視頻圖像的鄰域統(tǒng)計(jì)直方圖均衡化增強(qiáng)算法

徐 艷,史再峰,李斌橋,龐 科

(天津大學(xué)電子信息工程學(xué)院,天津300072)

視頻圖像的鄰域統(tǒng)計(jì)直方圖均衡化增強(qiáng)算法

徐 艷,史再峰,李斌橋,龐 科

(天津大學(xué)電子信息工程學(xué)院,天津300072)

針對(duì)視頻監(jiān)控圖像相鄰幀之間場(chǎng)景變化小的特點(diǎn),提出一種適用于視頻圖像的鄰域統(tǒng)計(jì)直方圖均衡化算法來(lái)提升圖像的對(duì)比度。根據(jù)相鄰視頻幀的場(chǎng)景相關(guān)性,對(duì)圖像當(dāng)前幀進(jìn)行鄰域信息統(tǒng)計(jì),利用Laplace算子得到前一幀圖像中的背景和細(xì)節(jié)信息,從而選擇合適的增強(qiáng)參數(shù),生成視頻圖像的優(yōu)化直方圖。使用優(yōu)化后直方圖的均值點(diǎn)將其分割成2個(gè)部分得到各自的變換函數(shù),對(duì)視頻圖像進(jìn)行直方圖均衡化操作。實(shí)驗(yàn)結(jié)果表明,該算法能夠提升視頻圖像的對(duì)比度,保持圖像的平均亮度,減弱過(guò)增強(qiáng)現(xiàn)象,保留視頻中興趣區(qū)域的細(xì)節(jié)信息?？梢垣@得的最小絕對(duì)平均亮度誤差值為1.474 1,最大熵值為7.099 3,最大峰值信噪比值為20.671 0。

視頻圖像增強(qiáng);鄰域統(tǒng)計(jì);對(duì)比度提升;直方圖均衡化;優(yōu)化直方圖;拉普拉斯算子

1 概述

攝像機(jī)、監(jiān)控系統(tǒng)等獲得的視頻圖像成為人們獲得信息的重要來(lái)源,能否獲得高質(zhì)量的視頻圖像對(duì)于人們快速準(zhǔn)確地分析圖像中蘊(yùn)含的有用信息具有重要的意義。然而這類視頻圖像的質(zhì)量往往受到天氣、光線、儀器設(shè)備等多種因素的影響。在惡劣的天氣條件下,圖像會(huì)產(chǎn)生嚴(yán)重的退化,畫面的色彩出現(xiàn)偏差,景物的細(xì)節(jié)難以分辨。因此,需要對(duì)視頻圖像作增強(qiáng)處理。其中,提升對(duì)比度是獲得高清晰度圖像的重要步驟之一。

