融合遺傳算法的多域值分塊低照度圖像增強算法

王改云，郭智超，路皓翔，陸家卓，張琦

（1 桂林電子科技大學 電子工程與自動化學院，廣西 桂林 541004）

（2 桂林電子科技大學 計算機與信息安全學院，廣西 桂林 541004）

0 引言

圖像處理在路線規劃［1］、工業損傷檢測［2］、人臉識別［3］、醫學輔助診斷［4］、衛星遙感［5］等領域都得到了廣泛應用。圖像增強可解決在復雜環境中采集到圖像的目標識別問題。現階段常用的增強方法主要有基于空域增強的方法、基于頻域增強的方法和基于深度學習增強的方法三大類。

基于空域增強的方法通過逐像素處理來增強圖像，代表算法包含直方圖均衡、直方圖匹配和直方圖調整等。WANG D 等［6］和GUPTA B 等［7］使用構造雙邊Gamma 函數和改進的sigmoid 函數處理輸入圖像的亮度分量Y，在增強圖像亮度且不影響圖像平均亮度和顏色信息的情況下增強暗區域的亮度，減少了因光照條件不勻對圖像增強帶來的影響。相同思路的算法還有Hue-Saturation-Value（HSV）空間增強圖像亮度算法，該算法能在保留圖像飽和度的同時解耦圖像的亮度信息和色度信息，從而更容易捕捉圖像細節。CHANDRASEKHARAN R 等［8］通過求取HSV 空間亮度通道的均值得到模糊變換模型的核參數，并對圖像亮度信息進行模糊變換使其變得平滑，進而提升圖像亮度，能在增強圖像亮度的同時保留原圖細節特性。為了更好地還原真實場景的亮度特征，YING Z 等［9］利用相機響應模型（Camera Response Function CRF）分析兩幅場景相同曝光不同圖像的直方圖特征，提出了基于準確相機響應模型的增強算法，該算法增強后的圖像能夠更好地模擬真實場景的光照環境。……