赵 静

(宁夏大学数学计算机学院，宁夏 银川 750021)

图像对比度增强算法主要是根据特定需要对图像某些特征进行强调突出或者改善图像以适应人或机器进行后续分析处理［1］，它在红外遥感、医学诊断、虹膜识别等多领域多学科都具有重要应用。图像对比度增强方法包括:直方图均衡化、非线性变换、分段线性变换［2］、灰度级组合［3］、低通滤波技术、高通滤波技术、带通和带阻滤波、同态滤波、Retinex 算法［4］、小波增强法［5］、神经网络法［6］等。

1 相关算法概述

由于彩色图像的RGB分量信息是相互关联的，传统的对比度增强算法大部分将RGB通道按灰度图像增强算法运算推广到彩色图像中，处理后的图像会出现“伪彩色”或者色彩灰度趋向性问题。而小波增强算法存在光照不足的低对比度环境下处理效果不理想，基于神经网络的PCNN算法需要对图像进行迭代，实时效果很差［7］，MSRCR算法则存在参数设定复杂，自适应性较差，计算稳健性不佳的问题［8－9］。因此，彩色图像增强算法研究热点在于如何保证图像的色调不变基础上的彩色图像增强，算法本身不仅能够独立调整图像亮度和饱和度动态范围，而且处理算法简洁并具有更好的适应性等问题。

笔者将根据视觉感知特性，针对彩色图像的HSI色彩空间各分量不相关性特点，提出一种基于相关自适应性的多独立通道彩色图像增强算法。该算法将彩色图像由RGB色彩空间转换到HSI色彩空间后，针对图像的饱和度和亮度特征分别……