直方圖均衡化因其簡(jiǎn)單高效性成為了視頻圖像增強(qiáng)、對(duì)比度提升的一種廣泛使用的算法。經(jīng)典的直方圖均衡化算法采用單一的變換函數(shù)對(duì)原始圖像的直方圖作拉伸,有效提升了圖像的對(duì)比度。在這一算法的基礎(chǔ)上,結(jié)合信號(hào)處理等方面的理論,出現(xiàn)了多種改進(jìn)的直方圖均衡化算法。文獻(xiàn)[1]提出了一種亮度保持型的雙直方圖均衡化算法(BBHE),該算法將輸入圖像的直方圖均值作為分割點(diǎn),把直方圖分割成2個(gè)子直方圖,然后分別對(duì)這2個(gè)子圖像進(jìn)行直方圖均衡化操作。文獻(xiàn)[2]提出了一種循環(huán)子圖像均衡化算法(RSIHE),該算法和文獻(xiàn)[1]算法類似,區(qū)別是采用輸入圖像的直方圖灰度累積概率等于0.5的點(diǎn)作為分割點(diǎn),將圖像分割成2的整數(shù)次冪個(gè)子圖像。采用這2種算法得到的圖像平均亮度與傳統(tǒng)直方圖均衡化算法相比較和原始圖像更為接近。但它們?cè)诿總€(gè)子圖像均衡化的過(guò)程中依然不能消除直方圖均衡化的缺陷。直方圖均衡化還會(huì)出現(xiàn)灰度級(jí)合并的現(xiàn)象,造成圖像細(xì)節(jié)的損失。有的算法在均衡化過(guò)程中對(duì)圖像相鄰灰度級(jí)的取值重新作調(diào)整,有效減少了灰度級(jí)的合并,使圖像更加連續(xù)[3-4]。對(duì)比度受限的自適應(yīng)直方圖均衡化算法也是一種有效的改進(jìn)算法[5-6]。該算法將原始圖像分成若干個(gè)連續(xù)不重疊的子區(qū)域,分別計(jì)算每個(gè)子區(qū)域的直方圖,選取合適的閾值對(duì)這些直方圖進(jìn)行剪切,將剪切后的像素進(jìn)行重分配得到新的直方圖,最后通過(guò)灰度線性插值的方式得到圖像的新像素點(diǎn)。這類算法要獲得較好的增強(qiáng)效果,要選擇合理的閾值。平臺(tái)直方圖均衡化是對(duì)直方圖均衡的另一種修正[7-8]。它根據(jù)增強(qiáng)的具體要求,選取閾值對(duì)直方圖的上限或下限作限制,重新生成圖像的直方圖,從新的直方圖計(jì)算得到變換函數(shù),對(duì)圖像作灰度變換。這類算法可以減弱原始圖像過(guò)亮的現(xiàn)象,與對(duì)比度受限的自適應(yīng)直方圖均衡化算法類似,這類算法的難點(diǎn)和關(guān)鍵都是閾值的選取。有的算法針對(duì)視頻圖像受光照、天氣條件影響大的特點(diǎn),首先構(gòu)造亮度變換函數(shù),對(duì)圖像的低照度部分進(jìn)行提升,然后結(jié)合局部直方圖均衡化算法增強(qiáng)圖像中的局部信息[9]。該算法適合用于增強(qiáng)非均勻照度的圖像。有的算法針對(duì)霧天圖像退化現(xiàn)象進(jìn)行增強(qiáng),將天空和景物進(jìn)行分離,對(duì)景物部分采用重疊的模板進(jìn)行局部直方圖均衡化[10]。以上2種算法由于采用了局部直方圖均衡化,增加了一定的計(jì)算量,并且會(huì)帶來(lái)塊效應(yīng)。

本文在分析圖像局部信息的基礎(chǔ)上,將圖像的鄰域信息融合到圖像直方圖的統(tǒng)計(jì)和生成中,使得新產(chǎn)生的直方圖能反映圖像的局部對(duì)比度信息,在增強(qiáng)圖像細(xì)節(jié)的同時(shí)不引進(jìn)塊效應(yīng)。根據(jù)視頻圖像場(chǎng)景的特點(diǎn),計(jì)算得到合適的增強(qiáng)參數(shù)。同時(shí),結(jié)合圖像亮度保持的直方圖均衡化算法,對(duì)因?yàn)榧?xì)節(jié)增強(qiáng)而產(chǎn)生的亮度偏移進(jìn)行修正。

2 傳統(tǒng)直方圖均衡化及其缺陷分析

對(duì)于一幅M×N大小的數(shù)字圖像Ii來(lái)說(shuō),每一個(gè)灰度級(jí)rk在圖像中出現(xiàn)的概率可以近似為:

其中,nk為灰度級(jí)為rk的像素個(gè)數(shù),灰度級(jí)的范圍在[0,L-1],L為圖像中可能的灰度級(jí)的數(shù)量,則與rk相對(duì)的pr(rk)即為概率密度函數(shù)(PDF),通常稱為直方圖。直方圖是圖像像素灰度值分布的一個(gè)反映,對(duì)于數(shù)字圖像,概率密度函數(shù)是離散的。將直方圖進(jìn)行累加便可以得到圖像的累積概率密度函數(shù)(CDF):

由該累積概率密度函數(shù)可以得到對(duì)應(yīng)的變換函數(shù):

根據(jù)該變換函數(shù),可以將輸入圖像中每個(gè)像素作對(duì)應(yīng)的映射,得到新的像素值,即可得到輸出圖像Io,使輸出圖像的對(duì)比度得到提升。

