方明，李洪娜，雷立宏，梁銘

（1.長(zhǎng)春理工大學(xué)　計(jì)算機(jī)科學(xué)技術(shù)學(xué)院，長(zhǎng)春　130022；2.長(zhǎng)春理工大學(xué)　機(jī)電工程學(xué)院，長(zhǎng)春　130022）

低照度視頻圖像增強(qiáng)算法綜述

方明1，李洪娜1，雷立宏1，梁銘2

（1.長(zhǎng)春理工大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院，長(zhǎng)春130022；2.長(zhǎng)春理工大學(xué)機(jī)電工程學(xué)院，長(zhǎng)春130022）

圖像傳感器在光照不足的環(huán)境下成像，會(huì)造成視頻圖像噪聲大、對(duì)比度低、大量細(xì)節(jié)信息無(wú)法表現(xiàn)等問(wèn)題，這些不足嚴(yán)重影響人們對(duì)視頻圖像內(nèi)容的判讀和理解。分析了低照度視頻圖像的不足，總結(jié)了近年來(lái)針對(duì)這些不足提出的有代表性的一些低照度視頻圖像增強(qiáng)策略及它們的衍生算法。根據(jù)這些算法的亮度增強(qiáng)原理將它們分為基于色調(diào)映射、背景融合、模型、直方圖等幾大類(lèi)，并對(duì)比分析了它們各自的適用場(chǎng)合、算法優(yōu)勢(shì)、局限性等。

低照度；視頻圖像；圖像增強(qiáng)

良好的光照是保證視頻圖像質(zhì)量的一個(gè)重要條件，但在視頻圖像的拍攝過(guò)程中，理想的光照條件往往很難得到滿(mǎn)足。在低照度環(huán)境下獲取的視頻圖像通常存在亮度低、噪聲大、對(duì)比度低等不足。針對(duì)低照度視頻圖像的這些特點(diǎn)，一般的低照度圖像增強(qiáng)算法都會(huì)采用提亮、去噪、提高對(duì)比度相結(jié)合的方法對(duì)低照度圖像進(jìn)行增強(qiáng)。為了獲得視覺(jué)效果良好的低照度視頻圖像，許多研究者提出了一些經(jīng)典的算法，但是這些算法往往只在某一個(gè)方面擁有較好的效果，而無(wú)法兼顧各個(gè)方面。隨著圖像增強(qiáng)技術(shù)的發(fā)展，通過(guò)簡(jiǎn)單的經(jīng)典算法的組合對(duì)低照度圖像處理得到的圖像，在質(zhì)量上已不能滿(mǎn)足人們的要求。因此國(guó)內(nèi)外出現(xiàn)了許多經(jīng)典算法的改進(jìn)算法，并利用改進(jìn)的算法進(jìn)行組合以達(dá)到對(duì)低照度圖像增強(qiáng)的目的。本文首先分析了低照度圖像的特點(diǎn)，總結(jié)了基于這些特點(diǎn)的視頻圖像后呈現(xiàn)該方法，最后重點(diǎn)分析了幾條典型案例。

1　低照度視頻圖像特點(diǎn)分析

低照度視頻圖像中的灰度值總體偏小，使視頻圖像整體偏暗。各個(gè)相鄰的像素之間的相關(guān)性大，相似的像素值分布集中，輪廓等邊緣像素對(duì)應(yīng)的灰度值與非邊緣的鄰域像素對(duì)應(yīng)的灰度值差異較小，細(xì)節(jié)信息弱化。低照度視頻圖像的這種弱化現(xiàn)象在圖像增強(qiáng)過(guò)程中容易造成信息的丟失。彩色圖像的色彩是由圖像各個(gè)通道的像素對(duì)應(yīng)的灰度值的差異關(guān)系決定的，低照度下的視頻圖像各個(gè)通道之間對(duì)應(yīng)像素灰度差值變小，雖然在數(shù)值上可以看到不同，但對(duì)于人類(lèi)視覺(jué)而言仍不能分辨出這些細(xì)微的色彩差別，視頻圖像的顏色均偏暗色，整體的色彩層產(chǎn)生偏差，由于色彩不同而造成邊緣信息弱化。低照度環(huán)境下獲取的視頻圖像因受光照不均的影響，易產(chǎn)生噪聲和局部欠曝光等現(xiàn)象，這也容易造成在增強(qiáng)過(guò)程中產(chǎn)生光暈、欠曝光、過(guò)度曝光等問(wèn)題。

