基于暗原色先验的低照度图像增强

合集下载

基于暗原色先验的夜视图像增强算法

基于暗原色先验的夜视图像增强算法陈萌;张红英;吴亚东;刁扬桀【期刊名称】《信息通信》【年(卷),期】2015(000)001【摘要】The image captured in night condition has low contrast and details in it are lost. It’s not convenient to capture the de-tails of the image in many fields. In this paper, an improved night image enhancement algorithm based on dark channel prior is proposed to enhance this kind of images. Changing soft matting into morphological opening operation, reduce the time comple-xity of the algorithm. After the enhancement using dark channel prior enlarge noise. To overcome this drawback, through local denoising the processed images obtain higher image fidelity. Experimental results show that the proposed algorithm can effec-tively enhance night images, improve the contrast, highlight details and reduce the noise.%在夜晚条件下拍摄到的图像对比度低，信息缺失，对诸多领域获取图像细节信息造成不便。

基于暗原色先验的嵌入式图像增强系统

基于暗原色先验的嵌入式图像增强系统
尹传历，丽娜，松伟，仲宇，志强孙韩刘李
（国科学院长春光学精密机械与物理研究所，林长春中吉１０３，Ｅｍａｌｙｎｈａｌ１７＠１３ｃｒ）３０３ｉｉｃｕｎｉ９９６ｇｃｎ３０３，Ｃｈｎｉａ，Ｅ－ｌ：ｉｅｕｎｉ１７ｍａｉｙｎｈａｌ＿９９＠ｌ３ｃｒ）６．ｏｎ
ＡｂｔａｔＡｃｏｒｉｔｔｅｉａａｔｇｅｆｏｏｒｉｔｔｏｎｓｒｃ：ｃｄｎｇｏｈｄｓｄｖｎａｏｃｌｄｓｏｒｉｏｆｏｌｒｃｏｈｉｔｇｒｍｅａｉａｉｓｏａｑｕｌｚｔｏｎａｇｉｈｍ，ａｎｅｉａｅｈａｃｍｅｌｒｔｍｂｓｄｏｄｒｈａｌｏｒｔｗｍｇｅｎｎｅｎｔａｇｏｉｈａｅｎａｋｃｎｎｅｐｉｓｐｒｓｎｅ．ｌｒｏｒｉｅｅｔｄＦｉｓ，ｔｅｄｒｈｎｎｅｍａｅｉｏ．Ｔｈｅｈｅｔａｍｉｓｏｎｍａｎｄｔｔｏｐｈｅｉｐｔ— ｒｔｈａｋｃａｌｉｇｓｄｎｅｎｔｒｎｓｓｉｐａｈｅａｍｓｒｃｏｉ
摘
要：针对彩色直方图均衡化算法颜色易失真的缺点，出了一种基于暗原色先验的快速图像增强算法。提
首先求取全局暗原色图，后估计透过率图和大气光成分图，后根据大气散射模型恢复出图像中所有像素然最的灰度值。结合实际应用，高性能ＤＳ以Ｐ芯片Ｔｓ２Ｄ４７作为中央处理器，合现场可编程门阵列Ｍ３ＯＭ６３结