在連續(xù)域進(jìn)行直方圖均衡化,得到輸出圖像的直方圖將是一個(gè)均勻分布,因此,整個(gè)灰度范圍內(nèi)的每一個(gè)值都能得到利用。數(shù)字圖像的直方圖均衡化操作需要進(jìn)行取整運(yùn)算,在這一過(guò)程中,原先相鄰的灰度級(jí)會(huì)分離,某些灰度級(jí)會(huì)合并或消失,得到的輸出直方圖中出現(xiàn)較多的空隙。這一特性對(duì)于增強(qiáng)低亮度的圖像有很好的效果,但同時(shí)也會(huì)帶來(lái)明顯的過(guò)增強(qiáng)效應(yīng)。相鄰灰度級(jí)在進(jìn)行直方圖均衡化之后的距離可以用下式計(jì)算:

由此可見(jiàn),相鄰灰度級(jí)在直方圖均衡化之后的間距和rk像素在輸入圖像中的概率密度值pr(rk)有關(guān)。若該值較小,兩者之間的間距就小,圖像的對(duì)比度提升就不明顯,當(dāng)間距不一時(shí),相鄰的灰度級(jí)就會(huì)合并,圖像的灰度級(jí)就會(huì)減少;若該值較大,相鄰灰度級(jí)的距離就會(huì)增大,對(duì)比度得到明顯的提升。但也會(huì)帶來(lái)諸如過(guò)增強(qiáng)效應(yīng)或光圈現(xiàn)象。如圖1所示,該圖像中含有大量顏色單一的背景部分,對(duì)應(yīng)直方圖中概率密度值較高的灰度值,在直方圖均衡化的過(guò)程中容易產(chǎn)生過(guò)增強(qiáng)效果。

圖1 過(guò)增強(qiáng)效應(yīng)示意圖

3 視頻圖像直方圖均衡化算法

3.1 監(jiān)控視頻的場(chǎng)景分析

監(jiān)控視頻的應(yīng)用范圍較為廣泛,包括道路車輛檢測(cè)、人臉檢測(cè)、目標(biāo)追蹤等。對(duì)監(jiān)控視頻類圖像的增強(qiáng)技術(shù)也要根據(jù)此類圖像的特征而開(kāi)發(fā)。視頻監(jiān)控類的圖像通常場(chǎng)景和目標(biāo)對(duì)象所占的比例較為固定,背景圖像單一且變化少,經(jīng)常包含天空、道路等。對(duì)于這類圖像的增強(qiáng),關(guān)注點(diǎn)都在前景對(duì)象上,前景部分往往包含人物、車輛等感興趣的區(qū)域,而對(duì)于圖像背景的增強(qiáng)要求往往不高。視頻監(jiān)控類圖像還容易受到環(huán)境因素,例如天氣和光線的影響,使圖像出現(xiàn)偏暗或偏亮的現(xiàn)象,如夜晚圖像的整體亮度會(huì)降低,霧天圖像的細(xì)節(jié)會(huì)不清晰。對(duì)于此類圖像,提升圖像的對(duì)比度、增強(qiáng)圖像的細(xì)節(jié)部分對(duì)提升圖像的清晰度以便于后續(xù)的圖像處理就顯得尤為重要。此外,視頻類圖像在一定的時(shí)間間隔內(nèi)存在相關(guān)性,前后幀之間的變化很小。因此,對(duì)于這類圖像的增強(qiáng),可以預(yù)先設(shè)定增強(qiáng)要求,對(duì)固定場(chǎng)景的增強(qiáng)采用相同的方式。

根據(jù)以上分析,對(duì)監(jiān)控視頻圖像的增強(qiáng),可以充分利用視頻流中前后相鄰幀之間的相關(guān)性,根據(jù)視頻場(chǎng)景的特點(diǎn),確定增強(qiáng)系數(shù),達(dá)到預(yù)先設(shè)定的增強(qiáng)效果。

