汤子麟，刘 翔，张 星

1.上海工程技术大学 电子电气工程学院，上海201620

2.上海工程技术大学 管理学院，上海201620

不均匀光照经常出现在真实场景中，这给计算机视觉的应用带来许多限制。如提取特征点过少，导致图像匹配率下降。图像增强技术一直是研究热点[1]，借助这一技术可以凸显低亮度区域的细节信息并提升图像的对比度。因此，图像增强在预处理过程中一直占据着重要地位。图像增强的方法大致分为两种：基于空间域的方法和基于频率域的方法[2]。

线性对比度拉伸是一种简便的、基于像素空间域的图像增强算法，旨在将原图的灰度值范围扩充至[0，255]之间，对比度较原图有所增强，但该方法可能会导致图像亮的区域灰度值增大，亮度高的区域亮度增加，阴影区域更暗[3]。直方图均衡化[4]因其简单性和实用性，作为一种对比度增强方法被广泛使用。其依据反应灰度值分布情况的累计密度函数，在直方图界面平均灰度值的堆积密度，从而扩展了灰度值的动态范围。缺点在于使用图像灰度值的中间值取代图像的平均值，这会导致伪影与强度饱和效应，影响图像质量[5]。自适应直方图算法[6]将图像分为多个小块并分别进行直方图均衡，这种方法在局部对比度上较原方法有所改善，但并未从根本上解决直方图均衡会放大噪声的缺点。

基于频率域的图像增强算法将图像看作高频、低频复合信号[7]，其中纹理信息变化快，频率大，光照、背景信息变化慢，频率小。……