陆金江

(安徽财贸职业学院 信息工程学院，安徽 合肥 230601)

低照度图像缺陷识别作为一种低照度图像处理方式，能够显著提升图像效果。低照度图像缺陷识别的发展背景是监控系统逐渐高清化，促使低照度图像的画质与分辨率不断提升。而在其实际应用中，在光照度较差的情况下，噪声会对可视信息造成极大影响，使物体边缘变得模糊不清，降低图像的实际视觉效果，造成低照度图像缺陷的出现。为提升光照度较差情况下的监控图像效果，需要通过低照度图像缺陷识别来实现缺陷的修复。低照度图像缺陷识别需要基于低照度图像灰度范围较为狭窄、空间相邻像素具备较高的相关性以及信噪比较低等特征来实现[1]。当前国内外都在积极开展低照度图像缺陷识别的相关研究以实现监控系统光照度较差情况下的图像质量提升。目前国外开展的低照度图像缺陷识别研究主要围绕低照度图像的增强来进行，有学者提出一种基于HE算法的低照度图像缺陷识别方法，主要通过HE算法重新分配低照度图像的像素值，使低照度图像的对比度获得提升，突出较暗区域的缺陷细节信息，实现低照度图像的缺陷识别[2]。而国内的低照度图像缺陷识别研究仍处于探索阶段，主要集中于低照度图像缺陷特征识别方面的研究。有学者提出一种基于AHE算法的低照度图像缺陷识别方法，主要通过AHE算法实现低照度图像缺陷处对比度的提升，获取缺陷处的细节信息，从而实现低照度图像缺陷识别[3]；……