3.2 改進(jìn)的直方圖均衡算法

本文提出一種鄰域統(tǒng)計(jì)直方圖均衡化增強(qiáng)算法。該算法是對(duì)原始直方圖均衡化算法的修正,可以有效減弱圖像的過(guò)增強(qiáng)效應(yīng),保留圖像的細(xì)節(jié),使得圖像的背景過(guò)渡自然,前景物體更加清晰,適用于增強(qiáng)視頻監(jiān)控類的圖像。

該算法的實(shí)現(xiàn)框圖如圖2所示。首先對(duì)輸入視頻圖像的第fn幀進(jìn)行鄰域信息統(tǒng)計(jì),如圖3所示。

圖2 算法實(shí)現(xiàn)框圖

圖3 鄰域統(tǒng)計(jì)示意圖

一般的直方圖均衡化算法在統(tǒng)計(jì)直方圖時(shí)都不考慮圖像的鄰域信息,從而在均衡化過(guò)程中會(huì)丟失部分圖像的細(xì)節(jié)信息。為了能夠更好地保持圖像的細(xì)節(jié)信息,本文提出的算法將選取每個(gè)待統(tǒng)計(jì)的像素點(diǎn)周圍w×w的矩形區(qū)域,這里w是一個(gè)奇數(shù),本文中取w=3,利用以下公式計(jì)算每個(gè)像素點(diǎn)周圍w×w-1個(gè)像素的Pix(m,n)的值:

參數(shù)λ的大小代表圖像的增強(qiáng)程度。當(dāng)λ為0時(shí),統(tǒng)計(jì)過(guò)程中不考慮周圍像素與中心像素之間的關(guān)系,得到的結(jié)果和傳統(tǒng)的直方圖均衡化一致;隨著λ的增大,圖像中局部對(duì)比度較高,細(xì)節(jié)較豐富的部分將得到更好的增強(qiáng),同時(shí)局部對(duì)比度較低,細(xì)節(jié)不明顯的部分增強(qiáng)的程度會(huì)相對(duì)較低,即兩者增強(qiáng)程度的差異會(huì)增大;當(dāng)λ增大到一定的數(shù)值之后,這種差異就不明顯。本文經(jīng)過(guò)多次實(shí)驗(yàn),發(fā)現(xiàn)λ在[0,4]范圍之內(nèi)的變化最明顯,因此,λ的取值范圍在[0,4]區(qū)間。對(duì)于視頻監(jiān)控圖像,該信息可以通過(guò)對(duì)輸入視頻圖像的fn-1幀進(jìn)行場(chǎng)景判斷來(lái)獲得。當(dāng)圖像中含有大量天空、草地等圖案,同時(shí)又需要增強(qiáng)前景人物的細(xì)節(jié)時(shí)就可以設(shè)置較大的λ值,能夠保留圖像細(xì)節(jié)的同時(shí)減弱背景部分的過(guò)增強(qiáng)效應(yīng)。可以根據(jù)視頻圖像中的背景和細(xì)節(jié)部分所占的比例來(lái)獲得該參數(shù)。本文采用拉普拉斯算子來(lái)提取視頻圖像中的細(xì)節(jié)部分。拉普拉斯算子具有旋轉(zhuǎn)不變性,強(qiáng)調(diào)圖像中灰度的突變,響應(yīng)值高的部分即為圖像中突變較大的區(qū)域,對(duì)應(yīng)的細(xì)節(jié)信息較多。本文確定該參數(shù)的具體步驟如下:

(1)采用拉普拉斯算子對(duì)fn-1幀圖像進(jìn)行卷積運(yùn)算,得到每個(gè)像素點(diǎn)的響應(yīng)值R。

(2)選擇合理的閾值TH對(duì)響應(yīng)值R作分割,大于閾值的像素確定為細(xì)節(jié)像素,其余部分確定為背景像素(包含較少的細(xì)節(jié)信息)。由于拉普拉斯算子具有雙重響應(yīng)的特性,本文只取響應(yīng)值為正數(shù)的點(diǎn)判斷是否為細(xì)節(jié)像素,閾值TH選取為響應(yīng)值最大值的0.1倍[11]。

