本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，具體而言，涉及一種用于低照度圖像處理的方法及裝置。

背景技術(shù)：

多媒體、視頻監(jiān)控等技術(shù)發(fā)展迅猛，已成為人們交流以及記錄的常用工具。但在夜晚、陰天、會(huì)議室等低照度環(huán)境下進(jìn)行拍攝時(shí)，所得到的圖片對(duì)比度低、信噪比小、視覺效果差，圖像中的細(xì)節(jié)信息無法清晰體現(xiàn)出來，這使成像系統(tǒng)無法正常工作。因此，研究如何對(duì)低照度條件下的圖像進(jìn)行快速有效處理，如何提高圖片的亮度，降低光照條件對(duì)成像系統(tǒng)的影響具有重要的研究意義。

現(xiàn)有的低照度條件下成像方法，大多僅通過對(duì)低照度下獲取的單幅圖像進(jìn)行先去噪再增強(qiáng)的處理，采用該方法在一定程度上無法準(zhǔn)確體現(xiàn)出圖像細(xì)節(jié)，同時(shí)對(duì)于單幅低照度下獲取的圖像的增強(qiáng)算法而言，由于低照度下圖像信噪比已接近探測極限，同時(shí)輸出圖像不僅附加了嚴(yán)重的量子噪聲而且圖像的對(duì)比度已接近視覺的靈敏限。而利用幀累積的方法，通過增加積分時(shí)間，提高低照度下獲取的圖像的信噪比，但在幀累積的過程中，需要對(duì)多幀圖像進(jìn)行每幀圖像的特征點(diǎn)檢測、匹配和校準(zhǔn)，這過程需要消耗大量的時(shí)間，所以對(duì)算法實(shí)時(shí)性方面的改善很重要。近年來，基于surf算法的圖像特征配對(duì)方法在圖像處理等關(guān)鍵技術(shù)中得到了廣泛的應(yīng)用?；谔卣鞯钠ヅ涫紫葘ふ覂煞鶊D像中的關(guān)鍵特征(如關(guān)鍵點(diǎn)、線)，然后對(duì)這些關(guān)鍵特征做篩選、映射，得到準(zhǔn)確的匹配。sift(scaleinvariantfeaturetransform)算法是一種魯棒性好、具有尺度不變性的特征點(diǎn)檢測方法，但算法復(fù)雜度高，實(shí)時(shí)性較差。

因此，需要一種新的用于低照度圖像處理的方法及裝置。

在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對(duì)本發(fā)明的背景的理解，因此它可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明提供一種用于低照度圖像處理的方法及裝置，能夠提高了提取特征點(diǎn)的速度，從而提高了低照度下成像的效率。

本發(fā)明的其他特性和優(yōu)點(diǎn)將通過下面的詳細(xì)描述變得顯然，或部分地通過本發(fā)明的實(shí)踐而習(xí)得。

根據(jù)本發(fā)明的一方面，提出一種用于低照度圖像處理的方法，該方法包括：通過改進(jìn)fast算法獲取第一圖像的特征點(diǎn)；確定特征點(diǎn)的主方向；通過特征點(diǎn)的主方向，獲取特征點(diǎn)描述子；通過聚類算法對(duì)所述特征點(diǎn)進(jìn)行聚類以去除所述特征點(diǎn)中的噪聲點(diǎn)；以及進(jìn)行特征點(diǎn)匹配，以獲取校準(zhǔn)圖像。

在本公開的一種示例性實(shí)施例中，通過改進(jìn)fast算法獲取第一圖像的特征點(diǎn)，包括：獲取當(dāng)前像素點(diǎn)的灰度與預(yù)定范圍內(nèi)的鄰域點(diǎn)的灰度；獲取當(dāng)前像素點(diǎn)的灰度與預(yù)定范圍內(nèi)的鄰域點(diǎn)的灰度差值超過預(yù)定閾值的鄰域點(diǎn)的數(shù)量；通過原始圖像中亮點(diǎn)與暗點(diǎn)的比重與鄰域點(diǎn)的數(shù)量，獲取第一特征點(diǎn)；通過剔除函數(shù)對(duì)第一特征點(diǎn)進(jìn)行篩選，以獲取特征點(diǎn)。

在本公開的一種示例性實(shí)施例中，通過原始圖像中亮點(diǎn)與暗點(diǎn)的比重與鄰域點(diǎn)的數(shù)量，獲取第一特征點(diǎn)，包括：判斷鄰域點(diǎn)的數(shù)量是否超過預(yù)定數(shù)值；如果鄰域點(diǎn)的數(shù)量超過預(yù)定數(shù)值，則判斷當(dāng)前像素點(diǎn)為第一特征點(diǎn)；獲取原始圖像中亮點(diǎn)與暗點(diǎn)的比重；以及通過比重與剔除函數(shù)，調(diào)整第一特征點(diǎn)以獲取特征點(diǎn)。

