低照度图像增强算法研究.pdfVIP

低照度图像增强算法研究

摘要

近年来，以计算机视觉为代表的新型技术蓬勃发展，对图像处理也提出了更高要求。

受低照度环境等因素影响，图像通常会出现整体亮度偏低，对比度较差，细节信息被掩

盖的情况。作为图像处理的关键一环，低照度图像增强算法在众多领域内发挥着重要作

用，其主要目的是提升图像整体亮度，改善图像整体对比度和局部对比度，恢复图像细

节信息与图像质量，从而符合人眼视觉特性，并在相应场景下满足设备识别的要求。

本文首先说明了课题的背景及意义，结合国内外研究现状，对低照度图像增强相关

理论与关键问题作了论述，然后分析了通用的增强算法，并总结了算法特点和不足。针

对基于暗通道先验的图像增强算法存在的问题，本文提出了一种基于暗通道先验的图像

增强改进算法。根据区域划分和区域评价，设计了基于区域评价的全局大气光值估计算

法，有效提升了全局大气光值估计的精确度，增强了不同天空区域下算法的自适应性。

在透射率估计过程中，通过分析最小值滤波在景深边缘处的缺陷，设计了基于边缘保持

的透射率优化算法，结合均值降采样和双线性插值升采样，使算法运行效率得到显著提

升。实验结果表明，改进算法有效消除了图像块效应和Halo效应，在客观评价指标方

面表现较好。

为进一步提升算法对物理模型及作用域的鲁棒性，本文提出一种基于自适应加权融

合的图像增强算法。为实现低照度图像初步增强，设计了自适应Gamma校正算法。结

合颜色空间转换，在HSV颜色空间中采用AGCWD算法，并提取基于暗通道先验的图

像增强改进算法的V分量，避免了颜色失真问题。根据低频分量和高频分量不同的融合

规则，设计了基于小波变换的多尺度图像融合，实现了不同分量的有效融合。采用双边

滤波并结合MSR算法进行多尺度照度估计以获得V分量的背景图像，在此基础上，设

计了一种自适应非锐化掩模算法，提升了融合后V分量的细节信息。根据亮度差值对S

分量进行自适应调整并利用非局部均值滤波进行去噪，使图像质量得到较大程度的改善。

实验结果表明，本文算法克服了其它算法的不足之处，最大程度地恢复了无黑暗条件下

的图像。本文设计并完成了低照度图像增强与分析系统，实现了多种图像增强算法的选

择、对比及评估。

关键词：低照度图像增强；Retinex理论；暗通道先验；自适应加权融合

I

低照度图像增强算法研究

Abstract

Inrecentyears,newtechnologiesrepresentedbycomputervisionhaveflourished,and

higherrequirementshavebeenputforwardforimageprocessing.Duetofactorssuchaslow

illumination,imagesoftenexhibitlowoverallbrightness,poorcontrast,andobscureddetails.

Asacrucialpartofimageprocessing,lowlightimageenhancementalgorithmsplaya

significantroleinnumerousareas.Theirmainpurposeistoenhancetheoverallbrightnessof

theimage,improvetheoverallandlocalcontrastoftheimage,restoreimagedetailinformation

andimagequality,therebyconformingtohumanvisualcharacteristicsandmeetingthe

requirementsofdevicerecognitionincorrespondingscenarios.

Thispaperfirste