陈 刚，刘 言，杨贺超，孙 斌，喻春雨*

（1.南京邮电大学 电子与光学工程学院、微电子学院，江苏 南京 210023；2.南京邮电大学 自动化院，江苏 南京 210023）

1 引 言

由于低照度场景中所拍摄的图像具有亮度低、噪声强、色彩差、细节信息缺失的特点，所以还原与增强低照度场景图像的研究吸引了越来越多的关注。目前，该方面的研究工作很多依赖于专用设备，如通过微光像增强器［1］、红外热成像仪等对低照度场景进行成像并辅以图像处理工作。但这些专用设备不仅价格高，而且其工作范围主要在可见光和近红外波段，对更低光照度场景拍摄图像效果并不理。因此，在提高专用成像设备性能并降低其成本的同时，研究不依赖于专用设备的低照度场景图像增强算法是非常有研究意义的。

常用的图像增强算法主要涉及直方图均衡、Retinex算法、去雾算法和伽马校正。一些经典的图像增强算法均具有其自身优势及局限所在，如：Zuiderveld［2］提出的限制对比度自适应直方图均 衡（Contrast Limited Adaptive Histogram Equalization，CLAHE）能够很好解决图像对比度低的问题，但存在图像对比度过度增强、颜色失真的问题；Jobson等人［3］提出了一种带有色彩恢复的多尺度Retinex算法（Multi-Scale Retinex with Color Restoration，MSRCR），抑制了图像明暗对比强烈的边缘交界处易产生“光晕伪影”的情形，但在低对比度区域会丢失细节信息；Dong等提出了一种基于去雾模型的低照度图像增强方法［4］，主要利用暗通道反转类似于有雾图像的特性，反转暗通道图像去雾后再转回实现图像增强，但图像轮廓尤其高亮度区域的轮廓出现严重伪影；……