李春林　张兵　祖立卓　刘少杰

摘  要：脉冲耦合神经网络分解模型对于夜间光线复杂情况下的图像增强，容易出现严重的振铃现象。针对这一问题，文章对夜间图像增强进行了研究，通过指数变换对夜间图像进行预处理，结合脉冲耦合神经网络分解模型进行图像增强。实验结果表明，该方法可以实现对夜间图像的增强，增强后的图像细节清晰，整体光线较为柔和，图像对比度适中，降低了振铃现象造成的影响。

关键词：脉冲耦合神经网络;分解模型;图像增强

中图分类号：TP18                  文献标识码：A文章编号：2096-4706（2021）20-0062-05

Research on Night Image Enhancement Based on Pulse Coupled Neural Network Decomposition Model

LI Chunlin， ZHANG Bing， ZU Lizhuo， LIU Shaojie

（Xuanhua Vocational College of Science & Technology， Zhangjiakou  075100， China）

Abstract： Pulse coupled neural network decomposition model is prone to serious ringing phenomenon for image enhancement under complex light at night. To solve this problem， this paper studies the night image enhancement， preprocesses the night image through exponential transformation， and enhances the image combined with pulse coupled neural network decomposition model. The experimental results show that the method can realize night image enhancement， the enhanced images details are clear， the overall light is soft， image contrast is moderate， which reduces the impact caused by ringing phenomenon.

Keywords： pulse coupled neural network; decomposition model; image enhancement

0  前  言

在視频监控领域中，经常会遇到夜视的情况。夜间自然光线少，各种光线复杂，且光线强度不一，造成图像整体亮度偏低，出现亮度集中在较低或较高的范围内，图像对比度低，降低了图像的质量。这种情况下采集到的图像给很多工作带来不便，因此研究夜间图像的增强算法非常重要。

传统的图像增强主要包括两大类方法，一类是基于空间域的图像增强，如直方图变换、中值滤波、梯度等，另一类是基于频率域的图像增强，如低通滤波、同态滤波等[1]。

在图像对比度增强中，直方图均衡化方法应用较为广泛，可以使图像的灰度分布均匀，从而增强图像的对比度，但是缺乏对于图像的边缘信息的考虑，而且容易出现过增强的状况[2]。与之相比，自适应直方图均衡化虽然可以增强图像的边缘信息，增大局部的灰度动态范围，但是随之出现的边缘噪声成为新的问题[3]。……