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。

提出了一种基于小波变换的低照度图像快速、自适应增强算法。将RGB 图像转到HSV 空间，并对亮度V 图像利用离散小波变换(DWT)将图像的高、低频子带分离。在小波变换的低频子带上利用双边滤波对图像的照射光分量进行快速估计与去除，而在高频子带上利用模糊变换实现边缘、纹理信息的增强与去噪处理。对处理后的V图像，基于提出的直方图目标函数，利用鲍威尔与模拟退火相结合的优化算法，实现了对比度的快速、自适应增强处理。将增强后的V 图像与H、S 颜色分量合成为清晰化的彩色图像。实验结果表明，该算法能快速、有效实现低照度图像的清晰化处理。