基于深度学习的低光照图像增强算法研究与实现

基于深度学习的低光照图像增强算法研究与实现低光照条件下拍摄的图像往往存在着明显的噪点和模糊，影响了图像的质量和细节。

为了改善这一问题，研究者们提出了很多低光照图像增强算法。

其中一种较为有效的方法是基于深度学习的算法。

本文将重点介绍基于深度学习的低光照图像增强算法的研究与实现。

首先，我们需要了解深度学习在图像增强领域的基本原理。

深度学习是一种机器学习算法，它通过模拟人脑神经元的工作原理来提取和学习特征。

在图像增强中，深度学习可以自动学习低光照图像中隐藏的有用信息，从而改善图像的质量。

在低光照图像增强算法的研究中，研究者们采用了多种不同的深度学习模型来解决这一问题。

其中，卷积神经网络（Convolutional Neural Networks，简称CNN）是最常用的模型之一。

CNN是一种专门用于处理图像的神经网络，它能够有效地提取图像中的特征信息。

在低光照图像增强中，CNN可以通过学习大量的低光照图像和其对应的增强图像，来建立一个预测模型。

该模型可以通过输入低光照图像，输出一张增强后的图像。

训练模型时，可以使用真实拍摄的低光照图像作为输入，使用其增强图像作为标签，通过反向传播算法不断调整模型的参数，使其能够更好地生成高质量的增强图像。

此外，为了提高低光照图像增强算法的效果，研究者们还采用了一些改进策略。

例如，引入自适应参数，根据不同的低光照条件动态调整参数，以适应不同的图像。

另外，一些研究还将传统图像增强技术与深度学习相结合，以进一步提高增强效果。

在实际应用中，基于深度学习的低光照图像增强算法已经取得了显著的效果。

例如，在夜间拍摄的照片中，通过使用这些算法进行增强，可以使得图像的细节更加清晰，噪点明显减少。

这对于安防监控、无人驾驶等领域具有重要的应用价值。

然而，基于深度学习的低光照图像增强算法仍然存在一些挑战和问题。

首先，需要大量的标注数据来训练深度学习模型，这在某些情况下可能比较困难。

其次，深度学习模型的复杂性导致了其计算开销较大，需要较高的计算资源和时间成本。

一种基于暗原色先验的低照度视频增强算法

Ａｂｓｔｒａｃｔ：Ｔｈｅｖｉｄｅｏｃａｐｔｕｒｅｄｉｎｌｏｗｌｉｇｈｔｉｎｇｃｏｎｄｉｔｉｏｎｈａｓｌｏｗｃｏｎｔｒａｓｔ，ａｎｄｔｈｅｄｅｔａｉｌｓｉｎｉｔａｒｅｈｉｄｄｅｎ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｎ
ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｅｘｐｌｏｉｔｓｔｅｍｐｏｒａｌａｃｃｕｍｕｌａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｔｏｐｒｅｐｒｏｃｅｓｓｔｈｅｌｏｗｌｉｇｈｔｉｎｇｖｉｄｅｏａｎｄｒｅｍｏｖｅ
ｖｉｄｅｏ．Ｔｒａｄｉｔｉｏｎａｌｅｎｈａｎｃｅｍｅｎｔｍｅｔｈｏｄｉｓｂａｓｅｄｏｎｄａｒｋｃｈａｎｎｅｌｐｒｉｏｒｅｎｌａｒｇｅｓｖｉｄｅｏｎｏｉｓｅ．Ｔｏｏｖｅｒｃｏｍｅｔｈｉｓｄｒａｗｂａｃｋ，
（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７２，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙａｎｄＥｄｕｃａｔｉｏｎ，Ｔｉａｎｊｉｎ３００２２２，Ｃｈｉｎａ）