在本公開的一種示例性實(shí)施例中，通過所述比重與剔除函數(shù)，調(diào)整第一特征點(diǎn)以獲取特征點(diǎn)，包括：通過比重與剔除函數(shù)，調(diào)整第一特征點(diǎn)以獲取第二特征點(diǎn)；以及通過最小約束策略，剔除第二特征點(diǎn)中的冗余點(diǎn)，以得到特征點(diǎn)。

在本公開的一種示例性實(shí)施例中，剔除函數(shù)為：

sb＝{n|hi≥h0+t}，sd＝{n|hi≤h0+t}，sb為較亮點(diǎn)區(qū)域，sd為較暗點(diǎn)區(qū)域，hi為第i個(gè)領(lǐng)域點(diǎn)的灰度值，h0為當(dāng)前像素點(diǎn)的灰度，n為正整數(shù)，t為所述預(yù)定閾值。

在本公開的一種示例性實(shí)施例中，所述通過聚類算法對(duì)所述特征點(diǎn)進(jìn)行聚類以去除所述特征點(diǎn)中的噪聲點(diǎn)，包括：通過所述聚類算法對(duì)所述特征點(diǎn)進(jìn)行聚類；以及將不滿足預(yù)定條件的特征點(diǎn)做為噪聲點(diǎn)進(jìn)行去除處理。

在本公開的一種示例性實(shí)施例中，所述將不滿足預(yù)定條件的特征點(diǎn)做為噪聲點(diǎn)進(jìn)行去除處理，包括：通過去噪判定公式進(jìn)行所述噪聲點(diǎn)判定；其中所述噪聲判定公式為：其中，xi，yi，為所述特征點(diǎn)的坐標(biāo)，a為單位矩陣，k為聚類個(gè)數(shù)，e為所有特征點(diǎn)的誤差的平方和。

在本公開的一種示例性實(shí)施例中，還包括：對(duì)原始圖像進(jìn)行圖像處理，以獲取第一圖像。

在本公開的一種示例性實(shí)施例中，還包括：對(duì)校準(zhǔn)圖像進(jìn)行后續(xù)處理生成輸出圖像。

在本公開的一種示例性實(shí)施例中，對(duì)校準(zhǔn)圖像進(jìn)行后續(xù)處理生成輸出圖像，包括：對(duì)校準(zhǔn)圖像進(jìn)行加權(quán)累加以獲得第二圖像；以及對(duì)第二圖像進(jìn)行對(duì)比度調(diào)整，以生成輸出圖像。

在本公開的一種示例性實(shí)施例中，對(duì)第二圖像進(jìn)行對(duì)比度調(diào)整，以生成輸出圖像，包括：根據(jù)指定的對(duì)比度，對(duì)原始rgb色彩分類進(jìn)行縮放，以生成輸出圖像。

根據(jù)本發(fā)明的一方面，提出一種用于低照度圖像處理的裝置，該裝置包括：fast模塊，用于通過改進(jìn)fast算法獲取第一圖像的特征點(diǎn)；方向模塊，用于確定特征點(diǎn)的主方向；特征子模塊，用于通過特征點(diǎn)的主方向，獲取特征點(diǎn)描述子；以及特征匹配模塊，用于進(jìn)行特征點(diǎn)匹配，以獲取校準(zhǔn)圖像。

根據(jù)本發(fā)明的用于低照度圖像處理的方法及裝置，能夠提高了提取特征點(diǎn)的速度，從而提高了低照度下成像的效率。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性的，并不能限制本發(fā)明。

附圖說明

通過參照附圖詳細(xì)描述其示例實(shí)施例，本發(fā)明的上述和其它目標(biāo)、特征及優(yōu)點(diǎn)將變得更加顯而易見。下面描述的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是根據(jù)一示例性實(shí)施例示出的一種用于低照度圖像處理的方法的流程圖。

圖2是根據(jù)另一示例性實(shí)施例示出的一種用于低照度圖像處理的方法中特征點(diǎn)探測的模板圖。

圖3是根據(jù)另一示例性實(shí)施例示出的一種用于低照度圖像處理的方法的流程圖。

圖4是根據(jù)一示例性實(shí)施例示出的一種用于低照度圖像處理的方法處理前后對(duì)比圖。

圖5是根據(jù)另一示例性實(shí)施例示出的一種用于低照度圖像處理的方法處理前后對(duì)比圖。

圖6是根據(jù)一示例性實(shí)施例示出的一種用于低照度圖像處理的裝置的框圖。

具體實(shí)施例

現(xiàn)在將參考附圖更全面地描述示例實(shí)施例。然而，示例實(shí)施例能夠以多種形式實(shí)施，且不應(yīng)被理解為限于在此闡述的實(shí)施例；相反，提供這些實(shí)施例使得本發(fā)明將全面和完整，并將示例實(shí)施例的構(gòu)思全面地傳達(dá)給本領(lǐng)域的技術(shù)人員。在圖中相同的附圖標(biāo)記表示相同或類似的部分，因而將省略對(duì)它們的重復(fù)描述。

