本發(fā)明涉及一種基于梯度融合的夜間視頻增強方法，屬于視頻監(jiān)控增強
技術(shù)領(lǐng)域：
。
背景技術(shù)：
：由于夜間的低照度條件，會造成監(jiān)控系統(tǒng)拍攝到的夜間視頻圖像清晰度比較低、部分區(qū)域信息丟失，從夜間視頻中提取到有效的信息就比較困難。對夜間視頻進(jìn)行增強，對視頻目標(biāo)檢測與跟蹤以及后續(xù)的分析非常重要。目前國內(nèi)常用的夜間視頻增強方法有基于對比度的視頻增強方法、基于濾波器的視頻增強方法、基于小波變換的視頻增強方法以及基于幀亮度融合的夜間視頻增強方法，前三類方法只是在現(xiàn)有的視頻圖像信息的基礎(chǔ)上對圖像的對比度、動態(tài)范圍、灰度值進(jìn)行調(diào)整，此類方法無法增強已經(jīng)丟失的視頻信息。而基于幀亮度融合的增強方法屬于視頻幀融合技術(shù)，但是該算法在把白天的靜態(tài)背景亮度融合到夜間視頻幀中，容易造成視頻圖像顏色漂移。技術(shù)實現(xiàn)要素：本發(fā)明的目的在于針對已有的技術(shù)存在的缺陷，提供一種基于梯度融合的夜間視頻增強方法，通過將白天視頻背景幀的梯度信息融合到夜間視頻的梯度圖像中，彌補夜間視頻圖像中丟失的細(xì)節(jié)信息，使用泊松方程加上白天背景幀的邊界條件可以得到還原后的圖像，在增強視頻圖像亮度的同時抑制色彩漂移的現(xiàn)象。為實現(xiàn)上述目的，本發(fā)明采用下述技術(shù)方案：一種基于梯度融合的夜間視頻增強方法，由以下步驟組成：步驟1：下載同一監(jiān)控攝像頭拍攝的夜間視頻videonight(i,j,l)，其中1≤i≤M，1≤j≤N，1≤l≤L；以及白天視頻videoday(i,j,k)，其中1≤i≤M，1≤j≤N，1≤k≤K；其中i和j分別為夜間視頻和白天視頻圖像中像素的行坐標(biāo)和列坐標(biāo)，M、N分別表示夜間視頻和白天視頻圖像的行數(shù)、列數(shù)；l表示夜間視頻的幀號，L表示夜間視頻圖像的幀數(shù)，k表示白天視頻的幀號，K表示白天視頻圖像的幀數(shù)；步驟2：利用混合高斯背景建模從白天視頻videoday(i,j,k)中提取只包含靜態(tài)區(qū)域的背景圖像Iday-background(i,j)；步驟3：將步驟2中的背景圖像Iday-background(i,j)從RGB空間轉(zhuǎn)換到HSV空間，并提取出背景圖像V分量Vday-background(i,j)，并求得其對應(yīng)的梯度圖像Gday-background；步驟4：選取夜間視頻videonight(i,j,l)的任意一幀，并將夜間視頻圖像從RGB空間轉(zhuǎn)換到HSV空間，提取出夜間視頻圖像V分量Vnight，求得其對應(yīng)的梯度圖像Gnight；步驟5：根據(jù)增強公式，將白天視頻的背景的梯度圖像Gday-background融合到夜間視頻的梯度圖像Gnight中；步驟6：利用泊松方程，得到增強后的Vnight-enhancement；步驟7：加上之前未處理的夜間視頻圖像的H、S分量，轉(zhuǎn)換到RGB空間，得到增強后的夜間視頻圖像Inight-enhancement。上述步驟2由以下具體步驟組成：步驟2-1：在對混合高斯分布函數(shù)進(jìn)行初始化之后，將重新獲取的視頻圖像的像素點與已知模型對比，如果差值小于事先設(shè)置的閾值，則滿足條件，對參數(shù)進(jìn)行更新：μi,t＝(1-ρ)×μi,t-1+ρ×Xt(1)Σi,t=(1-ρ)+ρ×diag[(Xt-μi,t)T(Xt-μi,t)]---(2)]]>其中Xt表示時刻t的視頻幀，μi,t表示均值，ρ是更新速率，為協(xié)方差；如果差值不滿足條件，則不需要對高斯分布函數(shù)進(jìn)行修改；步驟2-2：對運動目標(biāo)進(jìn)行分割：B=argbmin{Σibwi,t>T}---(3)]]>其中Wi,t表示高斯分布函數(shù)的權(quán)重，T表示設(shè)置的閾值。