基于暗原色先验模型的水下图像增强算法

收稿日期:2017-11-21 修回日期:2018-03-22 网络出版时间:2018-05-28基金项目:海南省自然科学基金项目(20166234);海南省高等学校科学研究项目(Hnky 2017-57);三亚市院地合作项目(2015YD 47)作者简介:李社蕾(1979-),女,硕士,副教授,研究方向为智能算法㊁数字图像处理㊂网络出版地址:http :// /kcms /detail /61.1450.TP.20180525.1603.048.html基于暗原色先验模型的水下图像增强算法李社蕾1,李海涛2,崔聪颖1(1.三亚学院信息与智能工程学院,海南三亚572022;2.92961部队,海南三亚572021)摘　要:针对在水下环境中,由于光的散射和衰减导致的图像对比度低㊁颜色失真等问题,提出了一种暗原色先验模型和基于统计方法的颜色校正算法相结合的图像增强新方法㊂该方法根据水下彩色图像成像模型,首先利用暗原色先验算法对水下彩色图像进行去模糊处理,并针对大水深情况下获取水下图像时因使用人工照明而造成的水下彩色图像亮度不均匀问题,对暗原色先验模型中背景光强度A 值的估计方法进行改进;然后利用统计方法对水下彩色图像的R ㊁G 和B 三个颜色通道分别进行颜色校正,从而实现了水下图像色彩的整体校正㊂实验结果表明,该方法有效增强了水下彩色图像的对比度和亮度,消除了由于光的散射而造成的图像模糊,使水下彩色图像具有更好的可视性㊂关键词:水下图像;颜色校正;图像增强;暗原色先验;图像处理中图分类号:TP 391.4 文献标识码:A 文章编号:1673-629X (2018)10-0070-04doi :10.3969/j.issn.1673-629X.2018.10.014Underwater Image Enhancement Algorithm Based on DarkChannel Prior ModelLI She -lei 1,LI Hai -tao 2,CUI Cong -ying 1(1.School of Information &Intelligence Engineering ,Sanya University ,Sanya 572022,China ;2.The 92961Unit of PLA ,Sanya 572021,China )Abstract :Aiming at the problem of low image contrast and color distortion in the underwater environment caused by scattering and atten⁃uation of light ,we propose a novel method of image enhancement based on the combination of a dark channel priori model and a color correction algorithm based on statistical method.According to the imaging model of underwater color image ,firstly the dark channel prior algorithm is used to de -blur the image ,and for the uneven brightness of underwater color image caused by artificial lighting in deep wa⁃ter ,the estimation method of the background light intensity A in the dark channel priori model is improved.Then the color correction of the three color channels ,namely R ,G and B ,are respectively carried out by statistical method ,thus realizing the overall correction of un⁃derwater image color.The experiment shows that the proposed method can effectively enhance the contrast and brightness of underwater color images and eliminate the image blurring caused by light scattering ,which makes the underwater color images have better visibility.Key words :underwater image ;color correction ;image enhancement ;dark channel prior ;image processing0　引　言神秘的水下世界包含丰富的资源,作为水下探测的重要手段,数字图像处理可以直观地反映水下场景[1-4]㊂由于水下成像过程中水体吸收和散射的影响以及不同波长的光的变化衰减导致水下图像的退化,使得水下图像出现画质模糊,对比度低㊁颜色失真等问题㊂因此水下图像增强和恢复的研究具有很重要的意义,单个水下图像的增强和恢复已成为研究热点㊂2009年,何凯明博士[5]提出了基于暗通道先验理论的图像去雾算法,取得了非常好的去雾效果;2014年,文献[1]利用基于暗通道先验理论的图像去雾算法对图像进行去模糊,然后引入白平衡的方法对水下图像颜色进行校正;2015年,Galdran 等[6]对暗通道先验模型进行变形,提出了自动红通道水下图像复原方法,并通过引入图像的饱和度信息来去除人造光源的影响,取得了一定的复原效果㊂2016年,文献[7]提出了G 和B 两个通道利用类似暗原色先验的方法进行去雾,然后对R 通道通过白平衡的方法进行颜色校正,取得了第28卷　第10期2018年10月计算机技术与发展COMPUTER TECHNOLOGY AND DEVELOPMENT Vol.28　No.10Oct.　2018一定的水下图像增强效果㊂2016年,文献[8]在暗原色先验模型的基础上,利用直方图的统计特性估计水体光强,并在求透射率时,对暗通道进行双边滤波,利用灰度值的线性拉伸进行了颜色校正㊂该方法取得了良好的效果,但是易出现颜色过于艳丽㊁失真等情况㊂在上述研究的基础上,文中提出了一种暗原色先验模型和基于统计方法的颜色校正算法相结合的图像增强新方法㊂根据水下彩色图像成像模型,首先利用暗原色先验算法对图像进行去模糊,针对下光照特点对背景光强度A的估计方法进行了改进;然后对分别对水下彩色图像的R㊁G和B三个通道利用统计的方法进行颜色校正㊂1　