Предварительная обработка изображений с недостаточной освещенностью Текст научной статьи по специальности «Прочие технологии»

УДК 004.932.2

ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ИЗОБРАЖЕНИЙ С НЕДОСТАТОЧНОЙ

ОСВЕЩЕННОСТЬЮ

Ю. Д. Куликова Научный руководитель - А. В. Пятаева

Сибирский федеральный университет Российская Федерация, 660041, г. Красноярск, просп. Свободный, 79 Е-mail: [email protected]

Изображения, полученные в реальных условиях съемки. часто являются низко информативными для дальнейшей обработки и анализа из-за несовершенства аппаратуры, погодных условий и условий освещенности. Рассмотрены особенности изображений, полученных в условиях низкой освещенности, предлагается алгоритм способов компенсации таких особенностей.

Ключевые слова: недостаточная освещенность, шум, фильтрация.

PRELIMINARY IMAGE PROCESSING WITH INSUFFICIENT ILLUMINANCE

Y. D. Kulikova Scientific Supervisor - A. V. Pyataeva

Siberian Federal University 79, Svobodny Av., Krasnoyarsk, 660041, Russian Federation Е-mail:[email protected]

Preliminary image processing is an actual problem in modern computer vision systems.Images from photos and video cameras obtained in real conditions of shooting are often low informative for further processing and analysis due to imperfect equipment, weather conditions and lighting conditions. This article deals with the features of images obtained in low-light conditions and suggests an algorithm for ways to compensate for such features.

Keywords: insufficient illuminance, noise, filtering.

Производительность любой системы технического зрения уменьшается с изменением погодных условий и особенно условий освещенности. Так, например, система визуального обнаружения пожара «FireVu» (Великобритания), ориентированная на раннее обнаружение дыма по видеопоследовательностям, работает корректно с минимальным значением освещенности 20 Лк [1]. Реальные значения освещенности на открытых пространствах могут варьироваться в пределах от 0 Лк (в темную безлунную ночь общий свет звезд составляет 1/1000 Лк) до 2 Лк (при полной Луне).

Анализ особенностей изображений, полученных в условиях низкой освещенности, выполнен с помощью гистограмм яркостей [2], используемых для количественной оценки средней яркости и ширины диапазона (1):

и

hnorm (rk) = —, rk e [0,L -1], (1)

n

где rk - k-й уровень яркости; L - максимальный уровень яркости; nk - число пикселей, имеющих яркость rk; n - общее число пикселей изображения. На рис. 1, а-в показаны примеры изображений, полученных в условиях недостаточной освещенности их гистограммы яркостей.

При анализе гистограмм изображений, полученных в условиях низкой освещенности, были выявлены следующие особенности таких изображений:

Секция «Программные средства и информационные технологии»

- ограниченным диапазон градации яркости;

- узкий диапазон яркостей на гистограмме и «гладкая» форма гистограмм подтверждают низкую контрастность изображений;

- форма гистограмм изображений сравнима с сильно искаженной кривой Гаусса, что говорит о присутствии аддитивного шума.

Канал: КОВ Входные значения:

Выходные значения:

Рис. 1. Примеры изображений с недостаточным освещением и их гистограммы

а

б

в

Таким образом, для повышения качества темных изображений необходимо расширить диапазон яркостей, увеличить среднюю яркость пикселов, повысить контраст и избавиться от аддитивного шума. Предложенный алгоритм обработки изображений имеет 4 этапа:

1. Расширение динамического диапазона видеоизображения и увеличение контрастности с использованием многомасштабного алгоритма Ретинекс [3].

2. Подавление аддитивного шума фильтром Гаусса [4].

3. Подавление импульсного шума с помощью медианной фильтрации.

4. Повышение резкости изображения с использованием фильтра Лапласа.

Тестовые изображения были обработаны с помощью предложенного алгоритма. Полученные в результаты обработки изображения и их гистограммы яркости показаны на рис. 2, а-в.

По гистограммам яркостей тестовых изображений заметно, что их формы приняли вид светлого изображения со сбалансированным контрастом, поскольку пиксели изображения принимают значения яркостей из всего диапазона, большинство значений яркостей располагается в центральной части гистограммы, присутствуют промежуточные значения яркостей. По изменению значений статистических характеристик тестовых изображений можно сделать вывод о повышении качества изображений, полученных в условиях недостаточной освещенности, при использовании предложенного алгоритма предварительной обработки.

в

Рис. 2. Улучшенные изображения и его гистограммы

Таким образом, в работе разработан алгоритм коррекции изображений с недостаточной освещенностью на основе многомасштабного алгоритма Ретинекс и устранения шумов фильтром Лапласа и Гаусса, а также с использованием медианной фильтрации.

Библиографические ссылки

1. Video Smoke Detection «FireVu» [Электронный ресурс]. URL: http://www.firevu.com/ technology (дата обращения: 15.02.2017).

2. Хрящев Д. А. Повышение качества изображений, полученных в условиях недостаточной освещенности // ИВД. 2013. № 3 (26).

3. Jobson J. D., Woodell G. A., Rahman Z. Multiscale RetinexFor Color Rendition and Dynamic Range Compression // NASA Langley Research Center.

4. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М. : Техно-сфера, 2005, 1072 с.

© Куликова Ю. Д., 2017