(3)根據(jù)背景像素的個(gè)數(shù)計(jì)算得到背景像素在整幅圖像中所占的比例BA,統(tǒng)計(jì)大量圖像的BA值,得到其下限T1BA和上限T2BA,將該范圍內(nèi)的BA值作線性變換,映射到[0,4]上,得到對(duì)應(yīng)的λ的值,用于fn幀視頻圖像的增強(qiáng)。

這樣,含有背景像素多、細(xì)節(jié)像素少的圖像將具有較大的BA值,可以獲得較大的增強(qiáng)系數(shù),從而減弱背景中的過(guò)增強(qiáng)效應(yīng)。

當(dāng)確定了圖像的增強(qiáng)參數(shù)λ之后,得到一幅完整的二維直方圖。該直方圖不僅反映了圖像中每個(gè)像素的灰度信息,還包含圖像的局部對(duì)比度信息。利用以下公式將該二維直方圖進(jìn)行積分和歸一化操作,得到輸入圖像的一維優(yōu)化直方圖:

利用該優(yōu)化直方圖的均值點(diǎn)M對(duì)該直方圖進(jìn)行均值分割,使該直方圖成為2個(gè)獨(dú)立的部分,對(duì)兩者的直方圖作累加便可計(jì)算得到各自的累積概率密度函數(shù)c1(m1)和c2(m2),利用累積概率密度函數(shù)得到2個(gè)獨(dú)立直方圖各自的變換函數(shù):

利用變換函數(shù)分別對(duì)2個(gè)灰度像素區(qū)間內(nèi)的像素進(jìn)行灰度映射,得到輸出圖像。

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文算法在提升視頻圖像對(duì)比度方面的有效性,本節(jié)討論并對(duì)比本文算法和HE算法、BBHE算法的結(jié)果。為了對(duì)比本文算法在保持圖像亮度方面的優(yōu)勢(shì),選擇了絕對(duì)平均亮度誤差(AMBE)來(lái)評(píng)價(jià)算法在保持原始圖像平均亮度方面的特性;選擇熵(Entropy)來(lái)評(píng)價(jià)執(zhí)行直方圖操作之后,圖像信息是否豐富;選擇峰值信噪比(PSNR)來(lái)評(píng)價(jià)圖像的整體質(zhì)量。

圖4(a)所示的是一幅靜態(tài)圖像,經(jīng)3種算法處理后的效果如圖4(b)～圖4(d)所示。該圖像整體偏暗,同時(shí)背景和前景分離較明顯,對(duì)于圖像背景部分不需要作過(guò)多的增強(qiáng)。計(jì)算得到此幅圖像的增強(qiáng)參數(shù)λ為3.2,可以弱化背景部分和本身局部對(duì)比度較小部分的增強(qiáng),而對(duì)于本身局部對(duì)比度較大的前景部分重點(diǎn)增強(qiáng)。HE和BBHE增強(qiáng)的圖像都存在背景部分的光暈現(xiàn)象,失真較大。而本文所采用的算法對(duì)圖像的增強(qiáng)效果自然,明顯減弱了過(guò)增強(qiáng)效應(yīng),并且能夠保持圖像的細(xì)節(jié)。由圖5所示的直方圖來(lái)看,本文所采用的算法得到的直方圖更加均勻,符合提升對(duì)比度的要求,也不存在跳躍性的亮度變化。

圖4 Image1的增強(qiáng)圖像

圖5 原始直方圖及Image1增強(qiáng)后的直方圖

本文選取了USC-SIPI圖像數(shù)據(jù)庫(kù)[12]的視頻圖像來(lái)驗(yàn)證本文算法對(duì)視頻圖像的增強(qiáng)效果。圖6顯示了各種算法對(duì)一組視頻圖像中的一幅的增強(qiáng)效果?？梢钥吹紿E雖然提升了對(duì)比度,但是對(duì)墻壁和人物衣著增強(qiáng)過(guò)度,同時(shí)減少了人物臉部的細(xì)節(jié),而且增強(qiáng)后圖像過(guò)亮,BBHE也有同樣的現(xiàn)象。從圖7的直方圖中可以看到,該圖像有大量像素集中在亮度較低的區(qū)域,對(duì)應(yīng)人物的衣著部分,在HE和BBHE增強(qiáng)的過(guò)程中,該區(qū)域的灰度級(jí)被過(guò)度拉伸,導(dǎo)致了增強(qiáng)后亮度不均勻。此組視頻中背景部分所占面積較大,計(jì)算得到λ的值為3.5,符合分析的增強(qiáng)要求。采用本文提出的算法增強(qiáng)的圖像和HE/BBHE相比較,減弱了過(guò)增強(qiáng)現(xiàn)象,人物的臉部細(xì)節(jié)更豐富清晰。

