基于稀疏表示算法的圖像晝夜場(chǎng)景轉(zhuǎn)換方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種圖像晝夜場(chǎng)景轉(zhuǎn)換方法及系統(tǒng)，本方法包括如下步驟：步驟S100，分解圖片訓(xùn)練集并選取圖片訓(xùn)練塊；步驟S200，對(duì)圖像訓(xùn)練塊進(jìn)行字典訓(xùn)練，獲得字典矩陣DR,DG,DB；S300，利用經(jīng)過預(yù)處理的夜間圖片矩陣R,G,B和字典矩陣DR,DG,DB重構(gòu)圖像塊，并將該圖像塊進(jìn)行組合以實(shí)現(xiàn)圖像晝夜場(chǎng)景轉(zhuǎn)換；本發(fā)明的圖像晝夜場(chǎng)景轉(zhuǎn)換方法及系統(tǒng)將黑暗中拍攝的圖片與在明亮光線下拍攝的圖片進(jìn)行轉(zhuǎn)換，有效的解決了在黑暗中進(jìn)行視頻監(jiān)控的問題，使黑暗中的圖像如白晝清楚，同時(shí)突出樣本圖像中未有的某些區(qū)域，提高在黑暗中的圖像識(shí)別能力；并且能避免公共場(chǎng)所中視頻監(jiān)控中夜間圖片模糊，有效信息量少的缺點(diǎn)，具有廣泛的應(yīng)用前景。
【專利說明】基于稀疏表示算法的圖像晝夜場(chǎng)景轉(zhuǎn)換方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，尤其涉及一種基于稀疏表示算法的圖像晝夜場(chǎng)景 轉(zhuǎn)換方法及系統(tǒng)。

【背景技術(shù)】
[0002] 目前，晝夜場(chǎng)景轉(zhuǎn)換問題已逐漸得到國(guó)內(nèi)外專家的關(guān)注，但國(guó)內(nèi)卻很少有人研究 圖像晝夜轉(zhuǎn)換技術(shù)。在夜間拍攝的圖片，光線昏暗，噪聲強(qiáng)烈，造成了低對(duì)比度及顏色、品質(zhì) 的失真，極大地影響了人們對(duì)圖片有用信息的識(shí)別和獲取。當(dāng)前所研究的晝夜場(chǎng)景轉(zhuǎn)換方 法大部分是建立在傳統(tǒng)的點(diǎn)對(duì)點(diǎn)的匹配算法基礎(chǔ)之上，這種方法需要在夜間圖像和白天圖 像之間進(jìn)行嚴(yán)格的點(diǎn)對(duì)點(diǎn)合成，要求比較苛刻，操作復(fù)雜，具有較大的局限性，特別是當(dāng)夜 間圖像中有干擾物體，或當(dāng)圖像庫(kù)匱乏的情況下，難以實(shí)現(xiàn)有效的轉(zhuǎn)換。
[0003] 因此，需要發(fā)明一種晝夜場(chǎng)景轉(zhuǎn)換方法，以實(shí)現(xiàn)圖像晝夜場(chǎng)景的有效及高質(zhì)量轉(zhuǎn) 換° 在參考文獻(xiàn) Night Removal by Color Estimation and Sparse Representation 中指 出利用顏色預(yù)估模型（Color Estimation Model)實(shí)現(xiàn)了對(duì)夜間圖片的預(yù)處理，本發(fā)明是在 此基礎(chǔ)實(shí)現(xiàn)的一種晝夜場(chǎng)景轉(zhuǎn)換的工作方法。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種圖像晝夜場(chǎng)景轉(zhuǎn)換方法，以解決圖像晝夜場(chǎng)景轉(zhuǎn)換的技 術(shù)問題。
[0005] 為了解決上述技術(shù)問題，本發(fā)明提供了一種圖像晝夜場(chǎng)景轉(zhuǎn)換方法，包括如下步 驟：
[0006] 步驟S100,分解圖片訓(xùn)練集并選取圖像訓(xùn)練塊；
[0007] 步驟S200,對(duì)圖像訓(xùn)練塊進(jìn)行字典訓(xùn)練，獲得字典矩陣DK，De，D b ;
[0008] 步驟S300,利用經(jīng)過預(yù)處理的夜間圖片矩陣R，G，B和字典矩陣DK，D e，Db重構(gòu)圖像 塊，并將該圖像塊進(jìn)行組合以實(shí)現(xiàn)圖像晝夜場(chǎng)景轉(zhuǎn)換。