低照度視頻圖像的增強(qiáng)與單一低照度圖像的增強(qiáng)不同，在低照度視頻圖像的增強(qiáng)過(guò)程中，不但要考慮每幀圖像的增強(qiáng)效果，還要考慮視頻幀之間圖像的銜接是否平滑，若相鄰幀圖像銜接不自然，增強(qiáng)后的視頻圖像易產(chǎn)生運(yùn)動(dòng)模糊等現(xiàn)象。低照度視頻圖像比單一圖像的參考信息豐富，在運(yùn)動(dòng)場(chǎng)景中，當(dāng)前幀圖像可以參考鄰幀圖像的信息進(jìn)行圖像增強(qiáng)，在固定場(chǎng)景中（例如監(jiān)控視頻），當(dāng)前幀圖像可以參考背景清晰幀的信息進(jìn)行圖像增強(qiáng)。

2　經(jīng)典低照度視頻圖像的噪聲去除與亮度增強(qiáng)算法

人們對(duì)低照度視頻內(nèi)容的判讀受很多情況的影響，其中圖像噪聲和圖像亮度是影響人們對(duì)圖像內(nèi)容判讀的主要因素?，F(xiàn)有的一些圖像噪聲去除和亮度增強(qiáng)算法不但效果良好，而且能很好的保持圖像的細(xì)節(jié)信息，這些算法均是在經(jīng)典算法的基礎(chǔ)之上衍生出來(lái)的。下面是對(duì)去噪和亮度增強(qiáng)的兩類(lèi)經(jīng)典算法的總結(jié)。

2.1去噪類(lèi)算法

低照度視頻圖像除了光照影響產(chǎn)生的光量子噪聲外，在處理過(guò)程中也容易引入的高斯噪聲、瑞利噪聲和脈沖噪聲等。對(duì)去除這些噪聲的經(jīng)典濾波算法的優(yōu)缺點(diǎn)進(jìn)行總結(jié)，如表1所示。

表1　經(jīng)典去噪算法優(yōu)缺點(diǎn)對(duì)比

2.2亮度增強(qiáng)類(lèi)算法

低照度視頻圖像會(huì)出現(xiàn)光照不均，圖像過(guò)暗等不足。為了能更好的在不同的場(chǎng)景中選擇適當(dāng)?shù)牧炼仍鰪?qiáng)方法，對(duì)亮度增強(qiáng)算法的優(yōu)缺點(diǎn)進(jìn)行總結(jié)，如表2所示。

表2　經(jīng)典亮度增強(qiáng)算法優(yōu)缺點(diǎn)對(duì)比

3　低照度圖像的典型算法分類(lèi)

國(guó)內(nèi)外學(xué)者提出了很多針對(duì)低曝光的視頻圖像的增強(qiáng)算法，這些算法對(duì)低照度視頻圖像的改善各有側(cè)重。由于光照條件一直是低照度視頻圖像質(zhì)量的主要限制因素，本文將按照算法對(duì)亮度的增強(qiáng)方式對(duì)近幾年發(fā)表的效果比較好的一些算法進(jìn)行分類(lèi)和總結(jié)。算法的分類(lèi)如圖1所示。

圖1　亮度增強(qiáng)方法分類(lèi)

圖1中，色調(diào)映射類(lèi)是通過(guò)色調(diào)映射函數(shù)對(duì)圖像的亮度進(jìn)行增強(qiáng)；背景融合類(lèi)是通過(guò)借助曝光良好的背景對(duì)圖像的亮度進(jìn)行增強(qiáng)；基于模型類(lèi)是基于現(xiàn)有的模型，例如大氣物理模型等對(duì)圖像亮度進(jìn)行增強(qiáng)；直方圖類(lèi)是基于直方圖均衡化的思想對(duì)圖像的亮度進(jìn)行增強(qiáng)。

