低照度图像增强算法研究.pdf
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