【图像增强】基于融合的弱光图像增强方法研究Matlab论文复现_a fusion-based enhancing method for weakly illumin-优快云博客

本文链接：https://blog.youkuaiyun.com/matlab_dingdang/article/details/145029281

✅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。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知，求助可私信。

🔥 内容介绍

弱光图像普遍存在对比度低、细节缺失、噪声显著等问题，严重影响图像的后续处理和应用。针对这一挑战，本文提出一种基于融合的弱光图像增强方法，旨在有效提升弱光图像的视觉质量和信息利用率。该方法仅需单一输入图像即可实现增强，并能灵活地集成多种成熟的图像处理技术，同时兼顾高效的计算性能，使其具备良好的实用性。

现有弱光图像增强方法主要分为基于Retinex、基于深度学习和基于先验知识等几类。基于Retinex的方法通过将图像分解为反射分量和照度分量来增强图像对比度，但其对光照不均匀的图像处理效果不够理想，且参数调整较为复杂。基于深度学习的方法虽然取得了显著进展，但通常需要大量的训练数据，模型复杂度高，计算量较大，难以应用于实时处理场景。基于先验知识的方法则依赖于对图像内容的先验假设，其适用范围相对有限。

为了克服现有方法的不足，本文提出了一种基于融合的弱光图像增强框架。该框架的核心思想是将多种成熟的图像处理技术进行融合，取长补短，以达到优于单一方法的增强效果。具体而言，该框架包含以下几个关键步骤：

一、多通道特征提取: 首先，对输入的弱光图像进行多通道特征提取。这包括但不限于：

亮度通道: 提取图像的亮度信息，用于捕捉图像整体的亮暗程度。
色彩通道: 提取图像的色彩信息，用于保留图像的原始色彩特征。
纹理通道: 提取图像的纹理信息，用于增强图像细节。
梯度通道: 提取图像的梯度信息，用于增强图像边缘和轮廓。

这些特征通道的提取可以采用多种成熟的图像处理技术，例如小波变换、Gabor滤波器、局部二值模式(LBP)等，根据实际需要选择合适的算法。

二、自适应权重计算: 不同的特征通道对图像增强效果的贡献不同，因此需要根据图像内容自适应地计算每个通道的权重。这可以通过学习或设计一种权重计算策略来实现。例如，可以采用基于图像内容的统计特征，如局部对比度、方差等，来确定每个通道的权重。权重计算的目的是为了突出对增强效果贡献大的通道，并抑制对增强效果贡献小的通道。

三、加权融合: 将提取的特征通道与计算得到的权重进行加权融合，得到一个融合特征图。该步骤的关键在于如何有效地融合不同通道的特征信息，避免信息丢失或冲突。可以使用加权平均、加权求和等方法进行融合。为了进一步提高融合效果，可以考虑采用更复杂的融合策略，例如基于学习的融合方法。

四、后处理: 为了进一步提升增强图像的视觉质量，可以对融合后的图像进行后处理。这包括但不限于：

对比度增强: 利用直方图均衡化、对比度受限自适应直方图均衡化(CLAHE)等方法进一步增强图像对比度。
噪声抑制: 利用均值滤波、中值滤波等方法抑制图像噪声。
锐化处理: 利用拉普拉斯算子、高斯滤波器等方法锐化图像细节。

该方法的优势在于：

灵活性和鲁棒性: 可以灵活地集成多种图像处理技术，并根据不同的弱光图像自适应地调整参数，增强方法的鲁棒性。
高效性: 由于采用了多通道融合策略，避免了复杂模型的训练和推理过程，从而实现了高效的计算性能。
单输入: 仅需要单一输入图像即可实现增强，简化了图像处理流程。

未来的工作将集中于以下几个方面：

探索更有效的特征提取和融合策略，进一步提高增强效果。
研究更精细的权重计算方法，以更好地适应不同类型的弱光图像。
将该方法应用于实际场景，例如医学影像、视频监控等，并进行性能评估。

📣 部分代码

%GENPYR generate Gaussian or Laplacian pyramid

% PYR = GENPYR(A,TYPE,LEVEL) A is the input image,

% can be gray or rgb, will be forced to double.

% TYPE can be 'gauss' or 'laplace'.

% PYR is a 1*LEVEL cell array.

pyr = cell(1,level);

pyr{1} = im2double(img);

for p = 2:level

pyr{p} = pyr_reduce(pyr{p-1});

end

if strcmp(type,'gauss'), return; end

for p = level-1:-1:1 % adjust the image size

osz = size(pyr{p+1})*2-1;

pyr{p} = pyr{p}(1:osz(1),1:osz(2),:);

end

for p = 1:level-1

pyr{p} = pyr{p}-pyr_expand(pyr{p+1});

end

⛳️ 运行结果

🔗 参考文献

[1]Fu,Xueyang,Paisley,et al.A fusion-based enhancing method for weakly illuminated images[J].Signal Processing the Official Publication of the European Association for Signal Processing, 2016.