3.1色調(diào)映射類(lèi)算法

色調(diào)映射（Tone Mapping）簡(jiǎn)稱(chēng)TM，是由Drago F［1］等在2003年模仿人類(lèi)對(duì)光的反應(yīng)提出的一種實(shí)驗(yàn)效果良好的用于顯示高對(duì)比度場(chǎng)景的自適應(yīng)映射函數(shù)，即將低動(dòng)態(tài)范圍的圖像近似顯示為高動(dòng)態(tài)范圍圖像的一項(xiàng)計(jì)算機(jī)圖形學(xué)技術(shù)。該方法可以拓展低照度圖像的動(dòng)態(tài)范圍，改善圖像的亮度并改善圖像光照不均的不足，但這種動(dòng)態(tài)范圍的拓展常常會(huì)以衰減對(duì)比度為代價(jià)。TM經(jīng)過(guò)眾多研究者的逐步改善，其在拓展圖像動(dòng)態(tài)范圍上已經(jīng)取得了比較好的效果。圖2為T(mén)M算法與各種去噪算法組合的低照度視頻圖像增強(qiáng)算法示意圖。

圖2　色調(diào)映射算法發(fā)展示意圖

圖2中，箭頭方向?yàn)樗惴ǖ奶岢鲰樞颍惴?為T(mén)M與雙邊濾波的組合；算法2為T(mén)M與非局域均值濾波的組合；算法3為T(mén)M與基于時(shí)空的雙邊濾波算法的組合；算法4為T(mén)M與基于時(shí)空的非局域均值濾波算法的組合；算法5為T(mén)M與非局域均值濾波和卡爾曼濾波的組合；算法6為T(mén)M與各向異性濾波的組合。

按照色調(diào)映射算法發(fā)展的示意圖，本文將對(duì)每個(gè)階段的典型算法進(jìn)行簡(jiǎn)單的概述。Bennett Eric P，McMillan Leonard［2］等將色調(diào)映射函數(shù)較早地應(yīng)用到低照度視頻增強(qiáng)算法上。他們提出了一種利用逐像素虛擬曝光的視頻增強(qiáng)方法。該算法的亮度增強(qiáng)部分在基于Drago F等提出的映射函數(shù)的基礎(chǔ)上提出了一個(gè)對(duì)數(shù)映射方程，該映射方法［1］對(duì)低動(dòng)態(tài)曝光不足的視頻進(jìn)行動(dòng)態(tài)擴(kuò)展和亮度提升，在亮度增強(qiáng)過(guò)程中增加了細(xì)節(jié)增強(qiáng)部分，減少了圖像對(duì)比度的衰減，用濾波后的圖像與原圖相減得到的邊緣值對(duì)圖像細(xì)節(jié)部分進(jìn)行增強(qiáng)，然后利用色調(diào)映射方法對(duì)兩部分同時(shí)進(jìn)行縮放，只是在縮放時(shí)選用了不同的參數(shù)，將細(xì)節(jié)和亮度同時(shí)增強(qiáng)。在去除噪聲過(guò)程中，該文提出了一種自適應(yīng)時(shí)空濾波方法（ASTA），該濾波算法借助當(dāng)前像素與鄰幀對(duì)應(yīng)像素的相似度和距離決定其對(duì)當(dāng)前像素貢獻(xiàn)的權(quán)值，再對(duì)圖像進(jìn)行整合得到增強(qiáng)后的圖像。該方法減少了色調(diào)映射方法對(duì)細(xì)節(jié)信息的損失，但在去噪方面卻不是很理想。針對(duì)這一問(wèn)題姜海琳［3］在其碩士論文中提出了基于NLM和Tone Mapping的低亮度視頻去噪、增強(qiáng)的算法。該算法在去噪方面對(duì)ASTA算法進(jìn)行改進(jìn)，提出自適應(yīng)時(shí)空加權(quán)平均（Adaptive-Spatio-TemporalAverageNLM （ASTA-NLM））的新的濾波算法，由ASTA中雙邊濾波［4］改成空間局域均值濾波，該算法將ASTA算法中以鄰幀對(duì)應(yīng)點(diǎn)為參考變?yōu)橐脏弾瑢?duì)應(yīng)塊為參考，從而使其鄰域從二維擴(kuò)展到三維。在細(xì)節(jié)和亮度增強(qiáng)部分，采用圖形學(xué)上的色調(diào)映射對(duì)濾波后的視頻進(jìn)行映射，根據(jù)當(dāng)前處理點(diǎn)的亮度與它所在區(qū)域的平均亮度的差值來(lái)衡量該點(diǎn)與周?chē)c(diǎn)的亮度對(duì)比情況來(lái)矯正最后的映射曲線，拉伸動(dòng)態(tài)范圍，最后再對(duì)視頻圖像的Y通道進(jìn)行濾波的操作。該算法在運(yùn)動(dòng)邊緣保持，細(xì)節(jié)保持和噪聲去除上略?xún)?yōu)于Bennett Eric P，Leonard McMillan等提出的算法，但是計(jì)算量增加了許多。