暗原色先验模型去雾的原理1.1　暗原色先验模型暗原色先验(dark channel prior)指在绝大部分非天空的局部区域里,某些像素总会有至少一个颜色通道具有很低的值,即该区域光强度的最小值是个很小的数㊂这是何凯明博士统计了5000多幅户外无雾图像特征得出的规律㊂暗通道一个数学定义表示为: J dark(x)=min y∈Ω(x)[min c∈(r,g,b)J c(y)](1)其中,J c表示输入彩色图像J的每个颜色通道;Ω(x)表示图像J中以像素x为中心的一个窗口;J dark 表示J的暗通道,且暗颜色先验的理论指出:J dark(x)→0　(2) 1.2　基于暗原色先验的去雾方法(1)大气散射理论模型㊂根据Mie氏散射理论,Nayar等[9-11]总结出了大气散射理论模型㊂在计算机视觉和计算机图形领域,大气散射理论常用来描述图像的雾㊁霾等悬浮颗粒的干扰,可以简化为:I(x)=J(x)t(x)+A[1-t(x)]　(3)其中,I(x)为原始输入图像(即有雾图像);J(x)为物体的反射光(即无雾图像);A为全球大气光强度;t(x)为介质透射率㊂在简化后的模型中,已知条件I(x),图像去雾的目的是通过估计A和t(x),求解J(x),即得到去雾的清晰图像㊂式3可变形为:I c(x)A c=t(x)J c(x)A c+1-t(x)(4)其中,c∈(r,g,b),r,g,b为三个颜色通道㊂(2)透射率的估计㊂根据暗通道先验模型,假设在每个窗口内透射率t(x)为常数,将其定义为⎺t(x),并且A值已确定,然后对上式两边求两次最小值得到:min y∈Ω(x)[min c I c(y)A c]=⎺t(x)min y∈Ω(x)[min c J c(y)A c]+1-⎺t(x)(5)其中,J是待求的无雾图像,由暗原色先验理论可得:J dark(x)=min y∈Ω(x)[min c∈(r,g,b)J c(y)]=0(6)则有:min y∈Ω(x)[min c∈(r,g,b)J c(y)A c]=0(7)将上式带入式5,得到介质透射率⎺t(x)的预估值:⎺t(x)=1-min y∈Ω(x)[min c I c(y)A c](8)在现实生活中,即使天气晴朗,空气中也存在一些颗粒,一定程度雾的存在让人类感到景深的存在,在式8中引入一个因子ω∈[0,1],让图像保留一定程度的雾,则式8可修正为:⎺t(x)=1-ωmin y∈Ω(x)[min c I c(y)A c](9) (3)大气光强度值A的估计[5]㊂大气光强度值A的估计是借助于暗通道图像从原始有雾图像中获取,具体步骤如下:首先,从暗通道图中按照亮度的大小提取最亮的前0.1%像素,确定其所在位置;然后,在原始有雾图像I中寻找对应位置上具有最高亮度点的值,并将该值作为A的值㊂(4)图像去雾㊂根据式4㊁式9以及A的值,可以求解J(x):J(x)=I(x)-At(x)+A(10)其中,当t(x)很小时,则J值偏大,导致图像整体向白场过渡㊂这里设置一个阈值t0,当t(x)<t0时,令t=t0,式10可修正为:J(x)=I(x)-Amax[t(x),t0]+A　(11) 2　改进的暗原色先验模型水下图像增强算法(1)水成像理论模型㊂2012年,Chiang等[12]构建了水下成像模型,该模型和大气成像模型具有相似性,其本质区别在于光在水下传播时,不同频率的颜色分量具有不同的衰减率㊂在改进方法中,在颜色校正阶段处理该问题,水下成像模型定义为:Ic(x)=J c(x)t c(x)+(1-t c(x))A c(12)其中,c∈(r,g,b),r,g,b为三个颜色通道; Ic(x)为原始输入图像(即水下采集图像);J c(x)为物体的反射光(即期待的水下清晰图像);A c为背景光强度;t c(x)为介质透射率㊂透射率的估计最终结果仍为:㊃17㊃　第10期李社蕾等:基于暗原色先验模型的水下图像增强算法⎺t(x)=1-ωmin y∈Ω(x)[min c I c(y)A c](13) (2)水体光值的估计㊂文献[5]借助于暗通道图像从原始有雾图像中获取背景光A,在水下由于没有自然光照射,获取水下图像大多需要使用人工照明,不能保证图片光照的均匀,就会造成图像亮度不均匀,在水下图片中靠近光源的部分要比远离光源的部分亮很多㊂假如使用原始暗原色方法中利用暗原色值中的最大值来作为背景光那么无疑这个数值要远大于整体的背景光数值,会造成估计的背景光过高,在复原图像时会造成强烈的过曝光现象,尤其是在浑浊区域这种曝光现象尤为严重[8,13]㊂针对这一现象,文献[8,14]采用物理模型的方法对背景光进行估计㊂由于在具体的水下环境中,很多时候物理参数获取困难,文中针对人工照明造成的图像亮度不均匀的现状,对文献[2]中的方法进行改进㊂对于图像中任一点,以该像素点为中心,选择一个窗口,WindowSize=2*n+1;在暗通道图像的窗口中按照亮度的大小提取最亮的前0.1%像素,确定其所在位置;然后在原始有雾图像I中寻找对应位置上具有最高亮度点的值,并将该值作为该像素点的A值㊂对图像中每一点求其A值,构成水下背景光矩阵A㊂(3)图像去雾㊂根据式12㊁式13以及A的值,可以求解J(x):J(x)=I(x)-Amax[t(x),t0]+A(14) (4)颜色校正㊂由于光在水下传播时,不同频率的颜色分量具有不同的衰减率,下面对于用暗原色先验方法去雾后的图像J进行颜色校正,方法如下[15]:①计算J图像各通道的的平均值J c mean和标准差J c var;②计算RGB个通道的最大值和最小值,计算方法表示为:J c max=J c mean+μJ c varJ c min=J c mean-μJ c{var(15)其中,c∈(r,g,b),r,g,b为三个颜色通道;μ为参数,对图像进行动态控制,后续实验中取值为2.5㊂③计算颜色校正后的图像,公式如下:J c CR=J c-J c minJ c max-J c min×255(16)其中,J c CR为最终的输出图像㊂3摇实验结果与分析选取了6幅水下对比度低,整体偏色严重的图像进行实验,实验结果如图1所示㊂图1　不同算法的图像增强效果比较通过文中算法和其他针对水下图像对暗原色先验模型进行改进的算法的增强效果对比,可以看出四种方法对原始图像均有一定的增强效果㊂从直观上看,文中算法和文献[8]算法优于文献[1]和文献[7]算法的增强效果,但文献[8]算法对图像1㊁4㊁6颜色过于艳丽,存在一定的颜色失真情况,对于图像3㊁5局部亮㊃27㊃计算机技术与发展第28卷度过高,不如文中算法的处理效果,但图像2的增强效果略优于文中算法㊂表1　