【低光图像增强】一个受生物启发(人类视觉系统HVS)的多曝光融合框架用于低光图像增强附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

一、技术背景：低光增强的痛点与破局思路

低光图像普遍存在亮度失衡、细节丢失、噪声泛滥三大核心问题（如夜间监控画面的阴影糊化、手机夜景的色彩失真），严重制约目标检测、图像识别等下游任务精度。传统解决方案存在明显局限：

• 经典算法（直方图均衡化、伽马校正）易导致局部过曝，无法适配复杂光照场景；

• 深度学习方法需海量配对数据集训练，对未知场景的泛化能力薄弱；

• 单曝光增强技术难以兼顾高光抑制与阴影细节恢复的平衡。

而人类视觉系统（HVS）的天然优势提供了破局灵感：在昏暗环境中，HVS 通过瞳孔调节、视杆 / 视锥细胞协同、神经信号整合等机制，可自适应捕捉不同光照下的视觉信息。受此启发，多曝光融合（MEF） 技术被引入低光增强领域 —— 通过模拟 HVS 的多光照信息整合能力，将单幅低光图像转化为多曝光图像集并融合，实现动态范围与细节质量的双重提升。

二、核心支撑：HVS 机制与多曝光融合的技术耦合

（一）人类视觉系统的低光适应机制

HVS 的三大核心特性为框架设计提供生物学依据：

1. 动态曝光调节：瞳孔通过直径变化（2mm-8mm）控制进光量，类似相机光圈的自适应调整；

1. 感光细胞分工：视杆细胞（低光敏感，负责灰度感知）与视锥细胞（高光活跃，负责色彩细节）协同工作，实现全光照范围的信息捕获；

1. 神经信号优化：视网膜侧抑制机制抑制噪声，大脑视觉皮层整合局部对比度信息，增强模糊区域的可辨识度。

（二）多曝光融合的技术原理

MEF 技术通过三步实现信息整合，完美映射 HVS 的处理逻辑：

1. 图像配准：校正多曝光图像的像素位移，确保空间一致性（模拟 HVS 的视觉聚焦机制）；

1. 权重图生成：基于亮度、对比度、饱和度等特征，为每个像素分配可靠性权重（对应 HVS 对信号质量的神经评估）；

1. 多尺度融合：通过拉普拉斯金字塔、小波变换等方法，在不同尺度上整合多图信息（复刻大脑的分层信息处理）。

三、框架设计：模拟 HVS 的双阶段增强流程

该框架创新性地将 HVS 工作流程拆解为 **“眼曝光调整”** 与 **“大脑曝光融合”** 两大阶段，实现从单幅低光图到高质量增强图的转化（图 1 为框架流程图）。

阶段 1：眼曝光调整 —— 模拟多曝光图像生成

针对单幅低光输入的局限性，通过三大技术路径生成模拟多曝光图像集：

1. 光照成分调控：基于 Retinex 理论分解图像为 “光照成分 + 反射成分”，通过调整光照成分模拟不同曝光强度（如提亮阴影区域模拟长曝光效果）；

1. 非线性亮度变换：采用多组伽马校正系数（γ=0.3~1.5）生成亮度梯度图像，覆盖从欠曝到稍过曝的完整范围；

1. 局部细节增强：结合 CLAHE 算法生成高对比度图像，模拟视锥细胞对细节的感知强化。

关键创新：生成的图像需具备互补性 —— 例如 “低曝模拟图” 保留高光细节，“高曝模拟图” 恢复阴影信息，“细节强化图” 突出纹理特征，为后续融合提供丰富素材。

阶段 2：大脑曝光融合 —— 实现最优信息整合

1. 预处理降噪：采用双边滤波抑制低光噪声，模拟 HVS 的神经噪声抑制机制；

1. 权重图设计：基于 “亮度适中（0.2~0.8 灰度值）、对比度高、饱和度高” 三大原则计算权重，例如：

• 低曝模拟图的高光区域权重设为 0.8~1.0；

• 高曝模拟图的阴影区域权重设为 0.7~0.9；

• 细节强化图的纹理区域权重设为 0.6~0.8；

1. 多尺度融合：通过拉普拉斯金字塔分解，在像素级、边缘级、结构级分别执行加权融合，最终重构出增强图像。

四、应用与展望

（一）核心应用场景

1. 消费电子：集成至手机相机 ISP，提升夜景模式成像质量；

1. 安防监控：增强夜间监控画面的目标可识别性；

1. 自动驾驶：优化低光环境下的路面、行人检测精度。

（二）未来发展方向

1. 端侧轻量化：简化金字塔融合结构，适配移动设备算力；

1. 跨模态融合：结合红外图像生成多曝光集，突破纯可见光局限；

1. 自监督优化：无需配对数据集，通过 HVS 先验知识指导模型训练。

⛳️ 运行结果

🔗 参考文献

[1] 李云翰.生物视觉认知机理启发的基于深度网络的道路场景红外图像可见光化研究[D].电子科技大学[2025-11-10].

[2] 郭珮瑶,蒲志远,马展.多相机系统:成像增强及应用[J].激光与光电子学进展, 2021, 58(18):1811013.DOI:10.3788/LOP202158.1811013.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