上述算法參考鄰幀信息時(shí)，均未考慮運(yùn)動(dòng)產(chǎn)生的誤差。針對(duì)這個(gè)問(wèn)題，Minjae Kim，Dubok［5］等提出了一種極低光視頻去噪和增強(qiáng)的新方法。該方法在時(shí)域?yàn)V波中利用卡爾曼濾波［6］對(duì)最小化運(yùn)動(dòng)模糊進(jìn)行估計(jì)，找到對(duì)應(yīng)區(qū)域，應(yīng)用動(dòng)態(tài)非局域均值去噪方法對(duì)對(duì)應(yīng)區(qū)域進(jìn)行去噪，減少了運(yùn)動(dòng)誤差。在時(shí)域去噪完成后實(shí)施色調(diào)映射操作，在色調(diào)映射過(guò)程中增強(qiáng)了圖像的亮度，但同時(shí)也不可避免地增強(qiáng)了之前殘留的噪聲，最后利用非局域均值去噪方法對(duì)色調(diào)映射后的圖像進(jìn)行增強(qiáng)。色調(diào)映射中對(duì)于每種參數(shù)，均有曝光良好與曝光欠佳的區(qū)域。對(duì)此Zhang Qing，Nie Yongwei［7］等提出了一種新的有效的視覺(jué)驅(qū)動(dòng)漸進(jìn)融合方法。對(duì)于輸入的低曝光視頻，利用一系列試探性的色調(diào)映射曲線對(duì)每個(gè)視頻幀進(jìn)行色調(diào)映射，得到原始視頻的多重曝光序列，在不同曝光等級(jí)的視頻幀序列中通過(guò)對(duì)比度、飽和度和曝光度選擇曝光良好的區(qū)域集成為一個(gè)良好的曝光視頻幀，最后將視頻前后幀曝光良好的視頻幀通過(guò)高斯和拉普拉斯金字塔分解，進(jìn)行多尺度融合，即感知驅(qū)動(dòng)漸進(jìn)融合方法。然后利用Knn（k-nearest neighbors algorithm）［8］方法找到鄰幀中當(dāng)前被處理像素的匹配塊，再進(jìn)行有效的紋理保持的時(shí)空濾波，以獲得去噪后的增強(qiáng)圖像。該算法得到的增強(qiáng)圖像曝光均勻，細(xì)節(jié)良好，保持了時(shí)間協(xié)調(diào)性，避免了視覺(jué)假象。比較而言，雖然上述算法增強(qiáng)效果很好，但是算法結(jié)構(gòu)復(fù)雜，計(jì)算量大，為了能得到實(shí)時(shí)的視頻圖像，Malm Henrik［9］等提出了極低光級(jí)視頻的自適應(yīng)增強(qiáng)和降噪方法，該方法對(duì)彩色視頻圖像采用HSV顏色空間進(jìn)行處理，提取出亮度圖像，將結(jié)構(gòu)張量和二階矩結(jié)合結(jié)構(gòu)自適應(yīng)各向異性濾波方法在時(shí)空上進(jìn)行拓展，形成了新的濾波算法，即自適應(yīng)時(shí)空濾波算法，然后通過(guò)該濾波算法對(duì)視頻的灰度圖像進(jìn)行平滑，采用快速濾波器對(duì)圖像邊緣進(jìn)行銳化，減輕濾波對(duì)圖像細(xì)節(jié)的影響，最后利用色調(diào)映射解決低曝光和曝光不均勻的問(wèn)題。該論文提出的算法可獨(dú)立進(jìn)行并行處理，提高視頻圖像的處理速度。

TM類(lèi)低照度視頻增強(qiáng)算法的基本流程如下：

（1）視頻圖像去噪

基于TM類(lèi)的低照度視頻增強(qiáng)算法首先對(duì)視頻的亮度分量和整體做去除噪聲操作，在去除噪聲和亮度映射過(guò)程中均會(huì)損失圖像的細(xì)節(jié)信息，因此通常選取保邊去噪效果比較好的時(shí)空濾波去除視頻圖像中的噪聲，公式一般如下所示：