增强后图像的性能指标比较图像算法平均梯度熵标准差图像1(b)8.45556.977555.4298(c)9.12696.974341.5065(d)12.93377.606580.9740(e)13.05197.554965.1202图像2(b)7.07737.134043.2056(c)6.10107.180242.3422(d)11.16907.836880.3645(e)12.52677.779762.9788图像3(b)5.35047.085675.5384(c)4.79597.403252.2739(d)5.41107.703482.4065(e)5.57777.835278.4557图像4(b)3.55156.586739.6957(c)2.30096.127831.3094(d)6.61627.822074.7065(e)8.07137.834775.3832图像5(b)4.32136.420030.0280(c)1.98256.053426.8344(d)9.02547.843574.7595(e)9.21217.867570.8719图像6(b)3.60615.360734.3136(c)4.06865.204032.6790(d)7.84897.556475.9361(e)8.82297.457170.1102 下面通过客观指标来分析图像的增强效果㊂选取平均梯度㊁信息熵和标准差作为评价指标㊂从表1的数据可以看出,文中算法增强后的图像的各项指标均优于文献[1]和文献[7]算法;与文献[8]算法相比,文中算法对图像3~6的平均梯度和熵值都高于文献[8]算法,标准差略低于文献[8]算法,对图像1㊁2的平均梯度高于文献[8]算法,但图像的熵值和标准差都低于文献[8]算法,说明文中算法在图像细节㊁信息量保留及清晰度方面优于文献[8]算法,增强后图像的对比度略低于文献[8]算法㊂从整体上来说,文中算法在去除图像模糊,平衡图像色彩方面有一定优势,使得处理后的图像看起来色彩明亮,清晰度高,光照均匀,更加符合人眼视觉特性㊂4摇结束语根据雾天图像成像和水下成像的相似性和差异,针对水下图像偏色退化和照明不均匀等问题,提出了一种结合暗原色先验模型和基于统计方法的颜色校正算法的图像增强新方法㊂实验结果表明,该方法在去除图像模糊㊁平衡图像色彩方面有一定优势,使得处理后的图像看起来更加符合人眼视觉特性,为水下图像预处理提供了借鉴和参考㊂参考文献:[1]　王子韬.基于暗原色方法的水下图像增强[D].青岛:中国海洋大学,2014.[2]　李　黎,王惠刚,刘　星.基于改进暗原色先验和颜色校正的水下图像增强[J].光学学报,2017,37(12):168-176. [3]　陆慧敏,胡学龙,李玉洁,等.基于引导图像滤波器的水下图像清晰化算法[J].扬州大学学报:自然科学版,2015,18(3):60-63.[4]　尹　芳,陈田田,吴　锐,等.一种结合暗通道先验和图像融合的水下图像复原算法[J].小型微型计算机系统, 2017,38(11):2591-2596.[5]　HE Kaiming,SUN Jian,TANG Xiaoou.Single image hazeremoval using dark channel prior[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(12): 2341-2353.[6]　GALDRAN A,PARDO D,PICON A,et al.Automatic red-channel underwater image restoration[J].Journal of Visual Communication and Image Representation,2015,26:132-145.[7]　LI Chongyi,GUO Jichang,PANG Yanwei,et al.Single un⁃derwater image restoration by blue-green channels dehazing and red channel correction[C]//IEEE international confer⁃ence on acoustics.Shanghai,China:IEEE,2016:1731-1735.[8]　曹　美,盛惠兴,李庆武,等.基于暗原色先验模型的水下彩色图像增强算法[J].量子电子学报,2016,33(2):140-147.[9]　NAYAR S K,NARASIMHAN S G.Vision in bad weather[C]//Proceedings of the seventh IEEE international confer⁃ence on computer vision.Korfu,Greece:IEEE,1999:820-827.[10]鞠铭烨,张登银.基于先验知识与大气散射模型的图像增强算法[J].电子学报,2017,45(5):1218-1225.[11]王永虎.基于大气散射模型的单幅图像去雾方法研究[D].长春:东北师范大学,2014.[12]CHIANG J Y,CHEN Y C.Underwater image enhancementby wavelength compensation and dehazing[J].IEEE Trans⁃actions on Image Processing,2012,21(4):1756-1769. [13]郭继昌,李重仪,郭春乐,等.水下图像增强和复原方法研究进展[J].中国图象图形学报,2017,22(3):273-287. [14]HE Kaiming,SUN Jian,TANG Xiaoou.Guided image filte⁃ring[C]//European conference on computer vision.Herak⁃lion,Crete,Greece:Springer-Verlag,2010:1-14. [15]FU Xueyang,ZHUANG Peixian,HUANG Yue,et al.A ret⁃inex-based enhancement approach for single underwater im⁃age[C]//Proceedings of IEEE international conference on image processing.Paris,France:IEEE,2014:4572-4576.㊃37㊃　第10期李社蕾等:基于暗原色先验模型的水下图像增强算法。