此外，所描述的特征、結(jié)構(gòu)或特性可以以任何合適的方式結(jié)合在一個(gè)或更多實(shí)施例中。在下面的描述中，提供許多具體細(xì)節(jié)從而給出對(duì)本發(fā)明的實(shí)施例的充分理解。然而，本領(lǐng)域技術(shù)人員將意識(shí)到，可以實(shí)踐本發(fā)明的技術(shù)方案而沒有特定細(xì)節(jié)中的一個(gè)或更多，或者可以采用其它的方法、組元、裝置、步驟等。在其它情況下，不詳細(xì)示出或描述公知方法、裝置、實(shí)現(xiàn)或者操作以避免模糊本發(fā)明的各方面。

附圖中所示的方框圖僅僅是功能實(shí)體，不一定必須與物理上獨(dú)立的實(shí)體相對(duì)應(yīng)。即，可以采用軟件形式來實(shí)現(xiàn)這些功能實(shí)體，或在一個(gè)或多個(gè)硬件模塊或集成電路中實(shí)現(xiàn)這些功能實(shí)體，或在不同網(wǎng)絡(luò)和/或處理器裝置和/或微控制器裝置中實(shí)現(xiàn)這些功能實(shí)體。

附圖中所示的流程圖僅是示例性說明，不是必須包括所有的內(nèi)容和操作/步驟，也不是必須按所描述的順序執(zhí)行。例如，有的操作/步驟還可以分解，而有的操作/步驟可以合并或部分合并，因此實(shí)際執(zhí)行的順序有可能根據(jù)實(shí)際情況改變。

應(yīng)理解，雖然本文中可能使用術(shù)語第一、第二、第三等來描述各種組件，但這些組件不應(yīng)受這些術(shù)語限制。這些術(shù)語乃用以區(qū)分一組件與另一組件。因此，下文論述的第一組件可稱為第二組件而不偏離本公開概念的教示。如本文中所使用，術(shù)語“及/或”包括相關(guān)聯(lián)的列出項(xiàng)目中的任一個(gè)及一或多者的所有組合。

本領(lǐng)域技術(shù)人員可以理解，附圖只是示例實(shí)施例的示意圖，附圖中的模塊或流程并不一定是實(shí)施本發(fā)明所必須的，因此不能用于限制本發(fā)明的保護(hù)范圍。

圖1是根據(jù)一示例性實(shí)施例示出的一種用于低照度圖像處理的方法的流程圖。

如圖1所示，在s102中，通過改進(jìn)fast算法獲取第一圖像的特征點(diǎn)。

第一圖像可例如為需要進(jìn)行圖像處理的原始輸入圖像，第一圖像也可例如為，將原始圖像利用現(xiàn)有技術(shù)中圖像處理手段進(jìn)行處理之后生成的圖像，本發(fā)明不以此為限。

如上文所述，圖像處理中，在局部特征點(diǎn)檢測快速發(fā)展的時(shí)候，人們對(duì)于特征的認(rèn)識(shí)也越來越深入，近幾年來許多學(xué)者提出了許許多多的特征檢測算法及其改進(jìn)算法。從最早期的moravec，到harris，再到sift、susan、gloh、surf算法，可以說特征提取算法層出不窮。也有各種改進(jìn)算法可例如：pca-sift、ica-sift、p-asurf、r-asurf、radon-sift。surf(speededuprobustfeatures)算法是繼sift算法后的有一個(gè)穩(wěn)定快速的特征提取算法，它除了具有sift算法的穩(wěn)定性外，最突出的優(yōu)點(diǎn)是算法速度快，實(shí)時(shí)性較強(qiáng)。surf特征也是一種尺度、旋轉(zhuǎn)不變的特征描述方法。它對(duì)圖像的卷積做相似處理，在特征點(diǎn)定位環(huán)節(jié)引入的積分圖的概念，使求解hessian矩陣的計(jì)算量大大降低，運(yùn)算時(shí)間相比sift大大減少。fast算法是surf算法中提取特征點(diǎn)算法的一種。

fast算法的提出者rosten等將fast角點(diǎn)定義為：若某像素與其周圍鄰域內(nèi)足夠多的像素點(diǎn)相差較大，則該像素可能是角點(diǎn)。fast算法步驟可例如：從圖片中選取一個(gè)像素p，首先把它的亮度值設(shè)為i_p。設(shè)定一個(gè)合適的閾值t。考慮以該像素點(diǎn)為中心的一個(gè)半徑等于3像素的離散化的bresenham圓，這個(gè)圓的邊界上有16個(gè)像素，如果在這個(gè)大小為16個(gè)像素的圓上有n個(gè)連續(xù)的像素點(diǎn)，它們的像素值要么都比i_p+t大，要么都比i_p-t小，那么它就是一個(gè)角點(diǎn)。n的值可以設(shè)置為12或者9，實(shí)驗(yàn)證明選擇9可能會(huì)有更好的效果。

