低照度图像增强算法-论文.pdf

《低照度图像增强算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、计算机与现代化2014年第1期JISUANJIYUXIANDAIHUA总第221期文章编号：1006-2475(2014)01-0027-05低照度图像增强算法王闻博，穆向阳，汤楠(西安石油大学陕西省钻机控制技术重点实验室，陕西西安710065)摘要：针对多尺度Retinex算法(MSR)以及其它图像增强算法处理后的图像峰值信噪比较低的缺陷。本文提出结合Ret．inex理论，根据照射分量和反射分量的特性，对二者分别采用不同的非线性函数进行调整来提高图像的对比度和增强图像细节，并在低亮度区域进行噪声抑制的方法。实验结果表明，在HSV和RGB彩色空间，运用本算

2、法处理在低照度情况下的图像，处理后图像的峰值性噪比以及对比度高于其他算法，并且处理速度也快于MSR算法。关键词：Retinex；峰值信噪比；噪声抑制；彩色空间中图分类号：TP391．9文献标识码：Adoi：10．3969／j．issn．1006-2475．2014．01．007AlgorithmofLowIlluminationImageEnhancementWANGWen—bo，MUXiang—yang，TANGNan(ShaanxiProvinceKeyLaboratoryofTechnicalRigControl，Xi’anShiyouUnivers

3、ity，Xi’an710065，China)Abstract：Accordingtothemulti—scaleRetinexalgorithm(MSR)defectimagespeakatlowSNR，thispaperputsforwardamethodofnoisesuppressioninlowluminanceregionaccordingtothetheoryofRetinex，thecharacteristicsofilluminationandre．flectioncomponents，thetworespectivelybydiffere

4、ntnonlinearfunctionstoadjust，toenhancetheimagecontrastandenhanceimagedetail．Theexperimentalresultsshowthat，inHSVandRGBcolorspace，afterusingthisalgorithminlowlight，unevenil—luminationimageease，thepeaksignaltonoiseratioandtheimagecontrastarehigherthanthatofMSRalgorithm，andthepro-ces

5、singspeedisfasterthanMSRalgorithm．Keywords：Retinex；peaksignal—to-noiseratio；noisesuppression；colorspace倍标准差截断后再拉伸，得出的结论是1倍标准差图0引言像普遍好于经2倍、3倍标准差截断后再拉伸得到的目前，视频监控系统在国内外应用越来越广泛，图像，这种方法的参数自适应性较好。此外，另一种人们对视频监控系统图像的评价更加重视。由于光改进型的直方图均衡方法从一定程度上克服了直方照环境较为复杂，导致画面中常出现对比度低、噪声图均衡的简单现象，并保持了图像的亮度

6、。Land大、照度不均等情况，导致对图像增强造成了很多的研究了人类彩色恒常性现象，并建立了Retinex照射困难。为了解决这个问题，目前常用的增强方法有：反射模型_4J，被成功地应用于图像对比度增强_5。空域增强算法、频域增强算法和基于生理模型的增强Jobson【7-8]等人发展了单尺度(SSR)、多尺度(MSR)算法。其中基于生理模型的增强算法结合了人眼的和多尺度彩色恢复(MSRCR)的算法，并成功地应用视觉特性，使处理效果更适合人眼的识别。到图像对比度增强。国内外学者针对视频监控图像的特点，提出了很在单尺度算法(SSR)中，环境函数F(x，Y)选择多对

7、经典算法改进的方法。文献[1]提出了多尺度反平方环境函数F(X，y)=1／r进行处理时，尺度常Retinex强度区间标准差截断法，对经多尺度Retinex量选择高尺度效果较好，但在局部细节中增强的效果处理后的图像强度在其平均值附近经1倍、2倍和3不好；多尺度的Retinex算法(MSR)能够同时提供动收稿日期：2013-08-26基金项目：陕西省自然科学基础研究计划项目(2010JQ8033)；陕西省教育厅专项科研计划项目(08jk411)；西安市科技计划项目(YF07033)作者简介：王闻博(1988一)，陕西眉县人，西安石油大学陕西省钻机控制技术重点实

8、验室硕士研究生，研究方向：现代检测与控制技术；穆向阳，教授，博士；