论文部分内容阅读
低照度场景中,由于光线昏暗或者曝光不足,使获取的低照度彩色图像出现亮度偏低、对比度低以及噪声等问题,因此,研究并且设计低照度图像增强算法有重大意义。本文对低照度图像的特性和目前低照度算法进行分析,提出了相关增强算法。文中具体研究内容如下:(1)对基于Retinex理论的低照度算法进行梳理,总结出基于SSR算法的低照度图像处理模型,并在此基础上,设计出采用对低照度图像分割处理的增强方法。该算法在HSV颜色空间对分量V处理,采用引导滤波估计光照分量,然后将光照分量亮部与暗部分割,亮部的反射分量不做处理,保持细节,暗部的反射分量用引导滤波进行去噪处理。增强后的图像更为明亮,并且很好的克服了光晕和噪声等问题。(2)分析传统低照度增强算法的缺陷,总结并提出采用亮通道方法。在HSV颜色空间对分量V单独处理,采用亮通道来估计光照分量和反射分量,并且针对一般校正方法不能很好抑制高光的缺陷,进一步提出对图像光照分量采用自适应对数校正的方法。通过效果测试和不同算法增强效果对比,本文算法在提升全局亮度的同时,对图像中亮部进行很好的抑制,克服光晕效应,图像细节清晰,颜色无失真,有很好的可视性。(3)对低照度雾气图像进行分析和复原处理。先是对雾气图像进行反转,按照低照度图像进行增强,然后再次反转回来,即可以达到去雾的效果。将低照度雾气图像分解成低照度图像和雾气图像,分别进行低照度图像增强,白平衡和去雾操作,得到最终的复原图像。该算法所处理的图像复杂度低,图像清晰,颜色自然。(4)将算法成功移植到iOS平台上,主要过程包括在Matlab对原始算法进行验证、仿真与优化;在VS2013使用OpenCV框架,并对其进行工程封装;在iOS开发平台Xcode上,加载OpenCV框架,对算法进行移植、调试与仿真等。在iPhone上对算法进行效果展示,处理后的图像亮度合适,有很强的对比度,显示了更多细节信息,具有很好的应用价值。