基于机器学习的压缩域图像均衡增强方法

何 山，赵 越，乔孟锐

(西南石油大学计算机科学学院，四川成都 637001)

1 引言

图像研究技术在生产生活中的多个领域得到广泛应用的同时，各行业对图像处理的质量水平也提出了更高要求[1-2]。因此，压缩域图像处理技术应运而生，成为近几年图像技术研究的热门领域。为了解决拍摄图像不清晰，整体画面模糊，难以精准聚焦图像特征点等问题，图像增强技术得以开发研究。该技术主要有两种操作类型：空间域和变换域。空间域是通过图像尺度调节、像素比率对照等方式，直接对原始图像进行清晰度调整；变换域则是通过获取图像参数数据对图像各元素参数进行变换运算，再将所得数据结果转化为图像。这种方法相比于空间域方法有更强的适用性，对于光影色彩占比较重的图像有更好的处理效果[3-4]。相关学者对此进行了研究，取得了一定的进展。谭云兰等人基于自适应引导滤波的全景图像增强算法[5]，利用加权最小二乘滤波器实现引导图像重建，通过AGIF法增强全景图像场景细节，此方法能够提升图像增强效率，但是图像清晰度不佳。赵春丽等人提出基于暗通道及多尺度Retinex的雾霾天气图像增强算法[6]，根据多尺度Retinex算法实现对照度分量估算，利用伽马变换完成照度校正，有效提升了图像的视觉效果，但是清晰度不佳。

本文基于机器学习的原理提出了一种新的压缩域图像均衡增强方法，在图像均衡增强过程中引入机器学习法能够得到更好的图像增强效果。……