2.1 光照不良图像增强处理（上）在线视频

同学们大家好

今天我们继续学习

刑侦图像处理这门课

我们学习第二章

刑侦图像增强处理这部分的内容

那么首先我们来学习的是

光照不良图像增强处理技术

大家都知道

在图像采集的过程中

如果我们外界的光照不好的时候

它会严重影响图像的质量

比如说我们重大的刑事案件

多发生在夜晚

那么在夜晚的时候

我们户外各种采集设备

它所采集到图像

会整体的出现光照不足的现象

在光照不足的时候

我们所拍摄到的图像

会出现整体亮度低

对比度低

颜色偏暗

以及它的信噪比也是比较低

这样的图像

它里面的细节信息很难辨识

不仅严重的影响了图像的视觉质量

而且对于我们一系列的图像处理算法

比如说后续的图像分割

比如特征提取

目标的检测识别

还有目标跟踪等等

都会造成很大的影响

因此说

我们对于刑侦图像做增强处理

它是一个非常重要的

和必要的预处理环节

那么在光照不良的时候

所采集到的图像

到底是什么样子的呢

而且它的增强之后的效果会怎样

我们可以一起来看一下

那么在这幅图里面的

第一行

我们在光照过低的情况下

所采集到的图像

从这里面大家可以看一下

这一行的图像

它的整体亮度非常低

而且图像里面的细节信息

我们很难辨识

然后我们用各种各样图像增强处理的方法

对第一行的图像做增强处理

它的结果如第二行所示

大家再来看一下

我们第二行的这些图像

那么我们说

它不仅是我们亮度也合适

而且最重要的是

图像中所蕴含的细节信息

我们很容易的把它辨识出来

这是一类

那么我们再看这里面的第三行

第三行的图像

它也是光照不良的情况下获取的

不仅仅有光照过低

而且还有光照不均匀

甚至还有高动态范围的图像

那么我们也看

它的视觉质量也不好

他的细节信息也很难辨识

我们对这样的图像

进行增强化处理

它的结果如我们最下一行所示

从我们最下一行的图像

是我们可以看出来

这个时候

如果对于我们光照不良的刑侦图像

做增强化处理

那么我们就能够明显的提升图像的视觉质量

而且也非常容易辨识出

图像里面的细节信息

这也就是我们为什么要开展

刑侦图像增强处理的主要的原因

那么大家也都知道

图像增强处理

它是一个老问题

已经有近70年的历史

那么应用在我们刑侦图像处理

里面的图像增强技术

我们看一看

它都有哪些主要的方法呢

我们可以一起来给大家看一下

我这里面对这些方法

做了一个归纳

以我们光照不良图像里面

最典型的低照度图像

它的增强算法为例

它的主要算法

大体分为三大类

第一类就是我们比较常用的

就是Retinex模型的方法

这类的方法

它是基于图像的光照-反射成像模型

把我们的一幅图像分为光照图像

和反射图像两个部分

然后对这两部分分别进行处理

那么这一类的方法

是我们目前来讲

在刑侦图像里处理领域

最常用的增强方法

那么Retinex模型这种方法

是目前用得最多的

除了这个方法之外还有哪些呢

还有的

比如说在一提到图像增强

大家可能最先想到的就是直方图均衡类的算法

那么这个里面包括很多

比如说最早出现的直方图均衡化

直方图规定化

以及还有一系列的它的改进算法

那么这一类的直方图类

直方图均衡类的算法

它处理带来的好处是什么呢

它的算法复杂度非常低

所以我们说

它的算法处理的实时性很好

但总的而言

它的处理增强处理的效果

不如Retinex模型处理的效果

是这一类

近几年来

随着我们人工智能技术的发展

那么人工智能技术

它应用到我们光照不良图像增强

尤其是我们低照度的图像增强领域中

取得了非常丰硕的成果

近几年来

我们基于深度学习的低照度图像增强算法

也是迅猛的发展

其中也涌现了很多非常经典的方法

我们可以举个例子

比如说现在我们很早出现低照度图像增强

LLNet

他是一个很典型的

后来我们再把CNN应用这里

提出来了LL-CNN

也就是Low-Light CNN

还有很多

比如说

我们对Retinex算法做改进

还有RetinexNet

那么基于深度学习的低照度图像增强的算法

他总的思想是类似的

他都是通过大量的数据

我们构建起了低照度图像

和正常照度图像之间的一个

良好的非线性映射关系

最终实现了对低照度图像的增强处理

由基于深度学习的低照度图像增强

处理算法在近几年呢

它发展非常迅猛

在我们顶级期刊和顶级会议上

每年都会涌现出非常多的好的算法

那么总的来讲

我们看一下

低照度图像增强他有很多很多的方法

那么不同的方法

当然了它也会取得不同的效果

比如说有些算法侧重于增强之后的图像质量

那么有一些算法它会侧重于运算的速度

大家看我们这里面图

不同算法的实验结果

从这个图我们看出来

对于原始的一幅光照不良的图像

那么不同的算法得到了不同的增强的效果

但是总的来讲

大家是不是能可以感受到

增强之后的图像

无论是从视觉质量

还是从细节信息方面

都比增强之前有了非常显著的改善

这是一类

我们大家再往下看

那么下面这幅图

很典型的一幅低照度图像

以及增强之后的结果

在我们最开始的

大的图里面

我们已经也给他展示过了

这里面我不详细给大家再讲

我们再看

这一个大图

这个图的最左边一列

它都是输入的光照不良的图像

有低照度的

有光照不均匀的

然后我们往右侧

每一列都是一个不同的算法

它的增强处理之后的结果

所以我们通过这个结果

我们就可以看出来

我们每一种算法

它都有它的优点和它的缺点

我们再往下看

那么我们这幅图

这幅图是一系列的低照度图像

增强之前和增强之后的结果

那么我们不同的方法大家看

有些方法侧重于整体亮度的提升

有些方法侧重于细节信息的增强

那么还有

当然我们再举个例子这幅

是一个典型的光照不均匀的图像

那么我们增强一系列不同的方法增强的结果

也如右边这几个所示

我们再来看一组例子

就是最后一组例子

这就是同样一幅光照不均匀的图像

它也是光照不良的图像

用了不同的算法增强处理之后的结果

那么我给大家展示了这么多组

增强之后的效果的例子

目的就是让大家

将来在遇到了

光照不良的刑侦图像

需要做增强处理的时候

那么大家就可以根据你的需求

比如说你是想提高整体亮度

你是想要突出细节信息

还有的时候是需要做

在我们的细节保持

和我们质量提升之间做均衡

那么大家就可以选择不同的方法进行处理

那么这一次课就到这里了

好谢谢大家