在本發(fā)明實(shí)施例中，改進(jìn)的fast算法可例如為：獲取當(dāng)前像素點(diǎn)的灰度與預(yù)定范圍內(nèi)的鄰域點(diǎn)的灰度；獲取當(dāng)前像素點(diǎn)的灰度與預(yù)定范圍內(nèi)的鄰域點(diǎn)的灰度差值超過預(yù)定閾值的鄰域點(diǎn)的數(shù)量；通過原始圖像中亮點(diǎn)與暗點(diǎn)的比重與鄰域點(diǎn)的數(shù)量，獲取第一特征點(diǎn)；通過剔除函數(shù)對(duì)第一特征點(diǎn)進(jìn)行篩選，以獲取特征點(diǎn)。通過原始圖像中亮點(diǎn)與暗點(diǎn)的比重與鄰域點(diǎn)的數(shù)量，獲取第一特征點(diǎn)，包括：判斷鄰域點(diǎn)的數(shù)量是否超過預(yù)定閾值；如果鄰域點(diǎn)的數(shù)量超過預(yù)定閾值，則判斷當(dāng)前像素點(diǎn)為第一特征點(diǎn)；獲取原始圖像中亮點(diǎn)與暗點(diǎn)的比重；以及通過比重與剔除函數(shù)，調(diào)整第一特征點(diǎn)以獲取特征點(diǎn)。

在s104中，確定特征點(diǎn)的主方向。

在本實(shí)施例中，可例如對(duì)每個(gè)特征點(diǎn)分配一個(gè)主方向，保證其特征向量具有旋轉(zhuǎn)不變性，以每個(gè)特征點(diǎn)為中心，并以6s為半徑的圓形區(qū)域內(nèi)，對(duì)圖像進(jìn)行以4s×4s模板大小的haar小波梯度運(yùn)算，s為特征點(diǎn)的當(dāng)前尺度；對(duì)haar小波的相應(yīng)值使用σ＝2s的高斯加權(quán)函數(shù)進(jìn)行加權(quán)運(yùn)算，以每個(gè)特征點(diǎn)為中心、角度為π/3的扇形滑動(dòng)窗口，獲取特征點(diǎn)的主方向；對(duì)扇形滑動(dòng)窗口以內(nèi)的圖像進(jìn)行haar小波的變換后，haar小波的相應(yīng)值在dx方向和dy方向進(jìn)行累加，最終得到一個(gè)向量，特征點(diǎn)的主方向?yàn)樽畲蟮膆aar小波相應(yīng)累加值對(duì)應(yīng)的方向，也就是最長向量所對(duì)應(yīng)的方向。

在s106中，通過特征點(diǎn)的主方向，獲取特征點(diǎn)描述子。

以特征點(diǎn)為中心，將坐標(biāo)軸旋轉(zhuǎn)到主方向，按主方向選取20σ×20σ的正方形區(qū)域，將該正方形區(qū)域劃分為4×4個(gè)子區(qū)域，在每個(gè)子區(qū)域內(nèi)計(jì)算haar小波在x，y方向的響應(yīng)dx、dy分別求和并生成了一個(gè)∑dx，∑|dx|，∑dy，∑|dy|的四維向量，這樣每個(gè)特征點(diǎn)就有64維的描述向量，再進(jìn)行歸一化，形成最終的特征點(diǎn)描述子。

在s108中，進(jìn)行特征點(diǎn)匹配，以獲取校準(zhǔn)圖像。

在本實(shí)施例中，可例如采用基于馬氏距離來度量特征點(diǎn)間的相似性為：

可例如采用如下公式：

其中，a為匹配閾值，ad與bd為兩幅圖像中特征點(diǎn)的馬氏距離，若a接近于1，則說明這兩個(gè)特征點(diǎn)相似度越高。在本實(shí)施例中，可例如，通過兩個(gè)特征點(diǎn)之間馬氏距離的數(shù)值，來進(jìn)行特征點(diǎn)匹配，進(jìn)而獲得校準(zhǔn)圖像。

根據(jù)本發(fā)明的用于低照度圖像處理的方法，通過改進(jìn)fast算法獲取第一圖像的特征點(diǎn)并提取surf特征向量的方式，提高了提取特征點(diǎn)的速度，從而提高了低照度下成像的效率。

應(yīng)清楚地理解，本發(fā)明描述了如何形成和使用特定示例，但本發(fā)明的原理不限于這些示例的任何細(xì)節(jié)。相反，基于本發(fā)明公開的內(nèi)容的教導(dǎo)，這些原理能夠應(yīng)用于許多其它實(shí)施例。

在本公開的一種示例性實(shí)施例中，通過改進(jìn)fast算法獲取第一圖像的特征點(diǎn)，包括：獲取當(dāng)前像素點(diǎn)的灰度與預(yù)定范圍內(nèi)的鄰域點(diǎn)的灰度；獲取當(dāng)前像素點(diǎn)的灰度與預(yù)定范圍內(nèi)的鄰域點(diǎn)的灰度差值超過預(yù)定閾值的鄰域點(diǎn)的數(shù)量；判斷鄰域點(diǎn)的數(shù)量是否超過預(yù)定數(shù)值；如果鄰域點(diǎn)的數(shù)量超過預(yù)定數(shù)值，則判斷當(dāng)前像素點(diǎn)為第一特征點(diǎn)；獲取原始圖像中亮點(diǎn)與暗點(diǎn)的比重；以及通過比重與剔除函數(shù)，調(diào)整第一特征點(diǎn)以獲取特征點(diǎn)；通過剔除函數(shù)對(duì)第一特征點(diǎn)進(jìn)行篩選，以獲取特征點(diǎn)。

