空间转换和自适应灰度校正的低照度图像增强

作者：常戬; 刘鑫姝

来源：计算机工程, 2022, 1-12.

DOI：10.19678/j.issn.1000-3428.0064438

• 图像增强
• Retinex算法
• 空间转换
• 频率域图像
• 空间域图像
• 多聚焦融合

低照度场景下所采集的图像存在整体亮度偏低、对比度较差和细节信息丢失等复杂现象，严重影响其在图像增强应用邻域中的性能，为了能够改善低照度成像质量并使图像结构完整且纹理细节自然清晰，提出一种空间转换和自适应灰度校正的低照度图像增强算法。首先，对原始图像采用带有灰度校正的自适应压缩多尺度Retinex算法得到均衡化图像，避免传统Retinex算法对图像进行全局性处理导致图像产生过亮或过暗的现象；再将获取的均衡化图像通过空间转换方法进行处理分别获取频率域平滑图像和空间域锐化图像，提高图像的整体亮度和对比度，保留图像中物体边缘细节信息；最后采用多聚焦融合算法，将原始图像、频率域平滑图像和空间域锐化图像进行融合，得到结果图像。实验结果表明，本文算法在各项数据指标中表现出明显的优势。在ME指标中，比其他四组算法平均提升1.63%；在MS指标中平均提升0.89%；在IE指标中平均提升0.17%；在AG指标中平均提升1.91%。相较其他图像增强算法，本文算法针对低照度图像有效的提升亮度、清晰度和对比度，增强了图像边缘信息和纹理细节信息。无论从人眼主观分析还是客观数据分析，增强后的图像视觉效果好于现有的低照度图像增强算法。