其中 temporalfilter（x，y，t）為幀間的濾波操作，temporalfilter（x，y，t）為當(dāng)前幀的濾波操作，λ為增益系數(shù)，g（0，δ）為高斯核函數(shù)，n為雙邊濾波的分子，d為雙邊濾波的分母。

（2）亮度增強(qiáng)

低照度視頻圖像的亮度整體偏低，且局部呈現(xiàn)低動(dòng)態(tài)，因此在亮度增強(qiáng)部分采用TM函數(shù)對(duì)低照度視頻圖像的亮度分量進(jìn)行映射，拓展視頻圖像的局部動(dòng)態(tài)范圍，在全局范圍內(nèi)提升視頻圖像的亮度。表達(dá)式一般如下所示：

其中x為當(dāng)前處理的像素值，xMax為整幅圖像的最大值，ψ為曲線參數(shù)。

TM類(lèi)算法基本為去噪算法與色調(diào)映射算法結(jié)合的模式，該類(lèi)算法結(jié)構(gòu)適用于變化的場(chǎng)景，算法靈活性比較好，適宜拓展。但算法比較繁瑣，計(jì)算量較大，這些造成了算法的實(shí)用性降低。

3.2背景融合類(lèi)算法

背景融合是視頻圖像亮度增強(qiáng)的另一種方法，該類(lèi)方法主要是指關(guān)于同一目標(biāo)圖像的多種形式的信息數(shù)據(jù)經(jīng)過(guò)處理，最大限度的提取各種形式中的有利信息，最后整合成高質(zhì)量的圖像。

在低照度圖像融合中，常常借助曝光良好的視頻圖像與需要增強(qiáng)的圖像進(jìn)行亮度融合，以得到適合人類(lèi)觀察的增強(qiáng)后的圖像。如圖3所示利用曝光良好的背景圖像（a）對(duì)低曝光圖像（b）的背景進(jìn)行增強(qiáng)。在實(shí)際融合過(guò)程當(dāng)中，基于背景融合的低照度視頻圖像增強(qiáng)的方法有很多，該類(lèi)算法的原理［10-13］如圖4所示，其中長(zhǎng)方形框內(nèi)為亮度融合部分。

圖像融合技術(shù)在視頻監(jiān)控領(lǐng)域得到了很好的應(yīng)用，與紅外圖像增強(qiáng)算法［14-15］不同，圖像融合類(lèi)算法可以通過(guò)借助同一曝光良好的場(chǎng)景視頻圖像信息，恢復(fù)當(dāng)前圖像損失的細(xì)節(jié)、顏色等信息，對(duì)圖像的背景部分恢復(fù)效果較好。但背景融合也有缺點(diǎn)，即不能用于移動(dòng)的場(chǎng)景，對(duì)移動(dòng)物體的增強(qiáng)效果欠佳。

圖4　亮度融合算法原理

圖4中，首先將低照度圖像的灰度層與彩色層進(jìn)行分離，并從灰度圖像中提取出圖像的亮度分量，同理獲取曝光良好的圖像的亮度分量并對(duì)低照度圖像的亮度進(jìn)行增強(qiáng)（即黑框內(nèi)的部分），最后將增強(qiáng)的亮度與低照度圖像的反射分量和彩色層進(jìn)行重建，得到增強(qiáng)圖像。

