张 义,宛 楠

(1.安徽工程大学 计算机与信息学院，安徽 芜湖 241000；2.皖南医学院 医学信息学院，安徽 芜湖 241002)

机器视觉系统[1]的实现依赖于图像处理、计算机视觉和控制理论等技术.通常情况下设计的机器视觉系统需要补光，而光源也需要稳定光照强度，尤其是在更多的噪声干扰的情况下，获得较好视觉效果的图像难度很大，这大大限制了机器视觉系统应用范围.系统地解决机器视觉系统的难题需要具体地分析影响视觉效果的主要因素，在这些因素中最具有难度的是低照度下的图像增强问题.传统的图像增强方法有很多，利用它们所获得的结果差强人意.Monika Agarwala[2]等提出了自适应伽玛校正的距离限权直方图均衡化，较好地解决了低对比度医学图像增强过程中亮度无法保持和对比度增强过高的问题.然而，所采用的医学图像并非彩色图像，因而无法对颜色进行还原，在进行脊髓造影过程中获得的图像效果较差，且存在较多干扰.Sreenivasa Setty[3]等提出先利用对比度拉伸，再利用多尺度Retinex算法进行图像增强.该方法能够增强脊髓周围区域组织的锋利边缘，且减少图像的噪声，尤其是高斯和斑点噪声，提高了整体对比度.针对数字彩色图像增强不能提供良好的动态范围压缩，在彩色渲染方面容易失败的问题，Ming-Jung Seow[4]等提出可以利用同态滤波器进行图像增强.为了避免色彩恢复失真，将原始图像中每个像素的颜色关系表示为状态空间中的吸引子，然后……