1.一种利用时空照度图的低照度彩色视频增强方法,其特征在于:首先计算视频帧的初始空间照度图,利用当前视频帧与其前k视频帧的初始空间照度图计算当前视频帧的时间相似性照度图,利用初始空间照度图和时间相似性照度图构造当前视频帧的结构权重矩阵,利用初始空间照度图、时间相似性照度图和结构权重矩阵构造最优照度图估计的代价最小化模型并求解,所得解为当前视频帧的最优照度图,最后对最优照度图做伽马校正,利用校正后的照度图求取增强后的当前视频帧;当所有视频帧都处理完毕后,将全部增强后的视频帧合并成输出的彩色视频;
计算视频帧的初始空间照度图的方法为:对于某一视频帧,使用S表示该视频帧中待增强的彩色视频帧,使用x表示S中各通道图像的像素点;首先将所有x的像素强度值都归一化到[0,1]区间内,然后使用归一化后的x计算该视频帧的初始空间照度图其中R、G、B分别为S中红、绿、蓝三个通道的图像;
设当前视频帧为第c视频帧,当前视频帧的前k视频帧为第c‑k≤i≤c‑1视频帧;利用当前视频帧与其前k视频帧的初始空间照度图计算当前视频帧的时间相似性照度图的方法为:将第c‑k≤i≤c视频帧的初始空间照度图均分解为不重叠且大小为M×M像素的图像块,构成图像块集合 N为每一视频帧初始空间照度图中的图像块个数;
对于第c视频帧的某一个图像块 在图像块集合中搜索度图像块 使得 计算时间相似性照度图像块其中 i=c‑1,…,c‑k, 和分别为第c视频帧和第i视频帧的初始空间照度图,视频帧中待增强的彩色视频帧S的区域为W×H,xz为初始空间照度图中W×H区域的像素点;
将x=1,2,…,N的 拼接成原始时间相似性照度图 再应用引导滤波得到当前视频帧的时间相似性照度图,即 其中引导滤波中的引导图为第c视频帧初始空间照度图 r为引导滤波中均值滤波的半径,1≤r<min(W,H),θ为参数,
0.0001≤θ<1。
2.根据权利要求1所述的利用时空照度图的低照度彩色视频增强方法,其特征在于:利用初始空间照度图和时间相似性照度图构造当前视频帧的结构权重矩阵的方法为:结构权重矩阵 由水平分量 和垂直分量 构成,即 下标h和v分别表示水平方向和垂直方向,水平分量 和垂直分量 各有两种构造方式:方式1:
方式2:
其中 表示d方向上的一阶导数运算, 为视频帧的初始空间照度图,x为视频帧的待增强的彩色视频帧S内的像素点,y为以x为中心的邻域Ω(x)中的像素点,Gσ(x,y)为标准差为σ的高斯核函数 ε为避免分母为零的参数,0<ε≤1。
3.根据权利要求1所述的利用时空照度图的低照度彩色视频增强方法,其特征在于:利用初始空间照度图、时间相似性照度图和结构权重矩阵构造最优照度图估计的代价最小化模型的方法为:构造的代价最小化模型为:其中符号 表示逐元素相乘,为视频帧的初始空间照度图, 为视频帧的时间相似性照度图, 为结构权重矩阵,为一阶导数运算;Lopt为待估计的最优照度图;
利用增广拉格朗日乘子法和交替方向最小化法求解该代价最小化模型,求得的解Lopt作为当前视频帧的最优照度图。
4.根据权利要求1所述的利用时空照度图的低照度彩色视频增强方法,其特征在于:利用校正后的照度图求取增强后的当前视频帧的方法为:对最优照度图Lopt做伽马校正其中γ为伽马校正参数;然后利用校正后的照度图 求取增强后的视频帧其中 为视频帧的初始空间照度图,S为视频帧中待增强的彩色视频帧,符号表示逐元素相乘。