基于背景融合的低照度視頻圖像增強(qiáng)的方法有很多，其中Li Jing［16］等比較早地將圖像融合思想應(yīng)用到夜間視頻監(jiān)控圖像的增強(qiáng)中，并提出了一種低照度視頻圖像背景增強(qiáng)的方法。該方法通過(guò)對(duì)比白天的光照對(duì)夜間背景光照強(qiáng)度進(jìn)行分割，以獲得高光和低光區(qū)域。高光區(qū)的像素將被直接發(fā)送到最后的融合模塊。同時(shí)按光照強(qiáng)度對(duì)夜間背景圖像進(jìn)行分區(qū)，并基于背景的運(yùn)動(dòng)估計(jì)與亮度的直方圖均衡化在各級(jí)分區(qū)中使用不同的閾值提取出運(yùn)動(dòng)物體。最后，結(jié)合移動(dòng)物體的提取結(jié)果和光照區(qū)域提出了一種基于多分辨率的融合方法，有效的增強(qiáng)了強(qiáng)光區(qū)域或低對(duì)比度的移動(dòng)物體。該算法具有較好的提取和保持重要信息的能力，但在噪聲去除方面不佳。在圖像融合的基礎(chǔ)上，Yamasaki Akito［17］等提出的Denighting夜間監(jiān)控視頻圖像增強(qiáng)算法比較好的解決了這一問(wèn)題，該算法總體分為實(shí)時(shí)和非實(shí)時(shí)兩部分。非實(shí)時(shí)部分為背景提取，將純凈的白天背景和當(dāng)前處理的夜晚背景進(jìn)行亮度顏色分離，對(duì)亮度圖像進(jìn)行雙邊濾波處理后利用Retinex方法提取其照度信息，計(jì)算出白天和夜晚的照度比值；實(shí)時(shí)部分是將當(dāng)前處理的夜間圖像進(jìn)行顏色亮度分離，對(duì)亮度圖像進(jìn)行雙邊濾波去噪，利用Retinex理論對(duì)去除噪聲后的圖像進(jìn)行照度分量和反射分量分離，根據(jù)照度比值對(duì)當(dāng)前的照度信息進(jìn)行增強(qiáng)處理，最后將圖像重建。該算法引進(jìn)了去噪部分，改善了視頻圖像的質(zhì)量并且該算法不需要進(jìn)行運(yùn)動(dòng)物體區(qū)域分割。但該算法同樣存在著不足，即通過(guò)白天與黑天的亮度比例對(duì)夜間圖像的亮度增強(qiáng)，可能會(huì)導(dǎo)致圖像靜態(tài)區(qū)亮區(qū)欠增強(qiáng)，亮度比例增強(qiáng)不協(xié)調(diào)等問(wèn)題。

為了改善上述夜間融合算法中出現(xiàn)的問(wèn)題，饒?jiān)撇ǎ?8］在其博士論文里提出了亮度融合權(quán)重的思想來(lái)改善此問(wèn)題的夜間視頻增強(qiáng)方法，即基于Term（亮度增強(qiáng)權(quán)重與日夜背景亮度差的乘積）的視頻增強(qiáng)算法。該算法對(duì)夜間和白天的視頻分別取相鄰若干幀圖像求其平均幀進(jìn)行背景估計(jì)，對(duì)圖像的灰度與顏色分量進(jìn)行分割，利用雙邊濾波對(duì)照度分量進(jìn)行亮度評(píng)估，并結(jié)合背景更新、背景差分法獲取二值圖像，再采用形態(tài)學(xué)操作消除隨機(jī)噪聲并完善運(yùn)動(dòng)物體區(qū)域，通過(guò)Term的夜間視頻幀亮度計(jì)算亮度增強(qiáng)的權(quán)重，利用白天的背景亮度信息對(duì)夜間圖像進(jìn)行亮度增強(qiáng)。田旺和陶青川［19］提出了基于融合的夜間視頻圖像增強(qiáng)算法，該算法對(duì)饒?jiān)撇ㄌ岢龅乃惴ㄖ械牧炼仍鰪?qiáng)權(quán)重部分做了改進(jìn)。該算法基于運(yùn)動(dòng)的背景估計(jì)，應(yīng)用高斯背景建模將目標(biāo)從夜間視頻中提出，用直方圖均衡方法對(duì)目標(biāo)進(jìn)行增強(qiáng)，然后在融合之前對(duì)夜間圖像進(jìn)行多尺度增強(qiáng)，從夜間視頻單幀圖像中獲取亮度信息，改進(jìn)了白天背景和夜晚視頻圖像的融合權(quán)重的計(jì)算方法，將圖像進(jìn)行歸一化處理，以夜間視頻同一場(chǎng)景的白天圖像和夜間圖像融合以后的圖像作為最后目標(biāo)圖像的新背景，最后基于平移不變的小波變換［20］方法將處理后的新背景和目標(biāo)融合就得到了最終的增強(qiáng)圖像。雖然該算法對(duì)夜間單幅圖像的增強(qiáng)效果良好，但在夜間移動(dòng)物體的影子增強(qiáng)上仍存在不足。為了改善視頻圖像幀間協(xié)調(diào)性，樸燕和劉磊［21］等提出了基于圖像加權(quán)融合方法對(duì)靜態(tài)背景的夜間視頻圖像進(jìn)行融合。該算法采用基于幀間差分的背景建模方法將灰度化的相鄰兩幀圖像做幀間差分獲得二值圖像，用形態(tài)學(xué)區(qū)域填充法對(duì)幀間差分后得到的內(nèi)部有黑色孔洞的連通區(qū)域進(jìn)行填充，對(duì)非運(yùn)動(dòng)區(qū)域進(jìn)行累加迭代，通過(guò)求平均獲得白天和夜間的同一地點(diǎn)背景圖像。并利用運(yùn)動(dòng)物體提取技術(shù)根據(jù)夜間圖像的亮度分布采用不同的閾值進(jìn)行運(yùn)動(dòng)物體的分割，同時(shí)采用Retinex理論進(jìn)行亮度估計(jì)，使用高斯低通濾波器估計(jì)亮度特征，結(jié)合指數(shù)映射函數(shù)對(duì)同一地點(diǎn)不同時(shí)間拍攝的圖像進(jìn)行加權(quán)融合。

