn)光圖像分解為R、G、B運(yùn)=幅圖像，依次將其數(shù)據(jù)類型轉(zhuǎn)化為 double型。根據(jù)公式（1)，確定高斯環(huán)繞函數(shù)計(jì)算出相應(yīng)的高斯模板，選取尺度C的值。
[0116] (2)根據(jù)公式(2)，計(jì)算巧巾尺度下得到結(jié)果的加權(quán)平均，權(quán)重系數(shù)W的值。
[0117] (3)根據(jù)公式(3)，計(jì)算彩色恢復(fù)因子，代入公式(4)，得到RmsrcriU, y)。
[0118] (4)對(duì)可見(jiàn)光圖像的R、G、B運(yùn)3個(gè)通道的圖像分別進(jìn)行第S步，對(duì)紅外圖像只需要 第一步和第二步的相應(yīng)處理，最后整合成完整的增強(qiáng)圖像，其中圖5是可見(jiàn)光圖像增強(qiáng)，圖6 是紅外圖像增強(qiáng)。
[0119] 四.YUV正變換:按照公式(7)，使用巧b2yuv函數(shù)把增強(qiáng)后的RGB格式可見(jiàn)光圖像轉(zhuǎn) 換為YUV格式。
[0120] 五.小波融合：
[0121] (I)對(duì)Y信號(hào)分量和紅外圖像使用wavedec函數(shù)進(jìn)行小波變換分解，選定小波基，確 定分解層數(shù)。
[0122] (2)對(duì)分解后的紅外與Y信號(hào)分量按照公式(9)、（10)所示對(duì)低頻分量進(jìn)行加權(quán)平 均，對(duì)高頻分量進(jìn)行絕對(duì)值取大。
[0123] (3)按照公式（11)使用waverec2函數(shù)進(jìn)行小波融合，得到新的可見(jiàn)光亮度分量r， 見(jiàn)圖7。
[0124] 六.YUV逆變換：按照公式（12)，使用yuv2rgb函數(shù)把YUV格式的圖像轉(zhuǎn)化成RGB格 式。
[0125] 屯.得到紅外圖像與可見(jiàn)光圖像的融合圖像，見(jiàn)圖8,從圖中可W看出，與原可見(jiàn)光 圖像相比，融合后的圖像暈光基本被消除，圖像亮度得到明顯提升，車輛兩側(cè)的道路W及后 方的路口、建筑物等信息清晰可見(jiàn)，從避免實(shí)際碰撞發(fā)生的角度解決了夜間行車時(shí)的暈光 問(wèn)題。
[0126] 通過(guò)人眼視覺(jué)從圖8中已經(jīng)可W明顯看到本發(fā)明對(duì)暈光的消除W及對(duì)暗處信息的 保留取得了理想的效果，對(duì)向行駛的車輛信息W及車輛周圍的路況信息都清晰明了，為了 客觀分析圖像處理效果，將融合后圖像與原可見(jiàn)光圖像進(jìn)行客觀對(duì)比，如下表所示。
[0127] 表2融合結(jié)果對(duì)比
[012 引
[0129] 從表2中的客觀數(shù)據(jù)也可W看出，與據(jù)閣像相比，采用本發(fā)明賭值提高了 19.7 %， 表明融合后的圖像包含信息更多；均值提高了 22.3%，表明融合后的圖像亮度明顯提高;平 均梯度提高了 46.5%，表明圖像清晰度更高;標(biāo)準(zhǔn)差提高了 14.8%，表明圖像紋理信息更 高。通過(guò)增強(qiáng)算法對(duì)融合前圖像質(zhì)量進(jìn)行提升，很好的解決了圖像融合后畫面亮度低，暗處 信息不明顯的缺點(diǎn)。
[0130] 實(shí)施例7
[0131] 紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法同實(shí)施例1-6,仿真條件 同實(shí)施例6。