低照度图像增强算法研究

低照度图像增强算法研究低照度图像增强算法研究1.引言低照度条件下拍摄的图像常常受到光线不足的影响，造成图片暗淡、细节不清晰等问题。

对于这类低照度图像的增强技术的研究和应用有着重要的意义。

本文将介绍几种常见的低照度图像增强算法及其原理，分别是直方图均衡化、对数变换、暗通道先验和Retinex算法。

2.直方图均衡化算法直方图均衡化是一种基本的图像增强方法，它根据图像像素的灰度分布，将原始图像的直方图拉伸到整个灰度范围内，以增强图像的对比度和亮度。

该算法可以有效提升低照度图像的亮度，使其更加清晰明亮。

但直方图均衡化算法容易导致图像过度增强和对比度失真的问题。

3.对数变换算法对数变换算法通过对图像像素的灰度值进行对数运算来增强图像的亮度。

对数变换能够保留原始图像的细节信息，同时可以有效增强低照度图像的亮度。

与直方图均衡化算法相比，对数变换算法能够更好地保持图像细节，并且不容易导致过度增强和对比度失真的问题。

4.暗通道先验算法暗通道先验算法是一种基于图像局部块的统计信息的图像增强方法。

该算法基于以下观察结果：在大部分自然图像中，至少存在一条颜色通道的像素值在大部分区域中非常接近于0。

通过计算暗通道，可以估计图像中的全局光照强度，然后根据其估计值来增强图像的亮度和对比度。

暗通道先验算法在低照度图像的增强中具有良好的效果，但在一些极端情况下仍然会导致增强结果不理想。

5.Retinex算法Retinex算法是一种模拟人眼感知图像的原理来增强图像的方法。

该算法基于对图像中的反射率和光照分布进行估计，通过对图像进行分解和重建来提升低照度图像的亮度和对比度。

Retinex算法能够在保持图像细节的同时增强图像的亮度和对比度，但由于计算复杂度较高，实时应用受到了限制。

6.实验结果与分析通过对比实验，我们发现上述几种低照度图像增强算法在不同场景下具有各自的优劣势。

直方图均衡化算法能够快速增强图像的亮度，但容易导致过度增强的问题；对数变换算法能够保留图像的细节信息，但对于极低照度图像效果有限；暗通道先验算法能够在多数场景下取得较好的增强效果，但在极端情况下效果可能不理想；Retinex算法在增强效果上具有优势，但计算复杂度较高。

基于暗原色先验的伪彩色图像均衡化增强系统设计

基于暗原色先验的伪彩色图像均衡化增强系统设计1. 引言1.1 研究背景基于暗原色先验的伪彩色图像均衡化增强系统设计，是基于对图像暗部信息的深入挖掘和利用，通过引入暗原色先验的概念，结合图像均衡化方法，设计出一种新型的图像增强系统。

该系统在处理图像的过程中，能够有效地突出图像中的暗部细节，提升图像的对比度和清晰度，从而达到图像增强的目的。

通过本研究，可以更好地适应不同应用场景下对图像质量要求的需求，为图像处理技术的进一步发展提供一定的参考和指导。

1.2 研究目的研究目的是通过基于暗原色先验的伪彩色图像均衡化增强系统设计，提高图像质量和细节表现，使得在低光照条件下获取的图像更加清晰和真实。

传统的图像处理方法在暗背景下的表现不佳，容易导致细节丢失和图像模糊。

本研究旨在利用暗原色先验的概念，结合彩色图像均衡化方法，设计一个系统能够自动识别和增强低光照条件下的图像，并在保持真实性的前提下提高图像的观赏性和可用性。

通过实验结果及分析，验证系统设计的有效性和可靠性，为进一步优化和完善图像增强算法提供理论基础和实践经验。

本研究旨在为图像处理领域的研究和应用提供新的思路和方法，促进图像质量和细节表现的持续改进和提升。

2. 正文2.1 基于暗原色先验的概念基于暗原色先验的概念是指利用暗色调为先验信息来进行彩色图像增强处理。

在传统的图像处理中，我们将亮度信息作为主要考虑因素，但在一些特定场景下，暗色调可能包含了更重要的信息。

基于暗原色先验的方法可以更好地保留图像的细节和纹理，提高图像的视觉效果。

暗原色先验的概念源于对图像亮度分布的分析，通过对该分布的研究发现，在一些图像中，暗色调区域可能包含了更多的细节和信息，而亮色调区域可能相对较少。

我们可以利用这一特点来调整图像的对比度和亮度分布，从而达到更好的图像增强效果。

在基于暗原色先验的方法中，通常会对暗色调进行增强处理，从而突出图像中的细节和纹理。

这可以通过一些特定的算法和模型来实现，例如直方图均衡化和基于梯度的方法等。

低照度条件下图像增强研究.doc

低照度条件下图像增强研究
在夜间、建筑物遮蔽等低照度环境,拍摄的图像存在内容模糊、噪声严重、细节丢失等问题,直接限制和影响目标识别与跟踪、视觉监控、军事侦察等系统发挥效用。

因此,研究低照度图像增强具有重要的理论意义和应用价值针对夜晚等低照度条件下拍摄的图像整体亮度低、细节丢失等现象,论文将暗通道先验和色调映射方法相结合,提出了一种基于图像深度和色调映射的低照度图像增强方法。

首先根据低照度反转图像与雾天图像的相似性求出场景透射率,进而估计得到场景深度,并将深度信息用于色调映射函数改进,使其可根据景物远近和场景光照强度进行自适应亮度增强;然后基于图像分层理论和图像梯度信息进行局部对比度增强。

所提算法克服了现有算法计算量大、颜色失真、噪声严重等不足,在增强图像亮度、保持色彩的同时很好地抑制了噪声。

根据低照度图像的暗通道具有细节丰富和光源周围无光晕等特点,提出一种基于暗通道和双边滤波的低照度图像增强方法。

首先从暗通道图像识别光源区域,估计图像平均亮度用于改进色调映射函数,对暗通道图像进行增强后与V通道进行线性加权,得到亮度适中、细节丰富和无光晕的V通道图像;最后,再进行双边滤波。

分别对含有点光源和无点光源的低照度图像进行实验,均可得到亮度改善、细节清晰且无光晕的图像。

一种基于色彩保持的低照度图像增强算法(精)