[0009] 其中，所述步驟S100中分解圖像訓(xùn)練集并選取訓(xùn)練塊包括利用輸入的圖片訓(xùn)練 集完成圖像訓(xùn)練塊的選取，根據(jù)隨機(jī)性原則選取對(duì)應(yīng)的訓(xùn)練塊。
[0010] 其中，所述步驟S200中獲得所述字典矩陣DK，De，D b的方法包括如下步驟：
[0011] 步驟S210,初始化離散余弦變換矩陣DCT ;
[0012] 步驟S220,將預(yù)處理的三基色矩陣R，G，B和所述訓(xùn)練集中的圖像樣本{.V,.}=輸入 至所述離散余弦變換矩陣DCT，以計(jì)算出該圖像樣本對(duì)應(yīng)的稀疏系數(shù)X ;
[0013] 步驟S230,通過稀疏系數(shù)X計(jì)算所述字典矩陣DK，De，D b。
[0014] 其中，所述稀疏系數(shù)x的獲得方法包括：
[0015] 設(shè)Xi = argmin Il只_ -Dy丨|〗，滿足于I I X I I。彡kQ ;通過初始化迭代次數(shù)k = 0，使 用m個(gè)歸一化的DK，De，Db構(gòu)建Dtl e Rnxm，且k不斷加1。
[0016] 其中，所述步驟S230中通過稀疏系數(shù)X計(jì)算所述字典矩陣DK，DG，Db的方法包括：
[0017] 對(duì)離散余弦變換矩陣DCT中每一列j0 = 1，2, ...，m更新，然后輸出所述字典矩陣 De, Dg, Db ；
[0018] 其中，所述步驟S300中根據(jù)所述經(jīng)過預(yù)處理的三基色矩陣R，G，B和字典矩陣 DK，De，Db獲得的圖像塊的方法包括：將所述三基色矩陣進(jìn)行圖像特征的隨機(jī)選取獲得與圖 像特征對(duì)應(yīng)的矩陣，該矩陣與所述字典矩陣（D K，De，Db)進(jìn)行正交匹配追蹤算法獲得三個(gè)稀 疏系數(shù)矩陣Χ κ，X。，Xb，再通過（DK，De，Db) X (XK，Xe，Xb)獲得圖像塊獲得所述圖像塊，并將該圖 像塊進(jìn)行組合以實(shí)現(xiàn)圖像晝夜場(chǎng)景轉(zhuǎn)換。
[0019] 又一方面，本發(fā)明還提供了一種圖像晝夜場(chǎng)景轉(zhuǎn)換系統(tǒng)，包括：
[0020] 三基色分解模塊，分解夜間圖片以得到對(duì)應(yīng)的三基色矩陣R，G，B。
[0021] 三基色字典矩陣獲取模塊，獲取樣本圖片組成的訓(xùn)練集的三基色所對(duì)應(yīng)的字典矩
[0022] 圖像晝夜場(chǎng)景轉(zhuǎn)換，根據(jù)所述預(yù)處理的三基色矩陣R，G，B和字典矩陣DK，D e，Db獲 得的圖像塊，并將該圖像塊進(jìn)行組合以實(shí)現(xiàn)圖像晝夜場(chǎng)景轉(zhuǎn)換。
[0023] 本發(fā)明的有益效果是，本發(fā)明的基于稀疏表示的圖像晝夜轉(zhuǎn)換算法結(jié)合參考文獻(xiàn) Night Removal by Color Estimation and Sparse Representation 中的顏色預(yù)估模型可 以將黑暗中拍色的照片與在明亮光線下拍色的照片進(jìn)行轉(zhuǎn)換，有效的解決了在黑暗中進(jìn)行 監(jiān)控的目的，使黑暗中的圖像如白晝清楚，同時(shí)突出樣本圖像中未有的某些區(qū)域，提高在黑 暗中的圖像識(shí)別能力；并且能避免公共場(chǎng)所中視頻監(jiān)控中夜間圖片模糊，有效信息少的缺 點(diǎn)，具有廣泛的應(yīng)用前景。

【專利附圖】

【附圖說明】
[0024] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)一步說明。
[0025] 圖1示出了稀疏表示算法特征提取過程流程圖；
[0026] 圖2示出了獲得所述字典矩陣DK，De，Db的方法流程圖；
[0027] 圖3示出了一種圖像晝夜場(chǎng)景轉(zhuǎn)換系統(tǒng)的原理框圖；