夜間圖像融合增強(qiáng)算法除以上方式外，還存在一種檢索匹配式增強(qiáng)算法，Dong Xianshu［22］等提出了一種新的稀疏編碼融合（SCF）的夜間視頻圖像增強(qiáng)方法。該算法首先收集足夠的同一場(chǎng)景的白天和夜間視頻樣本，分別獲得一個(gè)白天字典和夜間字典（MCL），這兩個(gè)字典用于融合和提取執(zhí)行背景增強(qiáng)后的背景。此外，該方法重建夜間字典，以獲得將被應(yīng)用在運(yùn)動(dòng)提取中的夜間背景。再將移動(dòng)的對(duì)象添加到增強(qiáng)的背景中。實(shí)驗(yàn)結(jié)果表明該算法可以復(fù)原一個(gè)高度全面描述的視頻幀，使許多普通的公共視頻數(shù)據(jù)集的表現(xiàn)效果得到改善。朱婧雅和王中元［23］利用相似原理提出了一種基于相似場(chǎng)景的低照度監(jiān)控圖像增強(qiáng)算法，該算法首先獲取良好光照條件下，與低照度監(jiān)控圖像場(chǎng)景相似的圖像，以圖像的像素差值作為標(biāo)準(zhǔn)建立圖像庫(kù)。通過(guò)對(duì)RGB三個(gè)通道進(jìn)行直方圖匹配的方法，對(duì)低照度圖像進(jìn)行增強(qiáng)，并用迭代增強(qiáng)的方法將增強(qiáng)后的圖像進(jìn)行上述操作不斷提高圖像的清晰度，直到當(dāng)本次搜索到的參考圖像與上次搜索到的參考圖像相同時(shí)，該增強(qiáng)圖像即為得到最終增強(qiáng)后的低照度監(jiān)控圖像。該方法改善了圖像的視覺(jué)效果，提高了圖像的亮度和對(duì)比度。

3.3基于模型類(lèi)算法

（1）大氣物理散射模型

低曝光視頻圖像的反向圖與霧天圖像相似，利用這種相似性，低曝光視頻圖像可以借助大氣散射物理模型進(jìn)行增強(qiáng)，將去霧算法應(yīng)用于低照度視頻圖像增強(qiáng)過(guò)程中。由于偽霧圖與真實(shí)霧天圖像非常相似，故可借助大氣物理散射模型對(duì)偽霧圖進(jìn)行增強(qiáng)。

