低照度图像增强算法研究.doc

低照度图像增强算法研究夜晚、阴天等低照度条件下拍摄的图像具有低对比度、低信噪比、视觉效果差等特点,直接限制和影响目标识别与跟踪、视觉监控、军事侦察等系统发挥效用。因此,研究低照度图像增强具有重要的理论意义和应用价值。本文在研究常用的图像增强算法的基础上,重点分析了基于暗原色先验的去雾方法在低照度图像增强中的应用。深入探讨低照度图像和雾天图像的特点,简化雾天图像退化模型,提出了基于深度信息的低照度图像增强算法。该算法直接将低照度图像对估计得到的透射率进行归一化得到增强图像,可消除现有算法中常见的晕轮伪影,保留更多的图像细节,达到很好的增强效果。在上述工作的基础上,研究了大气散射模型和Retinex理论之间的关系,受基于图像深度的变尺度Retinex去雾思想启发,提出了基于Retinex理论和色彩保持的低照度图像增强算法。该算法直接将Frankle-McCannRetinex算法估计得到反射光图像作为透射率,并针对增强过程中出现的色偏现象,采用一种色彩保持方案进行改进,在增强的同时可以很好的保持原图像的色彩,取得理想的视觉效果。