基于Retinex模型的弱光照图像增强算法

• 作者: 李博文 唐贵进 崔子冠
• 来源期刊: 计算机技术与发展
• 关键词: 图像增强 Retinex 照度分量 反射分量 U-Net
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 图形与图像
• 页码范围: 79-84
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.05.014

摘要

深度Retinex-Net算法利用了低/正常光图像具有相同反射率的约束条件,以数据驱动的方式实现了弱光照图像的增强.该算法解决了传统图像增强算法非线性表达能力不强以及增强后的图像不自然等一系列问题.但在该算法中分解出的照度分量模糊且不够平滑,以及对反射分量处理时采用的BM3 D去噪操作没有考虑噪声对不同光照区域的影响,导致图像增强效果一般.鉴于Retinex-Net算法的局限性,提出了一种基于Retinex模型的弱光照图像增强算法.为了更准确地计算分解出照度分量的估计值,提出了一个照度分量平滑度损失函数来更好地学习分解的过程,并使用U-Net网络结构对反射分量中存在的噪声进行去噪,最后将两者进行融合得到增强后的图像.实验结果表明,该算法不仅能有效地提高主观视觉效果上的图像对比度、亮度和色彩饱和度,在客观评价指标上如PSNR和SSIM也均得到了进一步提高.