1 阳光学院 人工智能学院, 福建 福州 350015
2 福州大学 物理与信息工程学院, 福建 福州 350108
针对低照度图像存在亮度低、对比度低、边缘模糊等问题, 首先将低照度图像NSCT多尺度分解, 获得低频子带图像和高频子带系数; 接着将低频图像采用多尺度Retinex 提升图像亮度, 借助非线性的双边滤波函数估计其照度分量, 利用Gamma校正函数对照度分量进行校正, 提高图像的动态范围, 利用影响因子校正反射分量, 丰富其层次性, 对图像的整体轮廓进行增强; 然后将高频部分用Bayes阈值隔离噪声, 利用自适应分数阶微分对图像的边缘、纹理等细节进行增强; 最后对处理后的图像进行NSCT重构。实验结果表明,本文算法的对比度、清晰度及信息熵与现有增强方法相比, 平均提高了10.7%、9.8%、2.3%。增强后的图像在细节、边缘保持等方面也优于现有算法, 改善了图像整体的视觉效果。
低照度图像 图像增强 NSCT变换 自适应分数阶微分 low illumination images image enhancement NSCT transform Retinex Retinex adaptive fractional differential
