低照度图像的增强算法研究.doc

低照度图像的增强算法研究近几年视频监控系统越来越发达,但在低照度环境中,由于光照不足而导致图像亮度低,细节信息丢失严重,对图像的识别带来困难。因此对低照度图像增强算法进行研究有着重要的理论意义与应用价值。本文研究低照度图像反转图像与雾天图像的相似之处,针对暗原色先验去雾算法进行图像去雾后会出现块效应以及透射率细化所采用的软抠图法存在的时间复杂度高等问题,本文研究了改进的暗原色先验与直方图均衡化融合的低照度图像增强算法。采用常数替代最小值滤波,对图像进行逐像素处理,快速求解出精简透射率。通过引进参数对精简透射率进行补偿,防止图像像素点的通道最小值较大导致的图像失真问题发生。对于大气光值采用四叉树算法进行估计。再对经过暗原色先验算法处理后的图像进行直方图均衡化处理,使得图像灰度直方图由非均匀分布变换为在灰度范围内的均匀分布,进一步提高对比度,最后进行图像反转从而获得增强后的低照度图像。仿真结果表明,改进的算法提高了低照度图像的亮度与对比度,有效的消除了块效应,图像色彩还原度高,提升了图像的可视性,且与软抠图法相比运行速率明显提高。但对低照度图像景深处的增强效果不明显。针对上述算法存在的缺点以及传统同态滤波算法传递函数参数过多难以控制和多尺度Retinex算法容易产生光晕伪影现象等问题,研究了一种改进的基于同态滤波及多尺度Retinex低照度图像增强算法。首先对低照度图像的R、G、B三种分量分别用改进的同态滤波算法进行增强,提高图像对比度;然后将图像从RGB颜色空间转换到HSV颜色空间;在HSV颜色空间对饱和度分量进行自适应非线性拉伸,同时用改进的多尺度Retinex算法对亮度进行增强处理,对照射分量用伽马变换进行校正,对反射分量用Sigmoid函数进行处理,最后将图像再转换至RGB颜色空间输出。用Matlab对图像进行仿真处理,实验表明该算法提高了低照度图像的信息熵、峰值信噪比和对比度,提升了低照度图像的视觉效果。