第２６卷第３期２００９年３月计算机应用与软件ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＶ０１．２６Ｎｏ．３Ｍａｒ．２００９一种基于色彩保持的低照度图像增强算法蔡利梅钱建生摘要罗驱波夏林稳张明胜（中国矿业大学信息与电气工程学院江苏徐州２２１００８）保持色彩不变是彩色图像增强的一个重要问题。

针对低照度图像，提出一种快速保持色彩增强方法，采用抛物线函数进行亮度增强，获得亮度增益后，对ＲＧＢ值进行同比增强，在增强亮度的同时，保持色彩不变。

实验表明，本算法运算速度快且增强效果良好。

关键词低照度图像增强色彩保持抛物线函数ＡＨ［ＵＥＰＲＥＳＥＲＶＩＮＧＢＡＳＥＤＡＬＧｏＲＩＴＨＭＦＯＲＬＯＷ．ＩＬＬＵＭＩＮＡＴＩＯＮＣＯＬＯＵＲＩＭＡＧＥＥＮＨＡＮＣＥＭＥＮＴＣａｉＬｉｍｅｉＱｉａｎＪｉａｎｓｈｅｎｇＬｕｏＱｕｂｏＸｉａＬｉｎｗｅｎＺｈａｎｇＭｉｎｇｓｈｅｎｇ（ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｗｅｒｉｎｇ，ＣＵＭＴ，Ｘｕｚｈｏｕ２２１００８，ｆｉａｎ伊ｕ，Ｃｈｉｎａ）ｅｓｓｅｎｔｉａｌｒｅｑｕｉｒｅｍｅｎｔｆｏｒｅｏｌｏｕｒｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｏｐｏｓｅｄｆａｓｔｔｅｃｈｎｉｑｕｅｉｎｐｒｏｖｉ—ｐａｒａｂｏｌａｆｕｎｃｔｉｏｎｔｏｅｎ－ＡｂｓｔｒａｃｔＨｕｅｐｒｅｓｅｒｖｉｎｇｉｓａｌｌａｄｉｎｇｈｕｅｐｒｅｓｅｒｖｉｎｇａｎｄｅｎｈａｎｃｅｍｅｎｔｗｈｉｃｈＣａｎｂｅｈｎｎｃｅｔｈｅａｐｐｌｉｅｄｔｏｔｈｅｌｏｗ－ｉｌｌｕｍｉｎａｔｉｏｎｃｏｌｏｕｒｉｍａｇｅ．Ｔｈｅｔｅｃｈｎｉｑｕｅｕｓｅｓｂｒｉｇｈｔｎｅｓｓ，ａｎｄｔｈｅｎｇｅｔｓｔｈｅｓｅａｌｉｎｇｔｅｓｔｓｏｎｔｏａｄｊｕｓｔｔｈｅＲＧＢｓｃｅｎｅｖａｌｕｅｗｉｔｈｌｕｍｉｎａｎｃｅｇａｉｎａｃｑｕｉｒｅｄ．Ｔｈｅｈｕｅｗｉｌｌｋｅｅｐｕｎｃｈａｎｇｅｄｗｈｉｌｅｔｈｅｂｒｉｇｈｔｎｅｓｓｉｓｉｎｃｒｅａｓｉｎｇ．ＥｘｐｅｒｉｍｅｎｔａｌｆａｓｔｅｒｉｎｃｏｍｐｕｔａｔｉｏｎｔｈａｎｔｈｅｏｔｈｅｒｓＬｏｗ—ｉｌｌｕｍｉｎａｔｉｏｎｎｕｍｅｒｏｕｓｉｍａｇｅｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｔｅｃｈｎｉｑｕｅｉｓｅｆｆｉｃｉｅｎｔｉｎｅｎｈａｎｃｅｍｅｎｔａｎｄｍｕｃｈａｄｄｒｅｓｓｉｎｇｔｈｅｓａｍｅｐｒｏｂｌｅｍ．ｅｎｈａｎｃｅｍｅｎｔＨｕｅｐｒｅｓｅｒｖｉｎｇＫｅｙｗｏｒｄｓＩｍａｇｅＰａｒａｂｏｌａｆｕｎｃｔｉｏｎ０引言１基于色彩保持的低照度图像增强利用图像增强技术改善图像的视觉效果，是许多图像处理１．１基本思路由于低照度图像的首要特点，即光照不充分、图像整体效果较暗，因此，低照度图像增强的首要步骤是增强像素的亮度。

第五章基于暗原色先验低照度视频增...

