基于暗通道先验的低照度图像增强算法的研究

摘要

在光源不足的条件下捕捉到图像通常具有较低的识别度，称为低照度图像。在现实生活中低照度图像普遍存在，通常具有色彩失真和局部对比度低等问题。一般计算机视觉算法和应用都是以高质量图像为基础设计的，低照度图像给图像分析和处理带来巨大挑战，严重影响算法运行效率，因此研究低照度图像增强技术具有非常重要的现实意义。 传统图像增强方法主要有两种:空域法和变换域法。典型的空域法有直方图均衡化算法和Retinx系列算法，变换域法通常采用小波变换和同态滤波等方法。尽管已经提出许多图像增强技术来解决低照度图像问题，上述方法或多或少都会有对比度降低或者过度增强的问题。此外，由于缺乏对物理的建模，传统方法没有很好的通用性，很容易产生细节丢失和颜色失真问题。经实验分析，Dong发现低照度图像取反结果与雾天劣化图像的灰度分布具有相似的统计特性，提出一种简单高效的基于去雾技术的低照度图像增强算法，使用暗通道先验算法获取复原场景。该算法能够显著地增强图像局部对比度丰富图像细节信息，然而块效应引入了噪声导致边缘模糊，并且在暗通道先验失效的情况下会产生严重的失真。 根据低照度图像取反结果与雾天劣化图像的相似性，结合暗通道先验算法，改进了dong的算法，利用亮度信息计算透射率图，并使用导向滤波对结果进行优化。最后采用信息熵、峰值信噪比和结构相似性作为质量评价标准验证改进后的算法。实验结果表明，该算法处理效果更好且效率良好，优化的透射率图减少了噪声，可以实现更准确的亮度和细节增强。

目录

第一个书签之前