[0028] 圖4中圖（a)、（b)、（C)示出了圖像晝夜場(chǎng)景轉(zhuǎn)換的具體效果。

【具體實(shí)施方式】
[0029] 現(xiàn)在結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明。這些附圖均為簡(jiǎn)化的示意圖，僅以 示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。
[0030] 實(shí)施例1
[0031] 圖1示出了稀疏表示算法特征提取過程流程圖。
[0032] 如圖1所示，所述步驟S100中分解圖片訓(xùn)練集并選取圖像訓(xùn)練塊包括如下步驟：
[0033] 所述圖像晝夜場(chǎng)景轉(zhuǎn)換方法，建立樣本圖片的訓(xùn)練集，利用彩色圖像的通道分解 分解為RGB三個(gè)通道，輸出該訓(xùn)練集對(duì)應(yīng)的三基色矩陣DK，De，Db。
[0034] 其中，所述步驟SlOO中建立樣本圖片的訓(xùn)練集的方法包括：由在各光照強(qiáng)度下拍 攝與夜間圖片相同場(chǎng)景的圖片組成圖片訓(xùn)練集，通過隨機(jī)選取進(jìn)行圖像塊的選取，實(shí)現(xiàn)對(duì) 圖像特征的選擇。
[0035] 圖2示出了獲得所述字典矩陣DK，De，DB的方法流程圖。
[0036] 如圖2所示，所述步驟S200中獲得所述字典矩陣DK，De，D b的方法包括如下步驟：
[0037] 步驟S210,初始化離散余弦變換矩陣DCT。
[0038] 步驟S220,計(jì)算稀疏系數(shù)，即將經(jīng)過圖像預(yù)處理的三基色矩陣R，G，B和所述圖片 訓(xùn)練集中的圖像樣本{只}=輸入至所述離散余弦變換矩陣DCT，以計(jì)算出該圖像樣本對(duì)應(yīng)的 稀疏系數(shù)X。
[0039] 步驟S230,通過稀疏系數(shù)X計(jì)算所述字典矩陣DK，Dg，D b。
[0040] 其中，yi表示從樣本圖片中選取可選為某一塊為像素8*8大小的i表示從這些塊 中選擇1到M塊。本發(fā)明不限于像素8*8,也可以采用像素4*4、像素16*16等圖像塊大小。
[0041] 所述稀疏系數(shù)X的獲得方法包括：
[0042] 設(shè)x = aImin Ilx 吏其滿足 y = DK，e，BX ;其中 X 是 DK，e，B ( S卩矩陣 DK，De，Db)在稀疏 變換矩陣DCT下的稀疏表示系數(shù)，I I · I Ici表示Ici范數(shù)，表示非零元素的個(gè)數(shù)。
[0043] 設(shè)而=argmin Il % -，滿足于I IXI I。彡k。；通過初始化迭代次數(shù)k = 0,使 用m個(gè)歸一化的DK，De，Db構(gòu)建Dtl e Rnxm，且k不斷加1。
[0044] 所述步驟S200中通過稀疏系數(shù)X計(jì)算所述字典矩陣DK，De，D b的方法包括：
[0045] 對(duì)離散余弦變換矩陣DCT中每一列j0 = 1，2, . . .，m更新；即，定義使用原子ajQ 的樣本組，原子為離散余弦變換矩陣中的列向量，Ω#= UIxooUc^i]尹0};計(jì)算不適用 第j〇個(gè)原子的稀疏表示殘差矩陣Ejtl = Y- Σ ^jdajXj ;選擇Qjtl對(duì)應(yīng)的Ejtl列，構(gòu)成Ao ; 其中，E表示殘差矩陣：對(duì)^丨進(jìn)行奇異值分解? = ，更新離散余弦變換矩陣DCT的 第k個(gè)原子為U的第一列，更新稀疏以得到字典矩陣X;=祝1，1扒，其中n為實(shí)整數(shù)，若 IU -||〗足夠小，則分別輸出所述字典矩陣DK，De，Db。
[0046] 所述步驟S300中根據(jù)所述經(jīng)過圖像預(yù)處理三基色矩陣R，G，B和字典矩陣DK，D e，Db 獲得的圖像塊的方法包括：將所述三基色矩陣進(jìn)行圖像特征的隨機(jī)選取獲得與圖像特征對(duì) 應(yīng)的矩陣，該矩陣與所述字典矩陣DK，D e，Db進(jìn)行正交匹配追蹤算法獲得三個(gè)稀疏系數(shù)矩陣 Χκ，X。，Xb，再通過（DK，De，D b) X (XK，Xe，Xb)獲得圖像塊獲得所述圖像塊。
