面向夜晚交通场景的图像增强方法研究吴世新，刘亮，傅慧源**（北京邮电大学智能通信软件与多媒体北京市重点实验室，北京100876）51015202530摘要：本文面向智能交通监控，提出了一种夜晚图像增强的方法，该方法通过对夜晚图像的亮度和颜色估计，对图像进行颜色保持，亮度增强，处理之后在进行微去噪处理，最后再进行边缘增强，对图像中边缘提取梯度，同时保持图像颜色和边缘连续性。对于一幅夜晚图像，通过我们的图像增强方法，可以使图像变清晰，保持场景颜色，使图像效果接近白天。关键词：计算机应用技术；夜晚图像增强；颜色估计；边缘增强：TP391.41NightTrafficScenceImageEnhancementMethodResearchWUShixin,LIULiang,FUHuiyuan(Bei激ngKeyLabofIntelligentTelecommSoftwareandMultimedia,Bei激ngUniversityofPostsandTelecommunication,Bei激ng100876)Abstract:Inthispaper,anightimageenhancementmethodisintendedforintelligenttrafficmonitoring.Thismethodisestimatedbythebrightnessandcoloroftheimageatnight,theimagemaintainingcolor,andbrightnessenhancement,carriedoutinmicrodenoisingprocessingaftertheprocessing,andfinallythenedgeenhancement,edgeextractionintheimagegradient,whilemaintainingtheimagecolorandtheedgecontinuity.Foranightimagebyimageenhancementmethod,theimagebecomesclear,andthescenecolorisclosetothesamesecneastheday.Keywords:ComputerApplicationTechnology;Nightimageenhancement;ColorEstimation;Edgeenhancement0引言所谓图像增强，就是用来提高图像视觉效果的一种技术，在图像增强算法中，直方图均衡是一种最常见的方法。直方图均衡化通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。但传统的直方图算法有以下缺陷[1,2]:（1）不保留原始图象的亮度信息,其处理后的图象,灰度呈近似均匀分布,因而其平均亮度总是在灰范围的中值附近;（2）处理过程中会发生简并现象,即一些低频灰度可能被合并,总的灰度级3540将有所损失,从而造成图象细节的丢失.对于彩色图像，由于有三个通道，与灰度图不同。直方图均衡不能保证图像色彩与真实色彩相近。夜晚图像增强需要解决两个问题:（1）在图像的颜色和亮度方面，既要保持颜色又要提高亮度；（2）图像边缘增强。对于一幅夜晚图像，首先分析图像的整体特征，夜晚图像的亮度较低，在交通监控中，图像的主要内容是车和行人，普通摄像机在夜晚较暗环境中无法正常获取清晰图像，常得到较模糊的黑暗图像，这对于图像内容方面的应用很不利。作者简介：吴世新（1986-），男，硕士，多媒体与网络信息处理通信联系人：刘亮（1982-），男，副教授，多媒体与网络信息处理.E-mail:liangliu82@gmail-1-本文提出了一种新的夜晚图像增强的方法,首先在RGB空间进行颜色估计，处理后图像中会存在一些小噪点，需要进行微去噪，再对图中重要区域进行边缘增强，保证图像感兴趣区域的车个人轮廓鲜明。该方法可以使一副输入的夜晚图像，经过处理之后，变得清晰，适合人眼的亮度，保持图像彩色信息，边缘轮廓明显，接近于白天图像，这对于图像内容分析，4550556065图像检测和分割都有很大的利用价值，作为智能交通监控异常事件处理的基础，有利于监控顺利进行。1相关研究为了更为直观地对夜间视频进行监控，激ngetal[3](2005)和Raskaretal[4](2004)都采用图像融合的方法来解决夜间图像光线暗、对比度低的问题。其中，Raskaretal提出了一种基于梯度域将白天背景图像和夜间图像融合的方法。该方法首先通过局部变量对输入图像的像素权值进行编码，然后使用像素权值将各输入图像的梯度值进行线性结合。最后将融合后的整体梯度图像进行重建。恢复...