如果排在前面的像素點的權(quán)重大于閾值T＝0.5，則該像素點的值由對應(yīng)的高斯分布的像素值決定；步驟2-3：空間約束條件：Lavr=Σi=1i=3Σj=1j=3Li,j---(4)]]>其中Li,j表示視頻圖像像素點的值，Lavr是將當(dāng)前像素點的周邊3×3的模板內(nèi)所有像素值進(jìn)行排序，去掉最大值和最小值之后作加權(quán)平均，選擇最接近的高斯分布像素值而且權(quán)重大于設(shè)置的閾值，則高斯分布的像素值即為該像素點的值。上述步驟3和步驟4由以下具體步驟組成：步驟3-1/4-1：將圖像從RGB空間轉(zhuǎn)換到HSV空間，提取出V分量：V(x,y)＝0.298×R(x,y)+0.587×G(x,y)+0.114×B(x,y)(5)步驟3-2/4-2：計算V分量圖像Vday-background(i,j)、Vnight在x方向的梯度值Gx-db、Gx-night：Gx-db/x-night(x,y,k)＝V(i+1,j,k)-V(i,j,k),1≤i≤M,1≤j≤N,1≤k≤K(6)計算V分量圖像Vday-background(i,j)、Vnight在y方向的梯度值Gy-db、Gy-night：Gy-db/y-night(x,y,k)＝V(i,j+1,k)-V(i,j,k),1≤i≤M,1≤j≤N,1≤k≤K(7)上述步驟5中使用的增強公式為：Gx,y=Gx-db+Gx-nvideoGy-db+Gy-nvideo---(8)]]>其中Gx-db表示白天背景圖像在x方向的梯度，Gx-nvideo表示夜間視頻圖像在x方向的梯度，Gy-db表示白天背景圖像在y方向的梯度，Gy-nvideo表示夜間視頻圖像在y方向的梯度，Gx/y表示增強后的圖像在x、y方向的梯度。上述步驟6中用于圖像重建的泊松方程如下：minf∫∫p|▿f-▿v|2dxdy,▿v=G---(9)]]>fp=fp*---(10)]]>其中p是邊界，fp表示在p內(nèi)的像素值，表示在p外的像素值，v表示待重建的視頻圖像，G表示需要重建視頻圖像的像素點的梯度。與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：1、本發(fā)明能通過空間約束條件減少車流量較大時存在的黑色噪聲。2、本發(fā)明利用梯度融合能增強夜間視頻、突出細(xì)節(jié)信息、圖像顏色保真。附圖說明圖1為本發(fā)明的流程圖。圖2為本發(fā)明步驟2的流程圖。圖3為本發(fā)明步驟3、4、5、6的流程圖。圖4為白天背景幀的RGB圖。圖5為本發(fā)明中下載的夜間視頻第250幀。圖6為本發(fā)明增強后的RGB圖像。具體實施方式下面結(jié)合附圖，對本發(fā)明的具體實施例做進(jìn)一步地說明。如圖1所示，一種基于梯度融合的夜間視頻增強方法，由以下步驟組成：步驟1：下載同一監(jiān)控攝像頭拍攝的夜間視頻videonight(i,j,l)，其中1≤i≤M，1≤j≤N，1≤l≤L；以及白天視頻videoday(i,j,k)，其中1≤i≤M，1≤j≤N，1≤k≤K；其中i和j分別為夜間視頻和白天視頻圖像中像素的行坐標(biāo)和列坐標(biāo)，M、N分別表示夜間視頻和白天視頻圖像的行數(shù)、列數(shù)；l表示夜間視頻的幀號，L表示夜間視頻圖像的幀數(shù)，k表示白天視頻的幀號，K表示白天視頻圖像的幀數(shù)；在實施例中M、N、L和K分別為240、320、450和300。