Low_night image enhancement

Low_night image enhancement

1、几种经典的低照度图像增强技术（这里只介绍一下传统的低照度图像增强方法）

• LIME
• BIMEF
• L2lpretinex
• 等其他方法

论文链接：各种低照度图像总结

2、对于可见光夜间图像会存在的问题

• 长曝光需求导致图像模糊
• 高感光度需求造成了图像存在高噪声
• 场景的极限动态范围导致图像亮度受到限制

对于夜景图像存在以下特点：

夜景图像的直方图分布相比于正常光照图像在低强度信号区存在更大的占比；其图像梯度范围分布较大；并且噪声近似服从高斯-泊松分布。

3、我们从哪些角度提升夜景图像像质

• 图像去噪
• 图像去模糊
• 过曝光修复

4、图像去噪

对于图像去噪，我们首先确定噪声类型，基于ISP流程分析噪声类型的空间相关性主要由去马赛克和颜色空间转换引入。通过前期raw图选择合适的马赛克方法可以较好的提升夜景图像去噪效果；目前大多数图像去噪使用的是BM3D方法和双边滤波的方法。

5、过曝光修复问题

过曝光是指在成像过程中由于不恰当的曝光模式或者是场景动态范围过大导致造成高亮区域细节丢失，因此需要进行动态范围增强。

算法思路:

• 将图像分为不同频域的层（利用FGS平滑滤波器）
• 将图像进行分层之后，需要定义图像的显著性程度，作为融合权重分派的依据
• 对于过曝光图像以及和经过透射率修正的细节图，利用FGS滤波器获得其相应的各层图像，得到这些子图像对应的显著性指数
• 进行图像融合。

6、图像去模糊

夜景图像的成像受限于其光照条件使得成像系统趋于采用更长的曝光时间、更大的光圈和更大的增益来获得高质量的图像。长曝光会导致相机运动模糊，大光圈可以带来大的像差，同时不充足的光照条件也会加剧对焦的难度。因此我们需要解决夜景图像的模糊问题。

对于去模糊的方法目前还在研究阶段。

总结：对于夜景图像增强，一方面我们需要提高器件的感光能力；另一方面需要合适的算法去解决图像中存在的问题。我们应该采用软硬结合的方式来提升夜间图像质量。

下面是我的写的一个GUI，关于各种夜间图像增强的一个汇总：

截图如下：

从目前来看L2lpretinex和BIMEF在解决图像低照度问题上具有一点的优势

GUI链接：https://download.csdn.net/download/weixin_44690935/19147649

最后

以上就是安静短靴为你收集整理的Low_night image enhancement的全部内容，希望文章能够帮你解决Low_night image enhancement所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。