针对低光照条件下拍摄的图像受可见光低和噪声的影响, 不仅降低图像在视觉上的美感而且会造成重要信息丢失的问题。本文提出结合平滑聚类和改进Retinex算法的估计照明图的低光照图像增强方法。使用平滑聚类将图像分离为细节层和基础层; 利用max-RGB找到各通道最大值用于估计每个像素的照度, 构建初始照明图, 根据局部一致性和交替方向最小化技术优化照明图; 自适应Gamma 矫正对优化后的照明图进行非线性重标形成最终光照图; 根据最终光照图增强输入图像, 将增强后图像与细节层进行融合, 获得清晰且细节更为丰富的图像; 通过与LE, GC, HE, SSR, MSR, MSRCR, MSRCP算法相比, 在图像HightB上, 边缘强度最高达到1.00e+02, 平均梯度最高达到10.520 6, 空间频率最高达到52.050 8, 图像清晰度最高达到14.656 2, 在主观评价和客观评价均优于其他对比算法。实验结果表明, 所提算法具有良好的清晰度, 更好的保留边缘和细节纹理, 使用本文算法增强后的图片质量更高, 细节更加丰富。

针对管道检测过程中图像采集光照不均匀、缺陷边缘提取不准确的问题，提出一种基于自适应图像增强的管道机器人缺陷检测方法。首先设计单尺度Retinex 自适应图像增强算法，利用引导滤波对图像进行照度分量估计，经自适应Gamma 矫正得到光照均衡图像，实现自适应图像增强；再对传统Canny 边缘检测方法进行改进，采用双边滤波平滑图像，通过迭代阈值法进行缺陷图像分割，根据边缘像素相似性进行连接，实现缺陷轮廓的有效提取。搭建基于自适应图像增强的管道机器人缺陷检测系统，利用履带式小车搭载云台摄像机，对管道内壁缺陷进行全方位视觉检测。实验结果表明，本文的检测方法可自适应矫正图像亮度，图像亮度不均匀明显改善，相比次优算法，图像信息熵提升2.4%，图像平均梯度提升2.3%，峰值信噪比提升4.4%，可有效提取出管道缺陷边缘，缺陷识别准确率达到97%。