基于Retinex理论的低照度图像增强研究

发布时间：2020-04-08 11:14

【摘要】：图像作为信息的载体,在通信、交通、监测、遥感、机器人等领域广泛应用,海量的图像中,因为拍摄环境因素造成的低照度图像占了很大的比例。低照度图像一般具有亮度比较低、细节不清晰、颜色失真严重、噪声大等缺点,其应用价值大打折扣,因此研究低照度图像增强具有重要的实践意义。Retinex算法是基于人眼视觉系统感知物体亮度和颜色的模型,具有恒常性,并且可以做到亮度提升、细节增强和颜色保真的统一,对低照度提升比较全面。针对部分图像在光照不均匀和过暗下出现的对比度低、细节不可见等问题,基于Retinex理论,提出了两种算法。一种是多层融合和细节恢复图像增强方法。将输入图像转换至HSV空间,将V通道等价复制为三层:Retinex增强层、亮度增强层、细节突出层。在Retinex增强层中,利用加权引导滤波和形态学结合来消除光晕现象,并引入整体亮度和局部细节调节因子改进单尺度Retinex模型达到提高图像整体亮度、突出细节的效果;在亮度增强层,利用反三角函数性质,提出新的归一化函数进一步增强了图像的亮度;在细节突出层,采用人工蜂群算法优化改进了一种局部线性模型来突出图像细节。根据Gamma校正特性和邻域像素关系,提出细节恢复方案避免了三层融合后造成的部分细节模糊。仿真实验结果表明该算法无论主观还是客观上都能够有效地提高图像对比度和突出细节。另一种是改进的多尺度Retinex算法图像增强算法。将输入图像转换至HSV空间,将V通道等价复制为两层,记为Retinex增强层和细节恢复层。在Retinex增强层中,对V通道进行三层不同尺度的高斯滤波,将滤波输出结果的均值作为亮度估计,并用整体亮度调节因子和局部细节调节因子改进单尺度Retinex模型达到突出细节、提高亮度的效果。在细节恢复层中,对V通道采用三层不同尺度的高斯模糊,达到细节恢复增强的效果。将两层结果按照多尺度方式融合,最后进行实验仿真。结果表明该算法能有效地提高图像对比度,且具有最小的亮度失真率。
【图文】：

低照度,环境,图像

低照度环境通常指环境照度低于规定的照度正常条件，低照度图像就是在一个低照度环境下采集到的图像。在图像处理领域，对于低照度环境目前还没有公认的统一标准。通常在摄影中，当环境中光线照度低于水平 100 烛光每英尺称为低照度环境[60]，，但在人们实际生活中，环境中的光线对物体的照明程度会受到很多其他因素的制约，例如空气中有烟尘时，光会发生散射。所以，只要图像采集设备采集的图像开始出现噪声、细节丢失以及颜色失真，就认为其所处的环境为低照度环境。随着成像技术逐渐成熟，成像设备增多，采集图像不仅是专业摄影师利用专业设备在良好环境下进行。越来越小、轻、便携的摄像机、智能手机以及监控走入寻常百姓生活中，人们可不分时间地点地采集图像。由于图像采集的随意性，导致拍摄环境不能达到理想情况。图像整体或者部分亮度偏低的原因有很多，例如设备在采集的时候，环境光线不充足，拍摄位置逆光，所处环境光照不均匀等

模型图,模型图,颜色

电大学硕士学位论文第 2 章基本理论和相关方1) 人们所处的环境其实是没有颜色的，人眼之所以感知环境中不同的和物质的相互作用。比如我们平时看到的水是没有颜色的，但是人却有不同的颜色，那是水膜表面光的干涉现象。2) 每一颜色区域由以下固定波长的三原色构成：红、绿、蓝。3) 每个单位像素点的颜色由红、绿、蓝三原色决定。上面三个假设可知，人类视觉系统看到的物体的颜色由长波、中波波形的反射能力决定。长波对应红色。中波对应绿色。短波对应蓝和光照的非均匀性对物体实际呈现在人眼视觉系统的颜色没有影响。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751

【相似文献】