龙庆延, 王正勇, 潘 建, 何小海*, 卿粼波
(1.四川大学电子信息学院, 成都 610065; 2.中国民航局第二研究所, 成都 610041)
在低照度条件下,由于图像采集设备的性能有限,导致采集图像整体亮度不足、局部细节丢失等问题的出现,不能满足目标检测、跟踪、识别等实际场景中对高质量图片的需求。因此,研究低照度条件下的图像增强技术有很强的理论意义和一定的应用价值。
低照度图像增强的主要目的是恢复隐藏在黑暗中的细节信息并改善图像的整体视觉效果。目前中外常用的低照度图像增强方法主要分为以下4类:
(1)基于直方图均衡(HE)的方法[1]。直方图均衡对给定图像的直方图进行非线性变换,处理后的图像直方图近似于均匀分布,从而使图像的对比度得到相应的提升。优点是计算量较小,易于实现,但是增强后由于图像灰度级合并容易出现细节丢失,颜色失真等问题。
(2)基于Retinex理论的方法[2-4]。经典的MSRCR(multi-scale Retinex with color restoration)算法[2]使用高斯滤波器来提取光照分量后经对数变换获得增强图像。Fu等[3]提出了一种基于加权变分模型SRIE(simultaneous reflectance and illumination estimation)的算法,对图像中的光照分量和反射分量同时进行估计;Guo等[4]提出了LIME(low light image enhancementviaillumination map estimation)算法,对原始图像采用Max-RGB模型估计初始光照,经过结构信息和Gamma校正优化光照分量,并在增强后使用BM3D算法进行去噪;卢玮等[2]在RGB空间下通过SSR(single-scale Retinex)增强结果与在YCrCb空间下通过MSR(multi-scale Retinex)增强结果加权融合后,得到最终增强图像。但以上方法在亮度突变区域存在过度增强,容易出现光晕。
(3)基于去雾模型的方法。……