刘 健，郭 潇，徐鑫龙，赵牛杰，赵 腾

（北方自动控制技术研究所，太原 030006）

0 引言

由于受环境光照不足或照度不均因素的影响，低照度图像往往会出现对比度低、亮暗不均、阴影区域细节难以分辨的问题，影响视频会议等应用的主观视觉效果，给军事侦察、视频监控等工作的后续处理造成很大困难。因此，低照度图像增强技术有重要的研究价值。

低照度图像增强技术的目的是改善图像质量，并获取更多淹没在阴影区域的细节信息，其方法主要包括基于直方图的方法、基于小波变换的方法和基于Retinex 理论的方法［1］。基于Retinex 理论的图像增强算法主要是从图像中估计环境照度分量，并去除该分量的影响，获取反射分量。根据照度分量的计算方法，又可分为随机路径算法、同态滤波算法和中心环绕算法等。其中，中心环绕算法最为经典。典型的中心环绕算法有单尺度Retinex（SSR）［2］、多尺度Retinex（MSR）［3］与带色彩恢复的多尺度Retinex（MSRCR）［4］。目前，基于Retinex 理论的低照度图像增强算法普遍存在以下问题：在图像明暗变化剧烈的区域易产生光晕［5］；图像暗区域存在过增强，导致该区域噪声放大；图像亮区域像素溢出，导致细节信息丢失；参数数目较多，针对不同图像需要设置不同参数，算法自适应性差［1］。

本文提出一种基于Retinex 理论与LIP 模型的低照度图像增强方法，对照度缓慢变化与照度不均的低照度图像进行增强。在HSV 色彩空间，结合引导滤波与高斯平滑估计图像V 分量的照度分量，避免了颜色失真与光晕现象；……