在本實(shí)施例中，改進(jìn)的fast獲取特征點(diǎn)，原理是當(dāng)前像素點(diǎn)與其鄰域點(diǎn)進(jìn)行比較判別?？衫?，采用r＝3的圖像模板(如圖2所示)，即比較o點(diǎn)附近半徑為3的圓環(huán)上的16個(gè)鄰域點(diǎn)；再根據(jù)(1)式進(jìn)行計(jì)算，如果存在n個(gè)點(diǎn)與o點(diǎn)的灰度差值超過閾值t，則判定o點(diǎn)為特征點(diǎn)。

當(dāng)o為待檢測特征點(diǎn)中心像素點(diǎn)時(shí)，它的圓環(huán)上的點(diǎn)檢測結(jié)果有3種情況，即相似點(diǎn)s、較暗點(diǎn)d以及較亮點(diǎn)b。(1)式中：t0為圓環(huán)上對(duì)應(yīng)的每種點(diǎn)的個(gè)數(shù)，hi為圓環(huán)上第i個(gè)點(diǎn)對(duì)應(yīng)的灰度值，h0為待檢測點(diǎn)對(duì)應(yīng)的灰度值。

可例如，設(shè)f1和f2分別為圖像中亮點(diǎn)和暗點(diǎn)在整幅圖像中的比重，

式中：為加入約束后圓環(huán)上對(duì)應(yīng)的每種點(diǎn)的個(gè)數(shù)，權(quán)重α取值為0.5，β取值為3；而bn、dn和sn分別為加入約束后得到的亮點(diǎn)、暗點(diǎn)和相似點(diǎn)個(gè)數(shù)。通過以上的判別，獲取第一特征點(diǎn)。

在提取特征點(diǎn)時(shí)可能會(huì)檢測到多個(gè)相鄰的第一特征點(diǎn)，需計(jì)算其局部極值性來去除這些不是局部極值的點(diǎn)，可例如，通過所述比重與剔除函數(shù)，調(diào)整第一特征點(diǎn)以獲取特征點(diǎn)，包括：通過比重與剔除函數(shù)，調(diào)整第一特征點(diǎn)以獲取第二特征點(diǎn)；以及通過最小約束策略，剔除第二特征點(diǎn)中的冗余點(diǎn)，以得到特征點(diǎn)。可例如，定義一個(gè)函數(shù)w來進(jìn)行非特征點(diǎn)的剔除。

其中，剔除函數(shù)為：

sb＝{n|hi≥h0+t}，sd＝{n|hi≤h0+t}，sb為較亮點(diǎn)區(qū)域，sd為較暗點(diǎn)區(qū)域，hi為第i個(gè)領(lǐng)域點(diǎn)的灰度值，h0為當(dāng)前像素點(diǎn)的灰度，n為正整數(shù)，t為預(yù)定閾值。經(jīng)過剔除函數(shù)的計(jì)算，通過第一特征點(diǎn)獲取到第二特征點(diǎn)。

在本實(shí)時(shí)例中，最小約束策略可例如為最小距離約束策略。傳統(tǒng)fast特征點(diǎn)數(shù)量極大，并極易在局部區(qū)域出現(xiàn)聚集現(xiàn)象，在一定程度上造成了圖像局部細(xì)節(jié)信息的冗余，同時(shí)過多的特征點(diǎn)也會(huì)增加特征匹配耗時(shí)。在本實(shí)施例中，采用最小距離約束策略去除冗余的第二特征點(diǎn)。

可例如，設(shè)2個(gè)第二特征點(diǎn)之間的最小約束距離為dm，具體的取舍方法是：選取一個(gè)第二特征點(diǎn)，然后遍歷其他所有第二特征點(diǎn)并進(jìn)行距離計(jì)算。若2個(gè)第二特征點(diǎn)之間距離大于dm，則保留。否則，判斷此第二特征點(diǎn)為冗余點(diǎn)并予以剔除。

根據(jù)本發(fā)明的用于低照度圖像處理的方法，通過剔除函數(shù)剔除第一特征點(diǎn)獲得第二特征點(diǎn)，以及通過最小距離策略法去除冗余的第二特征點(diǎn)以獲得特征點(diǎn)的方式，能夠迅速地完成圖像特征點(diǎn)的檢測，并剔除冗余點(diǎn)和噪聲點(diǎn)。使圖像特征點(diǎn)的數(shù)量適中且較為均勻地分布在目標(biāo)區(qū)域。