[0132] 本發(fā)明的實(shí)現(xiàn)方案是:通過(guò)紅外熱相儀與普通可見(jiàn)光攝像機(jī)采集到視頻圖像，其 中紅外圖像見(jiàn)圖2,可見(jiàn)光圖像見(jiàn)圖3。啟動(dòng)MA化AB，使用imread函數(shù)讀取兩幅圖像，使用 cpselect函數(shù)從兩幅圖像中選取4個(gè)特征點(diǎn)，保存在base_points和i噸ut_points中，使用 cp2tfo;rm函數(shù)通過(guò)獲得的特征點(diǎn)W及所用變換類型求出變換參數(shù)，使用inrtransform函數(shù) 對(duì)待配準(zhǔn)圖像應(yīng)用變換參數(shù)進(jìn)行變換，base_points和input_points分別為參考圖像紅外 圖像和待配準(zhǔn)可見(jiàn)光圖像所對(duì)應(yīng)的特征點(diǎn)。4對(duì)控制點(diǎn)為：
[0133] base_points = [284,189；379,184；489,289；548,392],
[0134] i噸ut-points = [269，159;379，155;550，296;588，417]，
[0135] 得到可見(jiàn)光圖像的配準(zhǔn)圖像。將配準(zhǔn)后的圖像分解為R、G、B運(yùn)=幅圖像，依次將其 數(shù)據(jù)類型轉(zhuǎn)化為double型。按照表1中各參數(shù)設(shè)定，根據(jù)公式(9)，確定高斯環(huán)繞函數(shù)計(jì)算出 相應(yīng)的高斯模板，選取尺度C的值為10,120,240。利用公式(2)，計(jì)算巧巾尺度下得到結(jié)果的 加權(quán)平均，權(quán)重系數(shù)W的值分別取0.30,0.35,0.35。利用公式(3)，計(jì)算彩色恢復(fù)因子，代入 公式(4)，得到3?51^〇^^，7)。對(duì)1?、6、8運(yùn)3個(gè)通道分別進(jìn)行如上增強(qiáng)，最后整合成完整的增強(qiáng) 圖像，改變了夜間可見(jiàn)光圖像畫面昏暗的缺點(diǎn)，紅外圖像的細(xì)節(jié)也得到了很大提高。按照公 式(7)，使用rgb巧UV函數(shù)把增強(qiáng)后的RGB格式可見(jiàn)光圖像進(jìn)行YUV格式轉(zhuǎn)化。對(duì)Y信號(hào)分量和 紅外圖像使用wavedec函數(shù)進(jìn)行小波變換分解，選定小波基化2,兩層分解。對(duì)分解后的紅外 與Y信號(hào)分量的低頻分量進(jìn)行加權(quán)平均，權(quán)值取0.5和0.5,對(duì)高頻分量進(jìn)行絕對(duì)值取大。使 用waverec2函數(shù)進(jìn)行小波融合，得到新的可見(jiàn)光亮度信號(hào)分量r。按照公式（12)，使用 yuv化gb函數(shù)把YUV格式的圖像轉(zhuǎn)化成RGB格式。得到紅外圖像與可見(jiàn)光圖像的融合圖像。如 圖8所示，可見(jiàn)汽車遠(yuǎn)光燈暈光基本消除，圖像信息比可見(jiàn)光圖像信息豐富，比紅外圖像細(xì) 節(jié)輪廓更分明。
[0136] 本發(fā)明經(jīng)過(guò)大量的實(shí)驗(yàn)對(duì)比，針對(duì)夜間道路圖像的特點(diǎn)，對(duì)圖像增強(qiáng)過(guò)程中各參 數(shù)的取值進(jìn)行了優(yōu)選設(shè)定，在數(shù)據(jù)處理復(fù)雜度和性能上取得了理想效果，尺度C的個(gè)數(shù)和值 的選取在圖像的細(xì)節(jié)信息和整體視覺(jué)效果之間取得了理想權(quán)衡，權(quán)重系數(shù)值的分配有效凸 顯了圖像中的暗處細(xì)節(jié)信息。
[0137] 本發(fā)明的特點(diǎn)
