基于MSRCR-拉普拉斯金字塔方法的低照度图像增强

针对传统Retinex图像增强算法存在的纹理细节保留差、过度增强和色调突变等不足，文中提出了一种基于MSRCR (带色彩恢复的多尺度Retinex算法)的拉普拉斯金字塔方法，用于弱光图像增强。该方法由三个重要部分组成：照度颜色校正、反射成分细节增强和线性加权融合。首先，将伽马校正后的照度加回反射中，实现色彩增强。然后，通过拉普拉斯金字塔处理反射分量来实现细节增强。最后，细节增强的图像和颜色校正的图像通过加权融合重构出增强后的输出图像。主观与客观的性能评估表明，相较于对比算法，文中所提出的方法可以更加有效地增强暗区图像的细节和全局对比度，使得输出图像具备更好的视觉效果。因此，该方法是一种有效的弱光图像增强方法，并具有一定的工程应用价值。

在低照度条件下拍摄的图像，如夜视或背光等条件下，通常会表现出低对比度、颜色失真和低信噪比的特点，位于黑暗区域的细节信息被“掩埋”，这将阻碍对感兴趣区域信息的识别，因此，对低照度图像进行增强很有必要。图像增强的目的在于提升图像的对比度，使图像的特征更适合人类视觉或机器视觉提取感兴趣的目标信息。低照度图像应该通过增强黑暗区域的细节，抑制曝光过度的区域，改善全局对比度和动态范围来恢复。为了有效改善低照度条件下彩色图像的视觉效果和图像质量，我们提出了一种基于MSRCR 的拉普拉斯金字塔方法进行低照度图像增强，该方法采用MSRCR 算法估计原始低照度图像中的两个特征分量，即照度和反射率，将两个分量进行分离提取之后，即可进行相应的校正和增强处理，另外本文引入拉普拉斯金字塔进行特征提取，可以获得更多的边缘信息和细节信息，最后采用线性加权融合对光照分量和反射分量进行融合重构出输出增强图像。该方法非常简单明了，因为大多数计算都是在像素级执行的。大量实验表明，本文算法可以使低光照下拍摄的图像得到有效增强，与其他竞争技术相比，该方法在主观和客观评价方面取得了更好的结果，并避免了传统方法过度增强和高噪声等缺点，在不丢失细节信息的情况下保持了图像的自然性，图像的视觉效果和质量得到很大的提升。

综上所述，本文的主要贡献如下： 1) 提出了一种新的用于低照度图像增强的处理框架，将照明分量与反射分量分离处理，最终通过融合重构出增强图像。该框架可以有效地增强各种弱光条件下拍摄的图像； 2) 采用MSRCR 算法用于分解卷积图像以获得照度和反射分量。通过对照明进行伽马校正和对增强结果进行补偿来确保色彩自然性能； 3) 利用拉普拉斯金字塔进行特征提取，可以获取更多的边缘信息和细节信息，减少了图像失真； 4) 引入三边滤波滤除反射分量图像中的噪声，该方法弥补了双边滤波无法滤除脉冲噪声的缺陷，从而避免图像出现边缘伪影现象。

2. 相关工作 低照度图像增强处理是低光环境下目标检测(如检测车辆、行人等)的必要工作， 许多低照度图像增强