王鹏 宋存利 纪守用

摘要：针对低照度图像增强问题，提出一种基于色彩空间分解的图像增强算法。为了实现图像亮度和色彩的解耦合，将图像进行空间转换；利用中值滤波算法与Retinex算法融合以及基于OTSU处理的自适应局部直方图均衡化，分别实现了亮度分量的增强和饱和度分量的校正。分层图像合成、图像降噪处理和色彩空间的转换，确保增强图像色彩的均匀和清晰度的提高。实验结果与其他几种经典算法相比较，算法获得的增强图像细节方面更為丰富，图像的清晰度更高。

关键词：图像增强；Retinex；中值滤波；直方图均衡化

中图分类号：TP391.4文献标志码：A文章编号：1008-1739（2021）06-68-6

基金项目：人工智能四川省重点实验室开放基金项目（2020RYJ04），辽宁省自然科学基金资助项目（20180551020），辽宁省教育厅资助项目（JDL2019011）。

0引言

经典的图像增强技术分为频率域法和空间域法，频率域法[1-3]主要用于去除或减弱噪声并有效增强细节，算法复杂度低、效率高；空间域法[4-6]主要是依据图像像素建立数学模型，算法通过对不同属性的像素操作进而实现图像增强。

1971年，Land等人[7]提出Retinex算法，指出物体的反射情况决定了视觉系统对物体色彩的感知结果。2014年Li等[8]提出了一种基于加权引导滤波的Retinex算法，将权重设置为自适应因子，从而降低噪声，改善图像的清晰度和平滑程度。但从效果来看，图像细节对比度不高，降噪效果也不明显。2016年，为了更有效地在可变光照条件下进行人脸识别，杜明等人[9]提出根据频率原理，将图像信息分为高频和低频两部分，并结合单尺度Retinex算法各自进行处理。……