[0138] 綜上所述，針對(duì)夜間汽車暈光現(xiàn)象引起的交通安全問(wèn)題，本發(fā)明從規(guī)避碰撞物的 角度出發(fā)，設(shè)計(jì)了一種基于紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法，W提 高夜間駕駛安全性，該方法由圖像配準(zhǔn)、圖像增強(qiáng)、YUV正變換、小波融合及YUV反變換構(gòu)成。 其中圖像配準(zhǔn)采用基于仿射變換的方式。圖像增強(qiáng)采用基于Retinex理論的增強(qiáng)算法，通過(guò) 對(duì)可見(jiàn)光圖像做MSRCR圖像增強(qiáng)和紅外圖像做MSR圖像增強(qiáng)，解決了夜間可見(jiàn)光圖像亮度 低，暗處信息不易獲取的問(wèn)題，并提高了紅外圖像對(duì)比度;通過(guò)YUV與小波變換結(jié)合的方式 對(duì)增強(qiáng)后的可見(jiàn)光圖像和紅外圖像進(jìn)行融合，消除了暈光現(xiàn)象。該視頻圖像數(shù)據(jù)處理方法 結(jié)構(gòu)新穎，把圖像增強(qiáng)引入抗暈光領(lǐng)域，與圖像融合方法相結(jié)合，不僅能有效消除暈光，還 對(duì)融合后圖像的亮度和暗處細(xì)節(jié)信息有較大提升，從規(guī)避碰撞的角度解決了夜間汽車暈光 引起的交通安全問(wèn)題。本發(fā)明適用于汽車抗暈光領(lǐng)域。
【主權(quán)項(xiàng)】
1. 一種紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法，其特征在于，紅外與 可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法包括有以下步驟： 步驟1車載紅外熱相儀和可見(jiàn)光攝像機(jī)采集到對(duì)應(yīng)于同一時(shí)間空間的夜間道路紅外圖 像和可見(jiàn)光圖像； 步驟2以紅外圖像為參考圖像，對(duì)兩幅圖像進(jìn)行圖像配準(zhǔn)，得到在時(shí)間和空間上一致性 更高的紅外圖像和可見(jiàn)光圖像； 步驟3通過(guò)MSRCR圖像增強(qiáng)算法對(duì)配準(zhǔn)后的可見(jiàn)光圖像進(jìn)行增強(qiáng)處理，得到亮度更高、 圖像信息更豐富的可見(jiàn)光圖像； 步驟4通過(guò)MSR圖像增強(qiáng)算法對(duì)紅外圖像進(jìn)行增強(qiáng)處理，得到對(duì)比度更高的紅外圖像； 步驟5對(duì)增強(qiáng)后的可見(jiàn)光圖像進(jìn)行YUV正變換提取出亮度信號(hào)分量Y和兩個(gè)色度信號(hào)分 量I^PV; 步驟6把亮度信號(hào)分量Y和增強(qiáng)后的紅外圖像進(jìn)行小波融合得到新的消除了暈光的亮 度信號(hào)分量Y7 ; 步驟7對(duì)新的亮度信號(hào)分量Y'，色度信號(hào)分量U和V進(jìn)行YUV反變換得到最終的融合圖 像，完成對(duì)夜間道路圖像的抗暈光處理，輸出消除了暈光、增強(qiáng)了暗處細(xì)節(jié)信息的彩色融合 圖像。2. 根據(jù)權(quán)利要求1所述的紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法，其 特征在于，步驟3中所述通過(guò)MSRCR圖像增強(qiáng)算法對(duì)配準(zhǔn)后的可見(jiàn)光圖像進(jìn)行增強(qiáng)處理，包 括有如下處理步驟： 3.1根據(jù)下式，確定高斯環(huán)繞函數(shù)計(jì)算出相應(yīng)的高斯模板，選取各模板對(duì)應(yīng)的尺度C;式中：F(x，y)表示所選用的高斯環(huán)繞函數(shù)模型；（x，y)表示像素點(diǎn)的坐標(biāo);μ表示對(duì)應(yīng)通 道的歸一化常數(shù);C表示F(x，y)的尺度常數(shù)，尺度C越大，圖像的動(dòng)態(tài)范圍壓縮越大，與之對(duì) 應(yīng)的圖像細(xì)節(jié)越突出，尺度C越小，與之對(duì)應(yīng)的圖像整體效果越好，顏色越自然。 