图像和视频,作为承载信息的重要载体,已然遍布于人类生活的方方面面。然而,受天气环境、光照条件、采集设备等因素的影响,捕获到的图像或视频往往并不理想。比如背光环境下拍摄的照片,或是夜间拍摄的监控视频,灯光照射之处偏亮,光线不及之处偏暗。这些光照不均匀的图像和视频,一方面,影响人眼的视觉体验,另一方面,不利于后续的计算机视觉等应用。针对上述问题,本文从照度不均匀的低照度图像和视频的特点出发,分析了经典的中心环绕Retinex算法在此类图像的不足,提出了基于Retinex理论的亮度感知的低照度图像增强算法。并将该算法应用于视频,提出了基于Retinex理论的无闪烁的低照度视频增强算法框架。本文的具体工作和创新点如下:(1)针对传统的中心环绕Retinex增强结果噪声大,不自然等问题,本文提出了改进的基于Retinex的图像增强算法。首先,采用局部最大值的方法估计初始照度,再通过边缘保留的联合滤波估计最终照度,保证照度足够平滑,边缘足够清晰,从而获得细节足够清晰的反射分量。因为去除全部的照度后获得的反射分量即为物体的反射率,但以反射率作为增强结果往往图像不自然,于是本文采用自适应权重因子来控制照度的去除程度,暗区域照度去除少,以防噪声放大,亮区域去除照度多,以获得较多细节。经过对数域的操作获得的反射图像亮度被压缩在较小的范围内,本文采用对数图像处理减法(Logarithmic image processing subtraction,LIPS)来拉伸反射图像的亮度。因为经对数域压缩后的反射图像类似于通过较厚的光吸收滤波器获得的偏暗图像,对数图像处理减法则是减去光吸收滤波器的厚度,从而得到较亮的增强图像。实验结果表明,该算法能够较好的保留亮区域的细节,同时增强暗区域的亮度,增强结果感知失真小,图像更自然。(2)在图像增强算法的基础上,本文将其应用于低照度视频,提出了基于Retinex的无闪烁的低照度视频增强算法。由于估计得到的反射图像亮度被压缩到较小的亮度范围内,后续拉伸反射图像亮度的LIPS参数对最终增强亮度影响较大,本文通过控制LIPS参数的值来消除亮度抖动,而LIPS的取值根据相邻两帧之间场景和亮度是否发生变化来确定。其中场景突变是通过帧图像的背景区域变化来判断的,本文使用光流法来估计背景区域。此外,亮度突变是通过相邻帧的平均亮度差来判断的。若相邻两帧的场景和亮度均未发生突变,获得的反射图像也具有相似性,则要求两帧的LIPS参数也相似,才能保证增强后两帧亮度连续。简单的方法就是采取与前一帧相同的参数来增强当前帧,然而参数的累积往往会导致距离场景首帧较远的帧图像出现过度增强或增强不足的情况,因此本文采用参数反馈调整的方法,一方面避免增强视频发生亮度闪烁问题,另一方面改善视频帧的增强效果。对于场景或亮度发生突变的帧,则通过自适应计算来更新LIPS参数。实验结果表明,本文算法可以有效提高视频的亮度,且增强序列没有出现亮度闪烁,视频整体质量得到提升。