步驟2：利用混合高斯背景建模從白天視頻videoday(i,j,k)中提取只包含靜態(tài)區(qū)域的背景圖像Iday-background(i,j)；步驟3：將步驟2中的背景圖像Iday-background(i,j)從RGB空間轉(zhuǎn)換到HSV空間，并提取出背景圖像V分量Vday-background(i,j)，并求得其對應(yīng)的梯度圖像Gday-background；步驟4：選取夜間視頻videonight(i,j,l)的任意一幀，并將夜間視頻圖像從RGB空間轉(zhuǎn)換到HSV空間，提取出夜間視頻圖像V分量Vnight，求得其對應(yīng)的梯度圖像Gnight；步驟5：根據(jù)增強公式，將白天視頻的背景的梯度圖像Gday-background融合到夜間視頻的梯度圖像Gnight中；步驟6：利用泊松方程，得到增強后的Vnight-enhancement；步驟7：加上之前未處理的夜間視頻圖像的H、S分量，轉(zhuǎn)換到RGB空間，得到增強后的夜間視頻圖像Inight-enhancement。如圖2所示，上述步驟2由以下具體步驟組成：步驟2-1：在對混合高斯分布函數(shù)進(jìn)行初始化之后，將重新獲取的視頻圖像的像素點與已知模型對比，如果差值小于事先設(shè)置的閾值，本實施例中設(shè)置為10，則滿足條件，對參數(shù)進(jìn)行更新：μi,t＝(1-ρ)×μi,t-1+ρ×Xt(1)Σi,t=(1-ρ)+ρ×diag[(Xt-μi,t)T(Xt-μi,t)]---(2)]]>其中Xt表示時刻t的視頻幀，μi,t表示均值，ρ是更新速率，設(shè)置為0.005，為協(xié)方差。如果差值不滿足條件，則不需要對高斯分布函數(shù)進(jìn)行修改。步驟2-2：對運動目標(biāo)進(jìn)行分割：B=argbmin{Σibwi,t>T}---(3)]]>其中Wi,t表示高斯分布函數(shù)的權(quán)重，T表示設(shè)置的閾值。如果排在前面的像素點的權(quán)重大于閾值，T＝0.5，則該像素點的值由對應(yīng)的高斯分布的像素值決定。步驟2-3：空間約束條件：Lavr=Σi=1i=3Σj=1j=3Li,j---(4)]]>其中Li,j表示視頻圖像像素點的值，Lavr是將當(dāng)前像素點的周邊3×3的模板內(nèi)所有像素值進(jìn)行排序，去掉最大值和最小值之后作加權(quán)平均，選擇最接近的高斯分布像素值而且權(quán)重大于設(shè)置的閾值0.007，則高斯分布的像素值即為該像素點的值。對于短時間存在的像素值，利用周邊的像素點的值輔助進(jìn)行準(zhǔn)確的判斷，以得到較穩(wěn)定的像素值，排除噪聲的干擾。如圖3所示，上述步驟3、4、5、6由以下具體步驟組成：步驟3-1/4-1：將圖像從RGB空間轉(zhuǎn)換到HSV空間，提取出V分量：V(x,y)＝0.298×R(x,y)+0.587×G(x,y)+0.114×B(x,y)(5)步驟3-2/4-2：計算V分量圖像Vday-background(i,j)、Vnight在x方向的梯度值Gx-db、Gx-night：Gx-db/x-night(x,y,k)＝V(i+1,j,k)-V(i,j,k),1≤i≤M,1≤j≤N,1≤k≤K(6)計算V分量圖像Vday-background(i,j)、Vnight在y方向的梯度值Gy-db、Gy-night：Gy-db/y-night(x,y,k)＝V(i,j+1,k)-V(i,j,k),1≤i≤M,1≤j≤N,1≤k≤K(7)上述步驟5中使用的增強公式為：Gx,y=Gx-db+Gx-nvideoGy-db+Gy-nvideo---(8)]]>其中Gx-db表示白天背景圖像在x方向的梯度，Gx-nvideo表示夜間視頻圖像在x方向的梯度，Gy-db表示白天背景圖像在y方向的梯度，Gy-nvideo表示夜間視頻圖像在y方向的梯度，Gx/y表示增強后的圖像在x、y方向的梯度。上述步驟6中用于圖像重建的泊松方程如下：minf∫∫p|▿f-▿v|2dxdy,▿v=G---(9)]]>fp=fp*---(10)]]>其中p是邊界，fp表示在p內(nèi)的像素值，表示在p外的像素值，v表示待重建的視頻圖像，G表示需要重建的圖像區(qū)域內(nèi)的梯度。在得到增強后的梯度圖像，要用泊松方程和白天背景幀的邊界條件進(jìn)行圖像重構(gòu)。當(dāng)前第1頁1 2 3