视频图像处理技术中，由于视频和图像大多数是利用相机和摄像头等光学传感器获取的，在低光环境下，光照不足和光源单一等不良因素会导致我们获取的视频图像质量偏差，出现亮度过低、细节丢失、对比度不足等问题。因此，利用图像处理技术对低光视频图像进行增强处理，进而使其具有更加丰富的细节和更加良好的视觉效果是非常有必要的。
1全局自适应色调映射增强算法
图2 全局自适应色调映射算法处理流程
当图像的对数平均亮度值较小时，图像的整体亮度会得到有效地提升，尤其是暗部的像素点亮度值将被增强；当图像的对数平均亮度值较大时，函数又将近似地收敛为线性函数，避免对图像亮度的过度增强。式4-4将图像的全局亮度值和最大亮度值除以图像中的对数平均亮度值，这使得本算法能够根据图像本身的特征进行增强，可适应多个场景，具有较好的自适应性。
2基于融合的低光视频增强算法
由于拍摄场景和拍摄设备的不佳，低光视频普遍存在视频平均亮度低、对比度低、细节模糊等问题。如果视频的质量较差、暗部的细节已经丢失的话，那么采用基于自身的增强算法将不能获得较好的处理效果，细节部分仍将是缺失的。
若在增强的过程中，引入同一场景下质量较好的图像进行融合增强来取代直接对低光图像本身进行增强，则会获得更好的增强效果，丰富视频的细节信息。这种引入外部图像进行视频增强的算法即为基于融合的增强算法。融合增强的目标是从同一场景下质量较高的图像中提取高亮度的场景信息，然后对视频中的低光视频帧的场景进行补偿增强。其典型应用就是用相同场景下光照良好的图像来增强夜间的低光视频，如夜间监控视频的增强。
其处理流程大致如下：
其中，LDB(x,y)和LNB(x,y)分别为曝光良好和视频帧的背景亮度分量，LN(x,y)为视频帧的反射分量，LENH(x,y)为增强后的低光视频帧。通过组合同一场景下曝光良好图像的信息，算法可以恢复低光视频帧中缺失的细节、颜色等信息，对视频整体背景恢复效果较好，场景显示更加的清晰，视频中的目标特征也更加容易辨识，为后续的识别、分析和处理提供了帮助。融合算法是以同一场景下的曝光良好图像为依托进行增强，这就决定了融合算法增强的对象必须是相机固定不动的固定场景视频，因此融合算法主要在视频监控领域取得了应用。采用融合算法的监控系统将白天的场景信息融合到夜间视频中，可以实现连续监控获取目标区域的增强后图像。基于融合的算法由于算法本身的限制，对视频中移动物体的增强效果并不十分理想。如果增强的参数设置不合适的话，可能会出现视频背景与移动物体混淆、移动物体带有光晕、背景与运动区域融合不自然等问题。
3 带镜头分割的帧间融合增强算法
进行视频增强时常应用参数传播算法，其目的是通过计算各帧之间参数的对应关系，实现较为平滑自然的处理效果。常见的参数传播算法包括帧差法、光流法和基于区域的传播等方法。前文介绍了一种全局自适应的色调映射增强算法，如果能将其利用参数传播的原理运用于低光视频的增强处理，或许能取得较为良好的处理效果。
全局自适应色调映射算法基于以下公式进行增强：
在对低光图像的增强过程中，该算法需要计算图像的亮度平均对数值以及像素点亮度最大值。在低光视频中，相邻帧图像的亮度信息往往变化不大，故图像的亮度平均对数值和亮度最大值的分布也较为相近。且视频本身具有空间连续性，相邻几帧图像的运动信息也较为一致。虽然视频中的场景或者运动目标是在变化的，但相邻帧之间的大部分像素点仍是相同的。因此，尝试将原始低光视频进行等差抽帧处理，而后将样本帧的亮度平均对数值和像素点亮度最大值进行插值传播到中间帧，最后输出处理后视频。
首先按照一定的距离，对输入视频进行抽帧处理。如距离为5，则抽取第1帧、第6帧、第11帧等，依此类推进行抽取。然后对样本帧进行全局自适应色调映射增强，并获得其亮度平均对数值和像素点亮度最大值序列。再将获得的序列分别进行插值处理，得到模拟的中间帧的亮度平均对数值和像素点亮度最大值序列。最后，将模拟的参数序列直接运用到全局自适应色调映射算法中，对中间帧进行增强处理，得到完整的视频帧图像序列。通过此方法，将样本帧的亮度信息插值拟合后传播到中间帧，有效地保持了输入低光视频的帧间亮度空间连续性，输出视频亮度信息较为稳定，并减少了算法总运算量，获得了更好的处理速度。下面可以对低光视频进行带镜头分割的帧间融合增强处理。整体处理流程如下：
图4 带镜头分割的帧间融合增强处理流程
首先判断输入低光视频是否为多镜头视频，若为多镜头视频，则对其进行镜头分割，而后对分割后的单个镜头进行处理；若为单镜头视频，则直接进行增强处理。在分割后的单个镜头中等距抽取样本帧，对样本帧进行全局自适应色调映射增强算法，并保留样本帧的亮度信息。把样本帧的亮度信息带入到全局自适应色调映射算法中，对未抽取的中间帧进行增强处理，结合处理后的样本帧，得到增强后的镜头。把各个镜头依次增强后，将增强后的各个镜头组合起来，即完成了低光视频的整个增强过程。
4 实验结果与分析
下图中第一列为多镜头低光视频的镜头转换处视频帧，第二列为直接运用帧间插值融合算法的处理结果，第三列为采用带镜头分割的帧间插值融合算法的处理结果。对比易得，在运用帧间插值融合算法增强多镜头视频时，镜头交界处未被抽取到的中间帧会被以错误的亮度信息进行增强，得到完全混淆的处理结果。而第三列中镜头分割后的增强处理解决了这一问题，获得了良好的处理结果。
图5多镜头视频处理结果对比
经过仿真，帧间插值融合算法具有相对较好的增强效果，能充分发挥全局自适应色调映射算法的优点，并且保持了视频的空间连续性。对于多镜头的低光视频，可以采用带镜头分割的帧间插值融合算法，对视频分镜头处理后再组合，解决了镜头转换处切换不自然的问题。由于镜头分割算法需要耗费一定的时间，故如果对多镜头低光视频的增强效果要求不高的话，也可以采用逐帧直接增强的方式进行处理。
参考文献
[1] 陆许明,朱雄泳,李智文,麦建业,谭洪舟.一种亮度可控与细节保持的高动态范围图像色调映射方法[J].自动化学报,2015,41(06):1080-1092.
[2] 程中林,王永国,刘平.一种改进的低照度视频增强方法[J].山东理工大学学报(自然科学版),2010,24(04):98-101+106.
[3] 黎红,肖何.视频增强算法及其应用[J].科技通报,2017,33(03):183-188.
[4] 方明,李洪娜,雷立宏,梁铭.低照度视频图像增强算法综述[J].长春理工大学学报(自然科学版),2016,39(03):56-64+69.
[5] 冯维,吴贵铭,赵大兴,刘红帝.多图像融合Retinex用于弱光图像增强[J].光学精密工程,2020,28(03):736-744.
[6]杨佳义,陈勇.低照度视频图像自适应补偿增强的设计与实现[J].计算机应用,2020,40(08):2372-2377.
[7]刘玉洁,朱韶平.基于全局和局部多特征的图像增强算法[J].液晶与显示,2020,35(05):508-512.
[8]田旺,陶青川.基于融合的夜间视频图像增强算法[J].计算机安全,2013(10):43-46.