图像增强是指按照某种特定的需求,突出图像中有用的信息,去除或者削弱无用的信息。受环境光照或物体表面反光的影响,采集到的图像可能出现光照不均匀现象,如出现过暗区域和高曝光区域。这种光照不均匀在一定程度上改变了图像的原始面貌,不仅带来较差的视觉效果,而且不利于后续的图像处理。图像增强可以使感兴趣的部分更加突出,使处理后的图像更适合观察或易于其他工程应用。随着几十年的发展,许多图像增强算法已被相继提出,如基于直方图均衡化的算法、反锐化掩模算法、小波变换算法、基于Retinex的算法等。在各种图像增强算法中,基于Retinex的算法可以有效地增强细节,并且得到了广泛应用。基于Retinex理论,一幅图像是照度分量和反射分量的乘积,其中,照度分量与反射分量都是假设的未知量。近年来,基于Retinex的图像增强算法的重点就是基于各种先验假设进行照度估计,进而从原图像中分离出反射分量。由于照度估计是一个不定的问题,所以很难对非均匀照度图像的照度实现准确估计。有些算法尝试通过去除原图像的照度分量,直接将反射分量作为输出图像,但是这种方法会使图像失去自然性,视觉效果差。另外,由于整幅图像中光照变化剧烈,照度分量不可能被完全去除。因此,为了合理估计非均匀光照图像的照度分量进而有效增强非均匀光照图像,本文主要工作及创新点如下:1.介绍了近年来基于Retinex理论的图像增强方法的发展概况,并对基于Retinex图像增强算法的关键问题——照度估计,进行了概述和分析。通过分析与比较,本文总结了照度估计需要考虑的三个主要约束条件:空间平滑度、边缘整体结构和大小范围。与此同时,本文对几种传统的Retinex图像增强算法进行了分析与比较。2.提出了一种基于带有阶跃函数控制的联合滤波器照度估计算法。首先,本文采用局部最大通道方法计算粗估计照度,这不仅符合了照度空间平滑的物理意义,也更适合非均匀光照图像的性质。其次,由于采用滤波的方法,该算法能够保持照度的边缘整体结构,避免过度平滑。最后,通过阶跃函数控制照度分量的大小范围,该联合滤波器可以将反射分量限制在[0,1]内。本文方法充分考虑了照度估计的三个主要约束条件。实验对算法分离出的反射分量和照度分量进行了主观和客观的评估,并对比分析了估计的照度对图像增强的效果。与其他测试方法相比,所提出的方法显示出相似甚至更好的结果。3.提出了一种结合对数变换的直方图规定化方法,用以校正照度分量图像。为了增强图像细节的同时保持良好视觉效果,估计的非均匀照度在被校正后与反射分量相乘得到最终图像。实验对比了常用的校正方法,如Gamma变换。同时,实验也对比了几种常用的基于Retinex图像增强算法,对非均匀图像增强效果进行了主观和客观方面的对比分析。