在本公開的一種示例性實(shí)施例中，還包括：確定特征點(diǎn)主方向。

可例如，對(duì)每個(gè)特征點(diǎn)分配一個(gè)主方向，保證其特征向量具有旋轉(zhuǎn)不變性。以每個(gè)特征點(diǎn)為中心，并以6s(s為特征點(diǎn)的當(dāng)前尺度)為半徑的圓形區(qū)域內(nèi)，對(duì)圖像進(jìn)行以4s×4s模板大小的haar小波梯度運(yùn)算。對(duì)haar小波的相應(yīng)值使用σ＝2s的高斯加權(quán)函數(shù)進(jìn)行加權(quán)運(yùn)算。以每個(gè)特征點(diǎn)為中心、角度為π/3的扇形滑動(dòng)窗口，獲取特征點(diǎn)的主方向。對(duì)扇形滑動(dòng)窗口以內(nèi)的圖像進(jìn)行haar小波的變換后，haar小波的相應(yīng)值在dx方向和dy方向進(jìn)行累加，最終得到一個(gè)向量。特征點(diǎn)的主方向?yàn)樽畲蟮膆aar小波相應(yīng)累加值對(duì)應(yīng)的方向，也就是最長向量所對(duì)應(yīng)的方向。

在本公開的一種示例性實(shí)施例中，還包括：特征點(diǎn)描述。

以特征點(diǎn)為中心，將坐標(biāo)軸旋轉(zhuǎn)到主方向，按主方向選取20σ×20σ的正方形區(qū)域，將該正方形區(qū)域劃分為4×4個(gè)子區(qū)域，在每個(gè)子區(qū)域內(nèi)計(jì)算harr小波在x,y方向的響應(yīng)dx、dy分別求和并生成了一個(gè)∑dx，∑|dx|，∑dy，∑|dy|的四維向量，這樣每個(gè)特征點(diǎn)就有64維的描述向量，再進(jìn)行歸一化，形成最終的特征點(diǎn)描述子；

在本公開的一種示例性實(shí)施例中，所述通過聚類算法對(duì)所述特征點(diǎn)進(jìn)行聚類以去除所述特征點(diǎn)中的噪聲點(diǎn)，包括：通過所述聚類算法對(duì)所述特征點(diǎn)進(jìn)行聚類；以及將不滿足預(yù)定條件的特征點(diǎn)做為噪聲點(diǎn)進(jìn)行去除處理。可例如，通過去噪判定公式進(jìn)行所述噪聲點(diǎn)判定；其中所述噪聲判定公式為：其中，xi，yi，為所述特征點(diǎn)的坐標(biāo)，a為單位矩陣，k為聚類個(gè)數(shù)，e為所有特征點(diǎn)的誤差的平方和。

在本公開的一種示例性實(shí)施例中，還包括：特征點(diǎn)匹配。

在本發(fā)明實(shí)施例中，采用基于馬氏距離來度量特征點(diǎn)間的相似性，可例如采用如下公式：

其中，a為匹配閾值，ad與bd為兩幅圖像中特征點(diǎn)的馬氏距離，若a接近于1，則說明這兩個(gè)特征點(diǎn)相似度越高。

在本公開的一種示例性實(shí)施例中，還包括：對(duì)原始圖像進(jìn)行圖像處理，以獲取第一圖像。所述圖像處理包括但不限于：白平衡處理，去馬賽克處理，色彩校正處理，格式轉(zhuǎn)換處理。

在本公開的一種示例性實(shí)施例中，還包括：對(duì)校準(zhǔn)圖像進(jìn)行后續(xù)處理生成輸出圖像。

在本公開的一種示例性實(shí)施例中，對(duì)校準(zhǔn)圖像進(jìn)行后續(xù)處理生成輸出圖像，包括：對(duì)校準(zhǔn)圖像進(jìn)行加權(quán)累加以獲得第二圖像；以及對(duì)第二圖像進(jìn)行對(duì)比度調(diào)整，以生成輸出圖像。

可例如，對(duì)多幀連拍圖(即校準(zhǔn)圖像)進(jìn)行累加。由于簡單的疊加會(huì)導(dǎo)致圖像產(chǎn)生過曝現(xiàn)象，因而采用加權(quán)累積方式，每幅圖像權(quán)重相等。

一幅有噪聲的圖像g(x,y,t)可認(rèn)為是由原始圖像f(x,y,t)和噪聲n(x,y,t)疊加而成，即：

g(x,y,t)＝f(x,y,t)+n(x,y,t)(5)

其中，x，y是像素點(diǎn)坐標(biāo)，t是時(shí)間變量，多幀累加就是將不同時(shí)刻兩幀圖像或多幀圖像對(duì)應(yīng)像素點(diǎn)相加后求取它們的圖像。m幀圖像進(jìn)行累加，得到圖像a(x,y,t)，

