当前课程知识点：刑侦视频图像处理 > 第2章 视频图像清晰化处理技术 > 2.1 光照不良图像增强处理（上） > 2.1 光照不良图像增强处理（上）
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
-1.1 绪论（上）
--1.1绪论（上）
-1.2 绪论（下）
-第1章测试
-2.1 光照不良图像增强处理（上）
-2.2 光照不良图像增强处理（下）
-第2章习题
-3.1图像超分辨率重建技术概述
-3.2基于插值的图像超分辨率重建
-3.3基于深度学习的图像超分辨率重建之神经网络
-3.4基于深度学习的图像超分辨率重建
-3.5基础知识介绍
-3.6压缩感知与超分辨率重建
-3.7基于压缩感知字典学习的超分方法
-第3章测试一
-第3章测试二
-4.1引言-什么是HDR图像
-4.2 概述-HDR图像处理的研究内容
-4.3HDR图像获取—多曝光融合
-4.4色调映射基础
-第4章测试题
-5.1图像水印技术概述
-5.2图像单水印技术
-5.3图像双水印技术
-第5章测试题
-6.1图像检索概述
-6.2词袋(BOW)特征描述
-6.3VLAD特征编码
-6.4PCA降维
--6.4PCA降维
-7.1 监控视频编码的作用
-7.2 监控视频编码的标准
-7.3 监控视频编码标准
-第7章测试
-8.1运动目标检测
-8.2运动目标跟踪
-第8章测试题
-9.1高光谱图像基础知识
-9.2高光谱图像的应用
-9.3高光谱图像处理
-第9章测试题
-10.1现勘足迹的基本知识
-10.2现勘足迹提取方法
-10.3结构光测量技术概况
-10.4结构光提取原理
-10.5现勘三维现场重建技术
-10.6基于二维图像的三维现场重建
-10.7基于深度信息的三维现场重建
-10.8应用案例
--10.8应用案例
-第10章测试题
-11.1研究背景与意义
-11.2图像预处理技术
-11.3基于LBP纹理的鞋印检索
-11.4基于SIFT特征的鞋印检索
-第11章测试题
-12.1什么是案件的智能串并？
-12.2实现智能串并案的机遇与挑战
-12.3智能串并案的实现策略与方案
-12.4真实案件智能串并的实现
-第12章测试题
-13.1刑侦模拟画像概述
-13.2 刑侦模拟画像计算机辅助系统
-13.3刑侦模拟画像计算机辅助系统：两维三维画像辅助
-第13章测试题
