低照度图像增强算法研究.pdfVIP

低照度图像增强算法研究

摘要

在日常生活和工作中，经常会遇到由于光照不足导致图像质量下降的情况，如夜间

摄影、地下停车场监控、远程天文观测等。这些低照度环境下的图像往往亮度较低、清

晰度低，给人们的视觉感知和信息提取带来极大挑战。因此，对低照度图像增强算法进

行研究具有现实意义。

本文基于实际科研项目，从Retinex理论、大气散射模型、卷积神经网络三个维度

出发，深入探讨了这三类低照度图像增强算法，主要开展了以下几个方面的研究工作：

首先，展开了基于Retinex的低照度图像增强算法研究，针对具有色彩恢复的多尺

度Retinex(Multi-ScaleRetinexwithColorRestoration，简称MSRCR)算法存在的色彩失真

问题，提出了融合边缘信息的MSRCR算法，该算法加入引导滤波，通过对亮度通道进

行处理，结合改进边缘检测方法与非锐化掩蔽和高提升滤波思想估计光照分量和反射分

量，采用分段灰度线性变换调整对比度，最终将颜色空间转换为RGB，并进行进一步色

彩恢复处理。实验结果表明该算法处理后的低照度图像的亮度、色彩恢复均取得了较好

的效果。

其次，展开了基于去雾模型的低照度图像增强算法研究。针对暗通道先验算法存在

的局部区域过度增强或增强不足问题，提出了自适应暗通道先验算法。该算法基于感知

亮度将低照度图像划分为三类，每类图像再通过最大类间方差法划分为两个区域，并且

每类图像的不同区域之间存在联系，针对不同类别图像的不同区域设计不同的算法进行

图像增强。在不同低光环境下进行实验，该算法的结果图像整体与细节方面均取得了较

好的增强复原效果。

然后，展开了基于CCN的低照度图像增强算法研究。针对自校准光照学习算法在

非均匀光照的低光环境下会存在曝光和亮度增强不足，并且伴随着噪声干扰的问题，提

出了改进自校准光照学习算法。该算法在LOL数据集上进行网络训练，通过引入注意

力机制避免了增强后的图像出现曝光和亮度不足的现象；构建照明调整模块，对光照分

量进行调整；引入去噪模块来消除噪声干扰；将批量归一化改变为批量通道归一化，避

免批量归一化对Batchsize大小的敏感。在真实低光环境下进行测试表明该算法能够实

现对低照度图像的高质量增强。

最后，展开了低照度图像增强效果的客观评价研究。针对单指标客观评价方法存在

的不准确性问题，采用层次分析法建立综合评价体系。该评价体系从图像亮度、清晰度、

哈尔滨工程大学硕士学位论文

色彩恢复度三方面来量化分析图像质量，并将量化结果进行归一化处理。采用该方法对

本文提出的算法进行客观评价，结果表明本文算法有效提升了低照度图像的整体质量。

关键词：低照度图像增强；MSRCR；暗通道先验；自校准光照学习；层次分析法

低照度图像增强算法研究

ABSTRACT

Indailylifeandwork,itiscommontoencountersituationswhereimagequalitydecreases

duetoinsufficientlighting,suchasnighttimephotography,undergroundparkinglotmonitoring,

remoteastronomicalobservation,etc.Theseimagesinlowlightenvironmentsoftenhavelow

brightnessandclarity,posinggreatchallengestopeoplesvisualperceptionandinformation

extraction.Therefore,studyinglowlightimageenhancementalgorithmshaspractical

significance.

Basedontheactualresearchprojects,thispaperdiscusses