基于Retinex和Gamma变换的低照度图像增强方法

摘要

为均衡增强低照度图像的同时，保留其更多的细节信息，提出一种改进Retinex低照度图像增强算法.该算法基于HSV(Hue, Saturation, Value)颜色空间，对分离出的明度分量和饱和度分量进行增强.首先，使用限制对比度自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization,CLAHE）优化明度分量，使图像更接近均匀光照场景，并使用自适应Gamma对饱和度分量进行校正.然后，采用三维块匹配滤波（Block-matching and 3D Filtering, BM3D）算法对光照分量进行估计，并求得相应的反射分量，提出一种改进Gamma变换函数，依据光照分量信息对明度分量进行增强，同时，采用Gabor滤波器和Canny算法对原图进行细节提取，提出一种细节增强策略，对反射分量及其纹理细节进行增强.最后，将各分量进行加权融合，再将增强图像变换回RGB空间.实验结果表明，所提算法相较于自动色彩均衡、自适应局部色调映射、低光照图像增强、带色彩恢复多尺度视网膜增强算法有更好的增强效果和普适性，且原图经过增强后，信息熵、峰值信噪比、结构相似性指数、图像质量指数、平均梯度有显著提升，均方根误差显著下降.

关键词

图像增强 / 低照度图像 / 改进Retinex算法 / BM3D算法 / Gabor滤波