为了解决在低照度条件下,可见光成像设备采集的图像亮度低、细节不清晰等问题,提出一种基于亮度通道细节增强的低照度图像处理算法。首先,将图像从RGB转换到Lab颜色模型,将Lab模型中的亮度通道通过指数派生函数校正构造为光照分量,再经过Retinex增强得到初步增强图像。然后,采用结构张量和多尺度引导滤波分别对初步增强图像进行细节提取,并将两种方法提取的细节信息进行了融合。最后,将细节图像和初步增强图像融合得到了目标图像。实验结果主观上得到了亮度合适、细节清晰的增强图像,客观上在亮度失真、信息熵和能量梯度上均有良好且稳定的表现,表明该算法能够有效提高图像的亮度和细节信息,并保持自然的色彩和光照效果。

将引导滤波与提升小波相结合提出了一种多尺度引导滤波方法，以实现在平滑图像细节的同时保持图像边缘不模糊。该方法通过提升小波法对将图像进行多尺度分解，即将信号分解成一个低频子带和多个高频子带。在提升小波重构过程中，利用引导滤波平滑每个尺度的低频信息并保持其边缘不模糊。最后，针对滤波后残余的细节，对提升小波重构后的平滑图像再次进行引导滤波，以便进一步平滑图像细节。将多尺度引导滤波应用于暗通道去雾先验理论并进行了主、客观评价。结果显示: 多尺度引导滤波能够深层次平滑图像细节，保持边缘完整性，从整体上提高了图像的对比对和视觉效果，有效恢复了场景信息并保留场景的边缘信息。另外，该方法改善了客观评价指标，其对比度增强系数指标平均提升了0.1以上，场景结构相似度平均提升了1以上， 而LOE(Lightness Order Error)参数降低了10以上，满足了去雾应用的视觉需求。