惠学武

（中国人民解放军海军大连舰艇学院，辽宁 大连 116018）

图像采集设备获取的某些辨识度较低的图像，严重制约计算机视觉识别系统的识别效果。图像增强技术可以增强图像的对比度，提高图像的视觉质量，促进肉眼或计算机对图像的识别，已经广泛应用在多个领域［1］。直方图均衡化HE（histogram equalization）是增强图像对比度的常用空间域方法，通过将直方图变换为具有均匀密度分布的直方图，然后再按照直方图调整原有图像以增强图像对比效果，无需设置参数就可以有效地增加图像的对比度［2］。但是，鉴于直方图均衡化只是改变原图像中同一灰度层上所有像素的灰度，导致均衡化图像的动态范围扩大，不可避免存在灰度吞噬现象、最亮的像素点过于饱和、结构信息丢失，图像过度增强的情况［2－3］。

为了解决这些问题，学者提出了多种优化直方图均衡化的方法。Kim［4］提出了保持亮度的双直方图均衡BBHE（brightness preserving bi-histogram equalization），根据原图亮度的均值将原图划分为2个图像，然后独立对每个直方图进行均衡化。江巨浪等［5］针对传统的双直方图均衡算法不能精确实现图像亮度保持目标的问题，提出了一种新的双直方图均衡算法。Sim等［6］利用图像均值将原图划分为2个子图像，然后利用子图像的均值划分子图像，提出递归子图像直方图均衡化RSIHE（recursive sub-image histogram equalization）。但是该方法迭代次数最优值的选择较为困难，递归次数较大时图像的增强效果会严重退化。Mary等［7］发展了递归分离加权直方图均衡均值RSWHE-M（recursive separated and weighted histogram equalization me）。Singh等［8］提出曝光的子图像直方图均衡化ESIHE（exposure-based sub-image histogram equalization）可以很好地增强原图的对比度，但是无法确保图像的亮度。……