基于Retinex理论的低照度图像增强算法研究.pdf

基于Retinex理论的低照度图像增强算法研究

摘要

随着信息化时代的飞速发展，彩色图像在各个领域中的应用已经变得日益普

遍，与此同时，日益增长的需求也对图像处理技术提出了更为巨大的挑战。在医

学、工业、军事、农林等领域中，数字图像的应用都得到了广泛的推广，清晰且

高质量的图像将是设备稳定运行的基础。然而，在自然界或某些实际应用场景下，

由于天气原因、环境光照强度、采集设备性能的优劣，导致拍摄的图像整体亮度

偏低，色彩失真，这可能会成为影响整个系统运转的最大阻碍。因此，低照度图

像增强技术具有重要的研究价值。

（1）本文首先针对传统图像增强算法泛化能力较差、色彩失真，提出了一种

基于加权引导滤波与自适应饱和度的图像增强算法。首先，将原始图像进行锐化

处理；之后，将图像的色彩空间由RGB转换至HSV，并对其中的亮度通道进行基

于加权引导滤波的Retinex算法处理提取出光照分量，在这个过程中，选取之前锐

化后的原图作为引导图像；再根据光照反射模型估算出反射分量，使用自适应伽

马校正算法对光照分量进行处理，使光照强度分布均匀，保持图像的色彩平衡；对

饱和度分量，采取基于K均值聚类的分段指数增强算法，先对饱和度分量进行区

间划分，再应用分段指数增强算法对不同区域的饱和度分别进行处理，得到最终

增强图像。经过实验证明，该算法在提升图像整体亮度和色彩恢复上表现出色。

（2）其次，针对多数基于Retinex的传统算法在处理低光照图像时，只对光

照分量进行增强或仅利用光照分量实现图像增强，提出了一种基于Retinex理论的

双分量增强的图像增强算法。算法在传统伽马校正方法上进行改进，先采取双伽

马函数进行全局增强，再联合局部图像信息进行修正。使图像光照分布均匀，表

现更自然。接下来，采用非锐化掩模算法增强反射分量。实验表明，该算法可以

有效的提高图像边缘细节和对比度。

本文算法结合了传统算法的特点，在一定程度上提高了算法的泛化能力，更

好的还原了色彩，增强图像亮度的同时保留了图像的纹理细节，提升了图像整体

质量。为验证本文所提出算法的增强效果，将选用多张不同情况下的低照度图像，

包括低照度、欠照度、室内、室外、复杂纹理情况。通过LOL数据集图像的实验

验证并结合主观与客观对算法的评估，实验数据表明本文算法具有普适性和有效

性。

关键词Retinex理论；图像增强；引导滤波

-I-

ResearchonLowIlluminationImagesEnhancement

AlgorithmbasedonRetinex

Abstract

Withtherapiddevelopmentoftheinformationage,theapplicationofcolorimages

invariousfieldshasbecomemoreandmorecommon,atthesametime,theincreasing

demandforimageprocessingtechnologyhasalsoputforwardagreaterchallenge.In

thefieldsofmedicine,industry,military,agricultureandforestry,theapplicationof

digitalimageshasbeenwidelypromoted,andclearandhigh-qualityimageswillbethe

basisforstableoperationofequipment.However,innatureorsomepractical

applicationscenarios,duetoweatherreasons,environmentallightintensity,acquisition

equipment