张宏瑜，王金明，顾振飞

（1.陆军工程大学，江苏 南京 210001；2.南京信息职业技术学院，江苏 南京 210023）

0 引 言

在环境光照强度较低时，机器视觉系统前端所采集的可见光图像易出现纹理细节丢失、色彩偏移、对比度不足等负面效果。这些问题在很大程度上限制了计算机在图像方面的应用，因此需要对此类图像进行增强处理。关于弱光照图像的处理，许多经典的图像增强方法[1]相继被提出。

由Land等人提出的Retinex理论认为颜色具有恒常性，该模型提出后便受到了广泛地研究和应用。Rahman等人[2]提出了具有色彩恢复的多尺度Retinex算法，为了同时实现动态范围压缩、颜色一致性、亮度再现等目的，将单尺度中心环绕式Retinex扩展到多尺度，定义了一种颜色恢复方法，通过引入色彩恢复因子对增强图像进行颜色校正。文献[3]使用Retinex理论将图像分解为照明层和反射层，并采用亮度自适应来处理导致细节损失的照明层，提出基于Retinex的亮度自适应感知对比度图像增强方法，有效缓解了光晕问题。文献[4]通过从高质量图像获取的先验多层亮度统计数据，提出了一种用于非均匀光照图像的自然保留增强方法。Kimmel等人统一了以前的方法，提出一个Retinex算法的变分模型，它假定照明场的分量空间变化平滑，将反射率的有限动态范围作为恢复过程中的约束，利用反射率和亮度图像中的空间相关性，提出了一种有效的多分辨率算法，该方法较好地提升了图像的细节，但也存在过度增强问题。……