10.3969/j.issn.2095-2783.2022.11.011
结合自适应Gamma变换和MSRCR算法的低光照图像增强方法
针对低光照图像整体对比度低、细节显示不够清晰的问题,提出一种结合自适应伽马(Gamma)变换和带颜色恢复的多尺度Retinex(multi-scale Retinex with color restoration,MSRCR)算法的低光照图像增强方法.首先,为了动态地拉伸图像灰度值范围和提高图像对比度,进行RGB到HSV的颜色空间转换,采用多尺度融合方法提取图像的光照分量,并结合Gamma校正曲线实现图像自适应Gamma变换,提升图像的对比度;其次,针对自适应Gamma增强后的图像亮度较低的问题,采用MSRCR算法进一步提升图像亮度,并结合小波重构方法融合自适应Gamma变换后的图像和MSRCR增强后的图像;最后,由于小波重构后的图像局部存在过曝、过饱和的缺陷,结合基于模拟退火的自适应融合方法,将自适应Gamma变换后的图像和小波重构后的图像进行融合,得到最终的增强图像.所提方法既提高了低光照图像的对比度,使图像更有质感,又提升了图像的整体亮度,使暗部区域细节更加清晰;同时,弥补了MSRCR算法易出现色偏、颜色失真的缺陷.将所提方法应用于LOL低光照图像数据集,并与经典的图像增强算法进行对比.实验结果表明,所提方法使图像质量平均提高70％,图像结构相似性(structural simi-larity,SSIM)指数平均提高30％,图像信息熵平均提高20％,不仅提升了图像的对比度和亮度,而且避免了过曝、色偏、颜色失真等问题的出现.
图像增强、低光照图像、自适应Gamma变换、MSRCR算法、小波重构、模拟退火算法
17
TP391.41(计算技术、计算机技术)
吉林省自然科学基金资助项目;吉林省教育厅十三五科学技术项目
2022-12-06（万方平台首次上网日期，不代表论文的发表时间）
共9页
1245-1253