基于上述原理，求得幀累積圖像a(x,y,t)。

在本公開的一種示例性實(shí)施例中，對(duì)第二圖像進(jìn)行對(duì)比度調(diào)整，以生成輸出圖像，包括：根據(jù)指定的對(duì)比度，對(duì)原始rgb色彩分類進(jìn)行縮放，以生成輸出圖像。

在成像過程中由于光照不足，使得整幅圖像變暗，或者成像時(shí)光照過強(qiáng)，使得整幅圖像偏亮，這些情況就稱為低對(duì)比度，即顏色聚集在一起，沒有分散開。對(duì)比度調(diào)整就是使圖像的顏色更符合需要，以實(shí)現(xiàn)一些效果。通常采用對(duì)比度增強(qiáng)，把感興趣的顏色范圍拉開，使得該范圍內(nèi)的像素，亮的越亮，暗的越暗，從而達(dá)到對(duì)比度增強(qiáng)的目的。實(shí)現(xiàn)原理：根據(jù)指定的一個(gè)對(duì)比度，分別與原始r、g、b色彩分量進(jìn)行一定比例的縮放，從而拉開原色色彩亮度級(jí)別的分布，達(dá)到對(duì)比度增強(qiáng)的作用。主要為了提高圖像的亮度。

根據(jù)本發(fā)明的用于低照度圖像處理的方法，能夠大大地減少成像時(shí)間，能夠提高低照度下獲取圖像的效率和可辨識(shí)度，處理的夜拍低照度圖像成像效果好，并滿足實(shí)時(shí)性需求。

圖3是根據(jù)另一示例性實(shí)施例示出的一種用于低照度圖像處理的方法的流程圖。

如圖3所示，在s304中，對(duì)輸入圖像進(jìn)行白平衡處理。

在s306中，去馬賽克處理。

在s308中，色彩校正處理。

在s310中，轉(zhuǎn)換圖像格式為rgb。

在s312中，改進(jìn)fast法圖像匹配校準(zhǔn)。

在s314中，進(jìn)行多幀圖像累積。

在s316中，調(diào)整圖像對(duì)比度。

再本實(shí)施例中，對(duì)原始圖像進(jìn)行前isp處理；對(duì)處理后輸出的多幀圖像進(jìn)行改進(jìn)fast法特征點(diǎn)提取及匹配獲得校準(zhǔn)圖像；其中用改進(jìn)的fast檢測特征點(diǎn)的方法可以提高算法的運(yùn)行速度，減少大量的計(jì)算時(shí)間，再對(duì)多幀連拍圖進(jìn)行累加；最后對(duì)得到的幀累積圖像進(jìn)行對(duì)比度調(diào)整，并輸出處理完畢的圖像，本實(shí)施例所述方法改進(jìn)了圖像特征點(diǎn)匹配算法，提高低照度下獲取圖像的效率和可辨識(shí)度，使其滿足實(shí)時(shí)性需求。本發(fā)明實(shí)時(shí)例中提出的方法可例如嵌入fpga實(shí)現(xiàn)，開發(fā)具有低照度成像功能的相機(jī)或攝像機(jī)。

圖4、5是根據(jù)一示例性實(shí)施例示出的一種用于低照度圖像處理的方法處理前后對(duì)比圖。

如圖4,5所示，根據(jù)本發(fā)明的用于低照度圖像處理的方法，在夜拍低照度成像速度快，能夠較快地進(jìn)行改進(jìn)的fast特征點(diǎn)檢測并提取surf向量，并能準(zhǔn)確地完成圖像匹配，圖像效果好，提高了圖像亮度，較好的達(dá)到了所預(yù)期的目標(biāo)。

本領(lǐng)域技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分步驟被實(shí)現(xiàn)為由cpu執(zhí)行的計(jì)算機(jī)程序。在該計(jì)算機(jī)程序被cpu執(zhí)行時(shí)，執(zhí)行本發(fā)明提供的上述方法所限定的上述功能。所述的程序可以存儲(chǔ)于一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，該存儲(chǔ)介質(zhì)可以是只讀存儲(chǔ)器，磁盤或光盤等。

此外，需要注意的是，上述附圖僅是根據(jù)本發(fā)明示例性實(shí)施例的方法所包括的處理的示意性說明，而不是限制目的。易于理解，上述附圖所示的處理并不表明或限制這些處理的時(shí)間順序。另外，也易于理解，這些處理可以是例如在多個(gè)模塊中同步或異步執(zhí)行的。

下述為本發(fā)明裝置實(shí)施例，可以用于執(zhí)行本發(fā)明方法實(shí)施例。對(duì)于本發(fā)明裝置實(shí)施例中未披露的細(xì)節(jié)，請(qǐng)參照本發(fā)明方法實(shí)施例。

