人类生存和发展离不开视觉信息,视觉信息主要由图像信息组成,如今图像处理技术在人们生活中的重要性与日俱增,如:视频监控、医疗影像、指纹解锁、生产自动化和军事追踪等等。照度适宜、清晰度良好、纹理及颜色正常的图像保证了视频监控等现代人工智能技术的正常运作,然而获取图像时常常由于设备或背景条件的限制,得到的图像照度过高或过低,此类图像严重影响了人工智能技术的运用,因此本文针对这些过曝光及低照度图像进行了相关增强算法研究。本课题得到国家自然科学基金项目(编号:51405320)的资助,以彩色过曝光图像及低照度图像为研究对象,由提出或改进的图像增强算法解决了过曝光图像纹理及颜色散失、低照度图像细节模糊和亮度低等问题。彩色过曝光图像由于亮度过高,在过曝光区域纹理及颜色极易散失,严重降低了图像质量;低照度图像在细节和边缘区域容易出现模糊不清的现象,现有的算法在提高图像亮度时经常会出现光晕、褪色和过增强现象。针对这些问题,本文做了相关研究。全文主要研究内容如下:回顾了现有图像增强算法的特点及常用的图像质量评估算法。经典的图像增强算法主要包括:线性及非线性图像增强算法、图像直方图修正算法、图像去噪增强算法以及Retinex低照度图像增强算法。在使用这些算法时应注意各算法的特点,针对图像存在的问题,选择合适的增强算法;图像质量评估主要包括:图像均值、熵值、标准差、峰值信噪比、BRISQE值和NIQE值。研究了局部过曝光图像的纹理及颜色修复算法。首先选取能直观表达色彩明暗、色度及颜色鲜艳程度的HSV色彩模型,采用修正饱和度S阈值检测法得到过曝光区域;然后选用区域块填充算法恢复纹理,将亮度均方值、数据项和置信度结合并加权计算边界点所在区域的优先级,以此确定修复边界点顺序,提高修复精度;最后采用空间距离和亮度差值的权重对色调和饱和度进行加权,恢复色彩,输出修复图像。实验结果表明,图像过曝光区域亮度值有效降低,直方图分布更合理,同时纹理及颜色得到了有效恢复。研究了低照度图像的细节增强算法。低照度图像亮度较低,图像细节不清晰。为了增强图像细节,首先建立了梯度稀疏和最小平方约束模型,将图像分解为结构层和细节层;然后采用提出的多尺度边缘保护细节增强算法强化图像的细节信息并滤波,得到细节强化的低照度图像。实验结果表明,低照度图像的细节得到了有效增强。研究了低照度图像的亮度增强算法。该算法核心主要有两部分:一是在HSV色彩空间分解图像,选取V通道经小波分解,然后分别处理高、低频系数,得到目标突出、细节明显和清晰度较高的灰度图像;二是将先前处理完成的V分量,经基于引导滤波的Retinex算法处理,提高V分量的对比度,最后将其与其他通道分量融合,输出修复图像。实验结果表明,本文所提图像增强算法具有一定效果,能够有效修复局部过曝光图像的纹理及颜色信息,增强低照度图像的细节,同时提高低照度图像对比度和亮度。照度不适的图像经本文所提增强算法处理后,图像视觉效果得到明显提高,这对于图像识别等处理技术具有重要意义。