薛晗 方琼林 集美大学航海学院

1.引言

修复老照片的意义在于凝固瞬间历史、延续情感、定格人物。Feng通过对模糊图像进行反演得到雾状图像，并对雾状图像应用金字塔型密集残差块网络和暗通道先验K-means分类方法来计算透过率和大气光照。Xie将该方法得到的参数与微光成像模型相结合，得到清晰的图像。提出了一种基于融合的微光增强模型，该模型将场景语义明确地运用到增强过程中。Iqbal将图像增强技术用于同时保持对比度和消除输入图像的颜色饱和度。Xu提出了一种新的多尺度融合低照度图像增强框架，有效地增强了不同弱光条件下拍摄的图像。

在图像增强方法中，Retinex是一种有效的方法。由于Retinex容易产生光晕伪影，并可能在背景中产生额外的噪声，Cai提出了一种联合内-外先验模型。然而，对于不同的图像，其最佳参数不易获得，而这些参数往往对微光增强效果有很大的影响。它在目标函数中的系数是固定的，不随图像的不同而变化。为此，本文提出了一种基于神经网络的方法来优化修正Retinex的参数。

传统的图像增强算法在提高分类率方面存在一些问题，如颜色失真、亮度增强过大导致的晕现象、噪声干扰、边缘细节不清晰等。本文定义一个能量函数并用神经网络求解，以自适应地求解最优参数。因此，可以将模型参数调整到最佳，以获得更好的增强效果。在抑制噪声的同时保持图像的细节信息，更好地恢复低照度图像的内容和结构信息。……