[0047] 其中，正交匹配追蹤算法是已選擇的原子進(jìn)行Gram-Schmidt正交化方法進(jìn)行正 交化處理，然后才將信號(hào)投影在這些正交原子構(gòu)成的空間上，得到信號(hào)在各已選原子的分 量和迭代余量。
[0048] 實(shí)施例2
[0049] 圖3不出了一種圖像晝夜場(chǎng)景轉(zhuǎn)換系統(tǒng)的原理框圖。
[0050] 如圖3所示，在實(shí)施例1基礎(chǔ)上的一種圖像晝夜場(chǎng)景轉(zhuǎn)換系統(tǒng)，包括：
[0051] 三基色分解模塊，分解夜間圖片以得到對(duì)應(yīng)的三基色矩陣R，G，B。
[0052] 三基色字典矩陣獲取模塊，獲取樣本圖片組成的訓(xùn)練集的三基色所對(duì)應(yīng)的字典矩
[0053] 圖像晝夜場(chǎng)景轉(zhuǎn)換，根據(jù)所述預(yù)處理的三基色矩陣R，G，B和字典矩陣DK，D G，Db獲 得的圖像塊，并將該圖像塊進(jìn)行組合以實(shí)現(xiàn)圖像晝夜場(chǎng)景轉(zhuǎn)換。
[0054] 關(guān)于本實(shí)施例的三基色矩陣R，G，B、字典矩陣DK，DG，D B，以及根據(jù)所述三基色矩陣 R，G，B和字典矩陣DK，De，Db獲得的圖像塊的相關(guān)步驟可參見實(shí)施例1的對(duì)應(yīng)內(nèi)容，這里不再 贅述。
[0055] 本發(fā)明的效果可以通過以下實(shí)驗(yàn)進(jìn)一步說明。
[0056] 1)實(shí)驗(yàn)條件
[0057] 本實(shí)驗(yàn)采用拍攝的夜間圖片作為實(shí)驗(yàn)數(shù)據(jù)，采用Matlab R2010b作為仿真工具，計(jì) 算機(jī)配置為Intel酷睿i3-2370/2. 4G。
[0058] 2)實(shí)驗(yàn)內(nèi)容
[0059] 分別利用拍攝的夜間圖片和相同場(chǎng)景不同光照下的圖片組成訓(xùn)練庫(kù)，利用上述實(shí) 驗(yàn)數(shù)據(jù)進(jìn)行圖片的晝夜場(chǎng)景轉(zhuǎn)換。其中，夜間圖片作為待處理圖片，不同光照下的圖片作為 字典訓(xùn)練的樣本訓(xùn)練庫(kù)。
[0060] 3)實(shí)驗(yàn)結(jié)果分析
[0061] 通過利用圖像預(yù)處理的RGB三基色矩陣與稀疏表示算法進(jìn)行圖像處理可獲得如 圖（4)所示的效果，如圖（4)中圖（b)所示，該效果為只經(jīng)過預(yù)處理的圖片，從圖片中可以 清晰的看出，在圈出的地方具有明顯的噪聲點(diǎn)，而通過經(jīng)過稀疏表示算法進(jìn)行處理，可以最 大程度的減少噪聲點(diǎn)，達(dá)到合理處理的效果如圖（c)所示。
[0062] 以上述依據(jù)本發(fā)明的理想實(shí)施例為啟示，通過上述的說明內(nèi)容，相關(guān)工作人員完 全可以在不偏離本項(xiàng)發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項(xiàng)發(fā)明的技術(shù) 性范圍并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定其技術(shù)性范圍。
【權(quán)利要求】
1. 一種基于稀疏表示算法的圖像晝夜場(chǎng)景轉(zhuǎn)換方法，其特征在于，包括彩色圖像分解 為RGB三通道利用稀疏表示算法進(jìn)行圖像特征提取的過程，包含以下步驟： 步驟S100,分解圖片訓(xùn)練集并選取圖像訓(xùn)練塊； 步驟S200,對(duì)圖像訓(xùn)練塊進(jìn)行字典訓(xùn)練，獲得字典矩陣DK，De，Db ; 步驟S300,利用經(jīng)過預(yù)處理的夜間圖片矩陣R，G，B和字典矩陣DK，De，Db重構(gòu)圖像塊，并 將該圖像塊進(jìn)行組合以實(shí)現(xiàn)圖像晝夜場(chǎng)景轉(zhuǎn)換。