圖6是根據(jù)一示例性實(shí)施例示出的一種用于低照度圖像處理的裝置的框圖。

其中，fast模塊602用于通過改進(jìn)fast算法獲取第一圖像的特征點(diǎn)。

方向模塊604用于確定特征點(diǎn)的主方向。

特征子模塊606用于通過特征點(diǎn)的主方向，獲取特征點(diǎn)描述子。

聚類模塊608用于通過聚類算法對(duì)所述特征點(diǎn)進(jìn)行聚類以去除所述特征點(diǎn)中的噪聲點(diǎn)；

特征匹配模塊610用于進(jìn)行特征點(diǎn)匹配，以獲取校準(zhǔn)圖像。

根據(jù)本發(fā)明的用于低照度圖像處理的裝置，通過改進(jìn)fast算法獲取第一圖像的特征點(diǎn)，能夠大大地減少成像時(shí)間，提高低照度下獲取圖像的效率和可辨識(shí)度，處理的夜拍低照度圖像成像效果好，并滿足實(shí)時(shí)性需求。

本領(lǐng)域技術(shù)人員可以理解上述各模塊可以按照實(shí)施例的描述分布于裝置中，也可以進(jìn)行相應(yīng)變化唯一不同于本實(shí)施例的一個(gè)或多個(gè)裝置中。上述實(shí)施例的模塊可以合并為一個(gè)模塊，也可以進(jìn)一步拆分成多個(gè)子模塊。

通過以上的實(shí)施例的描述，本領(lǐng)域的技術(shù)人員易于理解，這里描述的示例實(shí)施例可以通過軟件實(shí)現(xiàn)，也可以通過軟件結(jié)合必要的硬件的方式來實(shí)現(xiàn)。因此，根據(jù)本發(fā)明實(shí)施例的技術(shù)方案可以以軟件產(chǎn)品的形式體現(xiàn)出來，該軟件產(chǎn)品可以存儲(chǔ)在一個(gè)非易失性存儲(chǔ)介質(zhì)(可以是cd-rom，u盤，移動(dòng)硬盤等)中或網(wǎng)絡(luò)上，包括若干指令以使得一臺(tái)計(jì)算設(shè)備(可以是個(gè)人計(jì)算機(jī)、服務(wù)器、移動(dòng)終端、或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行根據(jù)本發(fā)明實(shí)施例的方法。

通過以上的詳細(xì)描述，本領(lǐng)域的技術(shù)人員易于理解，根據(jù)本發(fā)明實(shí)施例的用于低照度圖像處理的方法及裝置具有以下優(yōu)點(diǎn)中的一個(gè)或多個(gè)。

根據(jù)一些實(shí)施例，本發(fā)明的用于低照度圖像處理的方法，通過改進(jìn)fast算法獲取第一圖像的特征點(diǎn)并提取surf特征向量的方式，提高了提取特征點(diǎn)的速度，提高了低照度下成像的效率，調(diào)整了圖像的對(duì)比度，提高了圖像亮度。

根據(jù)另一些實(shí)施例，本發(fā)明的用于低照度圖像處理的方法，通過剔除函數(shù)剔除第一特征點(diǎn)獲得第二特征點(diǎn)，以及通過最小距離策略法去除冗余的第二特征點(diǎn)以獲得特征點(diǎn)的方式，能夠迅速地完成圖像特征點(diǎn)的檢測，并剔除冗余點(diǎn)和噪聲點(diǎn)。使圖像特征點(diǎn)的數(shù)量適中且較為均勻地分布在目標(biāo)區(qū)域。

根據(jù)另一些實(shí)施例，本發(fā)明的用于低照度圖像處理的方法，在夜拍低照度成像速度快，能夠較快地進(jìn)行改進(jìn)的fast特征點(diǎn)檢測并提取surf向量，并能準(zhǔn)確地完成圖像匹配，圖像效果好，提高了圖像亮度，較好的達(dá)到了所預(yù)期的目標(biāo)。

以上具體地示出和描述了本發(fā)明的示例性實(shí)施例。應(yīng)可理解的是，本發(fā)明不限于這里描述的詳細(xì)結(jié)構(gòu)、設(shè)置方式或?qū)崿F(xiàn)方法；相反，本發(fā)明意圖涵蓋包含在所附權(quán)利要求的精神和范圍內(nèi)的各種修改和等效設(shè)置。

此外，本說明書說明書附圖所示出的結(jié)構(gòu)、比例、大小等，均僅用以配合說明書所公開的內(nèi)容，以供本領(lǐng)域技術(shù)人員了解與閱讀，并非用以限定本公開可實(shí)施的限定條件，故不具技術(shù)上的實(shí)質(zhì)意義，任何結(jié)構(gòu)的修飾、比例關(guān)系的改變或大小的調(diào)整，在不影響本公開所能產(chǎn)生的技術(shù)效果及所能實(shí)現(xiàn)的目的下，均應(yīng)仍落在本公開所公開的技術(shù)內(nèi)容得能涵蓋的范圍內(nèi)。同時(shí)，本說明書中所引用的如“上”、“第一”、“第二”及“一”等的用語，也僅為便于敘述的明了，而非用以限定本公開可實(shí)施的范圍，其相對(duì)關(guān)系的改變或調(diào)整，在無實(shí)質(zhì)變更技術(shù)內(nèi)容下，當(dāng)也視為本發(fā)明可實(shí)施的范疇。