圖6 Image2的增強(qiáng)圖像

圖7 原始直方圖及Image2增強(qiáng)后的直方圖

圖8 顯示的是航拍視頻的增強(qiáng)效果。

圖8 Image3的增強(qiáng)圖像

該視頻中大部分區(qū)域都存在較為細(xì)節(jié)的景物,沒(méi)有大面積的單一亮度區(qū)域,從圖9中的直方圖來(lái)看,原始圖像的灰度級(jí)分布較為均勻,計(jì)算得出λ為2.5?？梢钥吹脚c其他2種增強(qiáng)算法相比,本文算法對(duì)遠(yuǎn)處的山地和房屋等細(xì)節(jié)的增強(qiáng)效果更好,紋理更清晰。

表1是本文算法和其他直方圖均衡化算法分別對(duì)以上靜態(tài)圖像和2組視頻圖像進(jìn)行均衡化之后的指標(biāo)對(duì)比結(jié)果。其中,視頻圖像的結(jié)果是對(duì)圖像庫(kù)中的該組視頻圖像取平均值的結(jié)果。從表中可以看出,雖然BBHE算法在保持圖像平均亮度方面有了很大改進(jìn),但本文算法在保持圖像的平均亮度方面明顯優(yōu)于其他算法;圖像的熵值高于其他算法,代表圖像的細(xì)節(jié)信息保留得更多;PSNR值較高表示圖像的整體質(zhì)量較好。

圖9 原始直方圖及Image3增強(qiáng)后的直方圖

表1 3種算法的實(shí)驗(yàn)結(jié)果指標(biāo)對(duì)比

5 結(jié)束語(yǔ)

本文針對(duì)視頻監(jiān)控類圖像場(chǎng)景較為固定,對(duì)背景和前景圖像增強(qiáng)要求不同的特點(diǎn),提出了一種適用于視頻圖像增強(qiáng)的直方圖均衡化算法來(lái)提升對(duì)比度。實(shí)驗(yàn)結(jié)果表明,該算法在直方圖生成的過(guò)程中結(jié)合了局部對(duì)比度的統(tǒng)計(jì),能夠區(qū)別視頻類圖像中的前景和背景信息,對(duì)視頻中的前景信息作重點(diǎn)增強(qiáng),有效保留視頻中的細(xì)節(jié)信息。該算法充分利用視頻流中相鄰幀的相關(guān)性,通過(guò)前一幀視頻的場(chǎng)景信息,計(jì)算得到自適應(yīng)的增強(qiáng)參數(shù),為圖像提供不同程度的增強(qiáng),減弱了直方圖均衡化過(guò)程中產(chǎn)生的過(guò)增強(qiáng)效應(yīng),圖像過(guò)渡自然,沒(méi)有明顯的光暈現(xiàn)象,同時(shí)適合視頻處理系統(tǒng)實(shí)現(xiàn)。采用直方圖分割后分別進(jìn)行均衡化的算法有效保持了原始圖像的亮度均值,在提升對(duì)比度的同時(shí)降低了圖像的失真度。

[1] Kim Y T.Contrast Enhancement Using Brightness Preserving Bi-histogram Equalization [J]. IEEE Transactions on Consumer Electronics,1997,43(1):1-8.

[2] Sim K S,Tso C P,Tan Y Y.Recursive Sub-image Histogram Equalization Applied to Gray Scale Images [J].Pattern Recognition Letters,2007,28(10): 1209-1221.

[3] 喬鬧生,趙華君.保留灰度級(jí)的PCB圖像增強(qiáng)研究[J].計(jì)算機(jī)工程與應(yīng)用,2009,45(9):180-185.