基于暗原色先验的低照度视频快速增强算法Fast Low Lighting Video Enhancement Algorithm Based on Dark Channel Prior学科专业：信息与通信工程研究生：翟佳指导教师：庞彦伟教授天津大学电子信息工程学院二零一三年十二月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。

与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。

特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。

同意学校向国家有关部门或机构送交论文的复印件和磁盘。

（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要多媒体、视频监控等技术发展迅猛，已经成为人们交流以及记录的常用工具。

但是在会议室、电影院、阴天或夜晚等低照度环境下进行拍摄时，所得到的视频对比度低、信噪比小、视觉效果差，图像中的细节信息无法清晰体现出来，这使得后续的图像特征提取、分析、理解与识别受到限制。

因此，对低照度视频进行增强去噪具有很强的重要性及实用性，可以应用在监控系统、模式识别、医学图像分析等领域。

本文介绍了传统低照度增强去噪理论，阐明了不同增强低照度图像可视性方法的基本过程并分析了其原理，指出了以上方法在解决局部细节亮度、噪声、实时处理等方面的缺陷。

现有“基于暗原色先验的低照度图像增强算法”与传统增强算法相比具有更高的保真度，对细节的保留效果更佳。

但由于低照度图像曝光不足，图像增强后噪声对图像的影响更加恶劣。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

—
ＶｏＬ２８Ｎｏ．３
Ｊｕｎ．２０１５
文章编号：１６７３ — １５４９（２０１５）０３－００４２－０４
ＤＯＩ：１０．１１８６３／ｊ．ＳＵＳＯ．２０１５．０３．０９
节信息。
对于低照度图像增强算法有很多，如伽马变换、全局
或局部直方图均衡化、Ｒｅｔｉｎｅｘ增强等。随着硬件和软件技术的发展，对在雾天条件下被雾化的图像进行去雾处理已成为可能。雾天情况下，场景能见
．，ｄ（）＝＿ｎ（ｒａｉｎｊｏ（Ｙ））一０
ｙｅｎ（）ｃＥＩＲ．Ｇ，Ｂｊ
度低，图像对比度和细节信息被衰减，使得户外视频
监控系统不能正常工作，因此需要消除雾气对视频
基于暗原色先验的低照度图像增强
黄勇，孙兴波，袁文林，范云飞
（￣ｔＪｆｌ理工学院自动化与电子信息学院，四川自贡６４３０００）
摘
一
要：低照度图像亮度低、对比度低、细节信息缺失，对后续处理造成不便。针对这种情况，提出
引言
在光线不足、雨、雾等环境条件下，照相机、摄像机等图像采集设备采集到的图像往往出现曝光不足、图像亮度低、对比度低、清晰度低、图像细节信息缺失等现象，严重情况下，图像模糊、难以辨认。这
第２８卷第３期
基金项目：人工智能四川省重点实验室项目（２０１０ＲＺＯＯ３，２０１０ＲＹ００３，２０１１ＲＹＹ０２，２０１１ＲＹＹ０４，２０１２ＲＹＹ０５）
作者简介：黄勇（１９８８．），男，四川资中人，硕士生，主要从事图像处理与模式识别方面的研究，（Ｅ＿ｍａｉｌ）６７４９６９３９８＠ｑｑ．ｃｏｍ
式中，（）为以为中心的块状局部区域，＿，为．，
的ＲＧＢ通道的某一通道，对于非天空清晰无雾图像
．，，Ｉ，的值非常低，趋近于０，那么．，称为．，的暗通
道
收稿日期：２叭５＿ｏ３－ｏ３
会放大图像噪声，引入导向滤波实现保边去噪。实验结果表明，算法能有效增强低照度图像，提高图像
亮度、对比度和突出图像细节信息。关键词：图像增强；低照度图像；暗原色先验；去噪中图分类号：ＴＰ３９１．４１文献标志码：Ａ
第２８卷第３期２０１５年６月
四川理工学院学报（自然科学版）
ｒｉｎｇ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）ＪｏｕｒｎｌａｏｆＳｉｅｈｕａｎＵ — ｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅ
种基于改进的暗原色先验低照度图像增强算法。采用输入图像暗通道的最大值估计大气光值，并用
输入图像暗通道替代用大气光值来归一化输入图像，以其暗通道估计透射率，提高了算法效率。对输入图像取反，得到一副类似雾化的图像，用暗原色先验去雾，将结果再次取反，得到增强图像。暗原色先验
图像的影响。图像去雾主要有两类：基于增强和
（１）
基于物理模型的去雾。基于增强的去雾有直方图均衡化、曲波变换、大气调制传递函数法等；基于物理模型的去雾算法有暗原色先验法、利用铺助信息提取景深法、建立能量最优化模型法等。
１暗原色先验理论
Ｈｅ［４通过对户外大量清晰无雾的自然图像观察统计得到：除去天空等少数区域外，在局部区域内，ＲＧＢ三色通道至少有一个通道的像素值非常低，趋近于０，这些像素称之为暗原色像素ｊ。对于清晰无雾图像．，，暗原色先验规律用数学公式描述为：
验的图像增强算法。在透射率和大气光值的估计
过程中，使用简化计算，提高算法效率。暗原色先
验会放大图像噪声，因此引入具有保边去噪特性的导向滤波去噪，在去噪的同时也能保持图像边缘细
对后续图像分割、识别、理解等进一步分析造成严重影响，因此进行图像增强处理是低照度图像亮度低、对比度低、细节缺失，
对后续处理造成不便，本文提出一种基于暗原色先