针对弱光环境下采集到的图像存在欠曝光的问题，提出了一种基于光照补偿的HSV空间多尺度Retinex图像增强算法。首先在HSV空间下将原始亮度分量同等代换为本征突出层和照明补偿层；然后采用改进的双边核函数（IBKF）处理本征突出层，并根据多尺度Retinex得到反射层；接着通过麻雀搜索优化双边伽马函数来处理照明补偿层，同时在麻雀搜索后期引入萤火虫扰动，使其更快地收敛到全局最优，并从亮度过渡层中提取光照层；最后融合反射层和光照层，并进行颜色空间转换，得到最终的输出图像。实验结果表明，所提算法改善了图像增强过程中的光照损失问题，提升了图像清晰度，获得了更好的视觉感知。

针对低照度水下图像存在色偏和细节模糊的问题,提出一种基于白平衡和相对全变分的低照度水下图像增强算法。该算法依据光线在水中选择性衰减的特性,对水下图像进行全局光照补偿以提高图像亮度,并采用灰度世界算法校正水下图像颜色;依据引导滤波的保边平滑性构造新的相对全变分约束来估计照度图,并基于低照度成像模型得到反射图像,即增强后的水下图像。主观效果、客观分析及应用比较实验均证明了本文算法在校正色偏和增强图像细节方面的有效性。

针对传统SIFT算法很难兼顾匹配实时性与匹配准确率这一矛盾,提出一种融合彩色信息表征与光照补偿的Harris-SIFT算法。该算法在图像灰度化之前计算彩色信息补偿,并通过高斯权重函数得出光照补偿量,增强图像对比度,进而提高系统的匹配准确率。通过Harris角点检测算法与SIFT算法融合提高系统的快速性并剔除表征不好的特征点,改善系统的实时性。实验结果表明匹配算法在匹配准确率提高的同时,还提高了算法的实时性。

为提高光照变化下目标跟踪算法的精度和鲁棒性, 基于稀疏表示理论, 提出一种光照补偿和多任务稀疏表示联合优化算法。该算法首先根据目标模板与候选目标的平均亮度差异对目标模板光照补偿, 而后利用候选目标构建过完备字典以稀疏表示光照补偿后的目标模板, 并将所得问题转化为一个多任务优化问题, 然后利用所得稀疏编码矩阵快速剔除无关候选目标, 最后基于重构误差对剩余候选目标进行局部结构化评估, 进而实现目标的精确跟踪。实验结果表明, 与现有主流算法相比, 剧烈光照变化情况下, 所提方法可显著改善目标跟踪精度及鲁棒性。

针对大角度斜光照和极度暗光照不均环境下的人脸图像,提出了基于各向异性Retinex的人脸图像光照补偿方法。首先,根据人脸图像的统计特性分析光源的方向,利用Prewitt算子检测出人脸边缘,结合人脸纹理的几何特性,引入曲率、斜率、对称性等实现对人脸边缘与光照不均,从而区分人脸伪边缘;然后,以Weickert结构张量为基础,基于不同类型边缘提出了改进各向异性扩散模型,将该模型与Retinex算法相结合,从而实现人脸图像光照补偿。实验结果表明,改进的各向异性扩散方法能够提升图像亮度,突出纹理细节,消除大部分光照阴影的同时增强人脸边缘。

野外复杂环境下地线检测是高压输电线路巡检机器人自主越障的关键技术之一,光照变化和地线表面新旧程度是影响架空地线检测准确率的关键因素。针对这一问题,提出一种基于离线学习的野外架空地线检测算法。离线训练阶段,首先采用自适应同态滤波器对输入样本进行光照补偿,然后提取样本的局部二值模式直方图特征,结合离线学习算法支持向量机训练得到二类分类器;在线检测阶段,首先对样本分块,分类得到候选地线样本块,然后采用随机采样一致性算法去除误检块,拟合得到地线在图像坐标系中的位置参数。在野外新旧程度不同的线路上进行的大量实验表明,该方法对光照变化有良好的适应性,能较准确地检测不同新旧程度的架空地线,为后续的地线空间定位与抓线控制奠定了基础。

针对光照不足导致图像质量退化的问题, 提出了亮通道先验的Retinex算法用来补偿图像的光照强度。该算法假设局部恒常的光照可以初步满足光照均匀并与场景相似, 以亮通道运算对光照分量进行粗估计; 通常解决局部处理带来的分块效应问题是采用引导滤波方法, 但这会使补偿后的图像纹理模糊甚至丢失细节, 为此设计了基于图像结构相似性的融合策略。最后使用Retinex理论模型对光照进行补偿。实验结果表明: 所提算法简单高效, 能够对图像阴影或夜间图像的低照度区域进行快速地光照补偿, 在峰值信噪比(PNSR)上较传统算法提高了5 dB左右, 在结构相似性(SSIM)上比传统算法提高了7%以上。算法在纯软件系统的PC机上处理640×360的彩色视频时能达到6~12 ms/帧, 处理320×256的红外视频时达到4~10 ms/帧, 可满足工程需要。

介绍同态滤波器的基本原理, 基于Matlab软件,设计了适用的同态滤波器模型, 并给出了其表达式参数, 在此基础上, 将同态滤波方法应用到彩色图像的光照补偿和对比度增强中。结果表明: 经处理后的图像, 局部对比度增强效果明显,较好地保持了图像的原始面貌, 取得了预期的理想滤波效果。基于Matlab的同态滤波, 能更好地适合人眼的视觉特性, 提供了图像分析与判读的一种新方法。

为了实时处理恶劣光照条件下的人脸图像，在自商图像的基础上，提出了一种新的人脸光照补偿的方法.该方法首先在人脸三维光照简化模型的基础上，利用方向滤波削弱附着阴影.然后结合高斯低通滤波器，进一步削弱投射阴影.两者非线性结合，显著改善光照图像的质量.利用Yale B数据库提供的光照图像，在10万人脸数据库系统中进行测试，结果表明在光照条件恶劣的情况下能显著提高识别率.

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法首先将人脸图像变换到对数域,并在对数域中计算2维小波包变换,通过舍弃部分子带图像中的系数来实现人脸图像的非均匀光照补偿。由于人脸光照补偿的目的是为了提高人脸识别性能,所以光照补偿的效果利用人脸识别率来表征。在Yale B人脸库中,与对数域离散余弦变换(DCT)光照补偿算法进行了比较,实验结果表明,本文方法的人脸识别平均误识率可以达到0.53%,比对数域DCT方法具有更好的性能。