2. 根據(jù)權(quán)利要求1所述的圖像晝夜場(chǎng)景轉(zhuǎn)換方法，其特征在于，所述步驟SlOO中分解 圖像訓(xùn)練集并選取訓(xùn)練塊包括利用輸入的圖片訓(xùn)練集完成圖像訓(xùn)練塊的選取，根據(jù)隨機(jī)性 原則選取對(duì)應(yīng)的字典訓(xùn)練塊。
3. 根據(jù)權(quán)利要求2所述的圖像晝夜場(chǎng)景轉(zhuǎn)換方法，其特征在于，所述步驟S200中獲得 所述字典矩陣DK，De，Db的方法包括如下步驟： 步驟S210,初始化離散余弦變換矩陣DCT; 步驟S220,將預(yù)處理的三基色矩陣R，G，B和所述訓(xùn)練集中的圖像樣本{.V,.}=輸入至所 述離散余弦變換矩陣DCT，以計(jì)算出該圖像樣本對(duì)應(yīng)的稀疏系數(shù)X; 步驟S230,通過稀疏系數(shù)X計(jì)算所述字典矩陣DK，De，Db。
4. 根據(jù)權(quán)利要求3所述的圖像晝夜場(chǎng)景轉(zhuǎn)換方法，其特征在于，所述稀疏系數(shù)X的獲得 方法包括： 設(shè)L=argminIl ||丨，滿足于IIXII。彡kQ ;通過初始化迭代次數(shù)k= 0,使用m 個(gè)歸一化的DK，De，Db構(gòu)建DtleRnxm，且k不斷加1。
5. 根據(jù)權(quán)利要求4所述的圖像晝夜場(chǎng)景轉(zhuǎn)換方法，其特征在于，所述步驟S230中通過 稀疏系數(shù)X計(jì)算所述字典矩陣DK，De，Db的方法包括： 對(duì)離散余弦變換矩陣DCT中每一列j0 = 1，2,. . .，m更新； 艮P，定義使用原子的樣本組，原子為離散余弦變換矩陣中的列向量，Ω#=U|x(k) [j。，i]尹〇};計(jì)算不適用第j〇個(gè)原子的稀疏表示殘差矩陣Ejtl =Y-Σ』^ajXj;選擇Ω』。對(duì) 應(yīng)的E#列，構(gòu)成其中，E表示殘差矩陣； 對(duì)&進(jìn)行奇異值分解，巧=更新離散余弦變換矩陣DCT的第k個(gè)原子為 U的第一列，更新稀疏系數(shù)以得到字典矩陣4 =Δ[1，1Μ，其中n為實(shí)整數(shù)，若IU- 舊足 夠小，則分別輸出所述字典矩陣DK，De，Db。
6. 根據(jù)權(quán)利要求5所述的圖像晝夜場(chǎng)景轉(zhuǎn)換方法，其特征在于，所述步驟S300中根據(jù) 所述經(jīng)過預(yù)處理的三基色矩陣R，G，B和字典矩陣DK，De，Db獲得的圖像塊的方法包括：將所 述三基色矩陣進(jìn)行圖像特征的隨機(jī)選取獲得與圖像特征對(duì)應(yīng)的矩陣，該矩陣與所述字典矩 陣（DK，De，Db)X(XK，Xe，Xb)進(jìn)行正交匹配追蹤算法獲得三個(gè)稀疏系數(shù)矩陣XK，Xe，Xb，再通過 (DK，De，Db)X(XK，Xe，Xb)獲得圖像塊獲得所述圖像塊。
7. -種圖像晝夜場(chǎng)景轉(zhuǎn)換系統(tǒng)，包括： 三基色分解模塊，分解夜間圖片以得到對(duì)應(yīng)的三基色矩陣R，G，B。 三基色字典矩陣獲取模塊，獲取樣本圖片組成的訓(xùn)練集的三基色所對(duì)應(yīng)的字典矩陣 De,Dg,Db〇 圖像晝夜場(chǎng)景轉(zhuǎn)換，根據(jù)所述預(yù)處理的三基色矩陣R，G，B和字典矩陣DK，De，Db獲得的 圖像塊，并將該圖像塊進(jìn)行組合以實(shí)現(xiàn)圖像晝夜場(chǎng)景轉(zhuǎn)換。
【文檔編號(hào)】G06T5/00GK104463798SQ201410714920
【公開日】2015年3月25日 申請(qǐng)日期:2014年11月28日 優(yōu)先權(quán)日:2014年11月28日
【發(fā)明者】湯一彬, 張燕, 顧容之, 秦學(xué)義, 王海霞 申請(qǐng)人:河海大學(xué)常州校區(qū)