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

云海姣;夏洋

长春大学电子信息工程学院,长春 130022;长春大学研究生院,长春 130022

中国科技论文

[1]云海姣;夏洋-.结合自适应Gamma变换和MSRCR算法的低光照图像增强方法)[J].中国科技论文,2022(11):1245-1253

Gamma,MSRCR,低光照图像增强,增强方法,对比度,伽马,颜色恢复,Retinex,multi,scale,color,restoration,地拉,灰度值,RGB,HSV,颜色空间转换,多尺度融合,融合方法,光照分量,校正曲线,图像亮度,小波重构,重构方法,方法融合,于小波,过饱和,自适应融合,增强图像,质感,暗部,色偏,颜色失真,LOL,图像数据集,图像增强算法,图像质量,结构相似性,structural,simi,larity,SSIM,图像信息熵,模拟退火算法

0.315151