3.2根據(jù)下式，計(jì)算3種尺度下得到結(jié)果的加權(quán)平均，確定各尺度對(duì)應(yīng)的權(quán)重系數(shù)W的 值；式中：RMSRl(x，y)是不帶色彩恢復(fù)的增強(qiáng)輸出；N表示增強(qiáng)算法所采用的尺度個(gè)數(shù);1"是 與F(x，y)對(duì)應(yīng)的權(quán)重系數(shù);Ii(x，y)為第i個(gè)顏色通道的像素點(diǎn)坐標(biāo)，ieR，G，B。 3.3根據(jù)下式，計(jì)算彩色恢復(fù)因子：式中=C1(Xd)表示與此增強(qiáng)算法對(duì)應(yīng)的彩色恢復(fù)因子，i表示顏色通道;β表示的是增益 常數(shù);α為受控制的非線性強(qiáng)度系數(shù)。 3.4將彩色恢復(fù)因子代入下式，得到增強(qiáng)后的可見(jiàn)光圖像：式中：RMSRCRl(x，y)是帶顏色恢復(fù)的MSRCR增強(qiáng)算法的輸出，用于對(duì)可見(jiàn)光圖像的增強(qiáng)。3. 根據(jù)權(quán)利要求1所述的紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法，其 特征在于，將步驟4中所述通過(guò)MSR圖像增強(qiáng)算法對(duì)紅外圖像進(jìn)行增強(qiáng)處理，包括有如下處 理步驟： 4.1同樣根據(jù)高斯環(huán)繞函數(shù)計(jì)算出相應(yīng)的高斯模板，選取各模板對(duì)應(yīng)的尺度數(shù)C;4.2根據(jù)下式，將紅外圖像類比成可見(jiàn)光圖像的一個(gè)顏色通道，計(jì)算3種尺度下得到結(jié) 果的加權(quán)平均，權(quán)重系數(shù)W的值，并根據(jù)各權(quán)值獲得增強(qiáng)后的紅外圖像；式中：RMSR(x，y)是不帶色彩恢復(fù)的增強(qiáng)輸出；N表示增強(qiáng)算法所采用的尺度數(shù);Wn是與F (X，y)對(duì)應(yīng)的權(quán)重系數(shù);Kx，y)為像素點(diǎn)坐標(biāo)。4. 根據(jù)權(quán)利要求2或3所述的紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法， 其特征在于，圖像增強(qiáng)的參數(shù)設(shè)置包括有： 尺度個(gè)數(shù)N = 3，表示選取3個(gè)尺度;各個(gè)尺度對(duì)應(yīng)的尺度數(shù)C在[1，249 ]范圍內(nèi)小、中、大 各取一個(gè)值，其中小值在[5,20]之間，中值在[100,130]之間，大值在[220,249]之間；與小、 中、大尺度C對(duì)應(yīng)的權(quán)重系數(shù)W分別為〇.3〇、〇.35、〇.35;增益常數(shù)0取值在[45,55]之間；非線 性強(qiáng)度系數(shù)α取值在[115，125]之間，增強(qiáng)算法中的各參數(shù)在以上范圍內(nèi)取值能夠得到較好 的增強(qiáng)效果。5. 根據(jù)權(quán)利要求4所述的紅外與可見(jiàn)光圖像融合的汽車抗暈光視頻圖像處理方法，其 特征在于，增強(qiáng)算法中參數(shù)的優(yōu)選取值為： 尺度個(gè)數(shù)N = 3;較小尺度值C1 = 10;中間尺度值C2 = 120;較大尺度值C2 = 240;非線性強(qiáng) 度系數(shù)α = 120;增益常數(shù)β = 50;較小尺度值C1對(duì)應(yīng)的權(quán)重系數(shù)1 = 0.30;中間尺度值C2對(duì)應(yīng) 的權(quán)重系數(shù)W2 = O. 35;較大尺度值C2對(duì)應(yīng)的權(quán)重系數(shù)11 = 0.35。
【文檔編號(hào)】G06T3/00GK106023129SQ201610363585
【公開日】2016年10月12日
【申請(qǐng)日】2016年5月26日
【發(fā)明人】郭全民, 董亮, 田英俠, 鞏兆偉, 周蕓, 李曉玲, 鄭少鋒
【申請(qǐng)人】西安工業(yè)大學(xué)