[4] 邢永康,雷群英.保持B超圖像灰度級(jí)的改進(jìn)直方圖均衡化算法[J].重慶大學(xué)學(xué)報(bào),2011,34(6):123-131.

[5] 劉 軒,劉佳賓.基于對(duì)比度受限自適應(yīng)直方圖均衡的乳腺圖像增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用,2008,44 (10):173-175.

[6] 劉叔軍,毛麗民,徐本連.基于分級(jí)直方圖均衡化的白細(xì)胞識(shí)別研究[J].中南大學(xué)學(xué)報(bào):自然科學(xué)版,2013, 44(2):174-177.

[7] 宋巖峰,邵曉鵬,徐 軍.基于雙平臺(tái)直方圖的紅外圖像增強(qiáng)算法[J].紅外與激光工程,2008,37(2): 308-311.

[8] 王炳健,劉上乾,周慧鑫,等.基于平臺(tái)直方圖的紅外圖像自適應(yīng)增強(qiáng)算法[J].光子學(xué)報(bào),2005,34(2): 299-301.

[9] 趙京東.一種新的非均勻照度圖像增強(qiáng)算法[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(23):204-207.

[10] 祝 培,朱 虹,錢學(xué)明,等.一種有霧天氣圖像景物影像的清晰化算法[J].中國(guó)圖象圖形學(xué)報(bào),2004,9(1): 124-128.

[11] 董鴻燕.邊緣檢測(cè)的若干技術(shù)研究[D].長(zhǎng)沙:國(guó)防科學(xué)技術(shù)大學(xué),2008.

[12] Signal and Image Processing Institute of University of Southern California.Image Database[EB/OL].(2010-06-09).http://sipi.usc.edu/database/database.php.

編輯 顧逸斐

Neighborhood Calculation Histogram Equalization Enhancement Algorithm for Video Image

XU Yan,SHI Zai-feng,LI Bin-qiao,PANG Ke
(School of Electronic and Information Engineering,Tianjin University,Tianjin 300072,China)

Considering the adjacent frames scene small changes of surveillance video images,this paper proposes a neighborhood calculation histogram equalization algorithm for video image to enhance the contrast.This algorithm employs the adjacent video frame correlation,calculates the neighborhood information of the frame,chooses a suitable enhancement parameter according to the former frame background and detail information obtained by Laplace operator, and generates a modified histogram of the image.The algorithm separates the modified histogram into two parts using its mean value to get two transformation functions.Histogram equalization is operated for the latter frame.Experimental results show that this algorithm efficiently enhances the contrast of video images,preserves the mean brightness,alleviates the over-enhancement problem and keeps the interest region details.Compared with the traditional algorithms,it acquires the lowest average absolute error of brightness value as 1.474 1,highest entropy as 7.099 3,and highest peak signal to noise ratio as 20.671 0.

video image enhancement;neighborhood statistics;contrast enhancement;histogram equalization;modified histogram;Laplace operator

1000-3428(2014)10-0245-07

A

TP391

10.3969/j.issn.1000-3428.2014.10.046

國(guó)家“863”計(jì)劃基金資助項(xiàng)目(2012AA012705);國(guó)家國(guó)際科技合作專項(xiàng)項(xiàng)目(2012DFB10170)。

徐 艷(1988-),女,碩士研究生,主研方向:數(shù)字集成電路設(shè)計(jì),數(shù)字圖像處理;史再峰,講師、博士;李斌橋,教授;龐 科,博士研究生。

2013-10-22

2013-11-25E-mail:shizaifeng@tju.edu.cn

中文引用格式:徐 艷,史再峰,李斌橋,等.視頻圖像的鄰域統(tǒng)計(jì)直方圖均衡化增強(qiáng)算法[J].計(jì)算機(jī)工程,2014, 40(10):245-251.

英文引用格式:Xu Yan,Shi Zaifeng,Li Binqiao,et al.Neighborhood Calculation Histogram Equalization Enhancement Algorithm for Video Image[J].Computer Engineering,2014,40(10):245-251.