圖5　圖像清晰度對(duì)比

根據(jù)夜間視頻圖像與霧天圖像的關(guān)系，Ding X［24］等提出了一種基于圖像去霧算法的夜間圖像增強(qiáng)方法。該方法利用了夜晚圖像的亮度特點(diǎn)，根據(jù)反轉(zhuǎn)圖像的直方圖分布與霧天圖像十分相似這一特點(diǎn)，設(shè)計(jì)出一種算法。該算法效果良好，能夠做到實(shí)時(shí)的增強(qiáng)夜間視頻圖像，但在一些細(xì)節(jié)區(qū)域，仍存在過(guò)度增強(qiáng)的現(xiàn)象。姜雪松［25］基于夜間圖像的這一亮度特征，提出了一種新的夜間圖像和視頻的實(shí)時(shí)增強(qiáng)算法，該算法能夠保證圖像的細(xì)節(jié)可見(jiàn)性和自然性，避免了過(guò)度增強(qiáng)現(xiàn)象的出現(xiàn)。該算法首先將夜間圖像反轉(zhuǎn)求得與霧天相似的偽霧圖，對(duì)偽霧圖像進(jìn)行中值濾波，在濾波后的圖像頂部四分之一的部分找到灰度值最大的50個(gè)位置，在未濾波的偽霧圖中找到對(duì)應(yīng)位置的像素值，將最大值視為大氣光的亮度值，通過(guò)改進(jìn)的暗通道先驗(yàn)?zāi)Ｐ停瑢?duì)暗通道先驗(yàn)?zāi)Ｐ停?6-29］的約束條件進(jìn)行放松得到暗通道圖像，再進(jìn)行金字塔分解和多尺度中值濾波，利用優(yōu)化的暗通道圖來(lái)計(jì)算透射函數(shù)，再用大氣散射物理模型［30］對(duì)其增強(qiáng)，最后對(duì)增強(qiáng)后的視頻圖像求反，得到夜間圖像。該方法增強(qiáng)夜晚圖像與視頻的細(xì)節(jié)可見(jiàn)度和整體亮度，同時(shí)保持了增強(qiáng)結(jié)果的自然性，避免過(guò)度增強(qiáng)。低照度圖像增強(qiáng)過(guò)程中顏色信息也很容易丟失，對(duì)此遆曉光和曲悠楊［31］提出了一種改進(jìn)的色彩保持低照度圖像增強(qiáng)方法，該方法基于圖像去霧領(lǐng)域的暗通道先驗(yàn)方法，提出了一種基于暗通道先驗(yàn)的低照度圖像增強(qiáng)方法。該算法首先將輸入圖像轉(zhuǎn)換到RGB顏色空間，獲得圖像的RGB三個(gè)通道，將RGB三通道中的最小值作為輸入圖像的暗通道圖像，對(duì)圖像中的白色區(qū)域進(jìn)行判定，并修改白色區(qū)域像素的暗通道數(shù)值，得到初始光照強(qiáng)度分布圖，對(duì)修改后的暗通道圖像進(jìn)行線性平滑，得到平滑后的光照強(qiáng)度分布圖，根據(jù)像素點(diǎn)在平滑后光照強(qiáng)度圖像上的灰度與期望光照強(qiáng)度的比例關(guān)系，對(duì)圖像上不同像素點(diǎn)的RGB三個(gè)通道進(jìn)行增強(qiáng)，以提高圖像質(zhì)量。該方法能較好恢復(fù)低照度圖像的顏色信息。為了提升算法效率，王小元和張紅英［32］等提出了基于物理模型的低照度圖像增強(qiáng)算法，該算法將低照度圖像反轉(zhuǎn)后得到與霧天圖像相似的偽霧圖，應(yīng)用大氣散射物理模型對(duì)偽霧圖像進(jìn)行增強(qiáng)，再對(duì)增強(qiáng)后圖像求反得到夜間增強(qiáng)的圖像。在該算法中，首先采用暗原色先驗(yàn)規(guī)律對(duì)偽霧圖的環(huán)境光值進(jìn)行估計(jì)，并基于亮度分量對(duì)透射率進(jìn)行估計(jì)；然后，基于大氣散射模型還原出無(wú)霧圖像；最后，對(duì)無(wú)霧圖像反轉(zhuǎn)得到低照度圖像的增強(qiáng)結(jié)果，并對(duì)該結(jié)果進(jìn)行細(xì)節(jié)補(bǔ)償?shù)玫阶罱K的增強(qiáng)圖像。

基于大氣散射物理模型的低照度增強(qiáng)算法的過(guò)程通常如下：

①首先對(duì)低照度圖像求反，得到其偽霧圖，轉(zhuǎn)化公式為：

其中J（x）為低照度圖像，Jinv（x）為偽霧圖。

②應(yīng)用大氣散射物理模型對(duì)偽霧圖像進(jìn)行增強(qiáng)。表達(dá)式如下：

其中，A為大氣光值，t（x）為透射函數(shù)。

③將增強(qiáng)的圖像的反轉(zhuǎn)圖，即圖像的最終增強(qiáng)結(jié)果。

（2）Retinex理論模型

Retinex理論是另一種可以應(yīng)用到低照度視頻圖像增強(qiáng)中的模型，學(xué)者們從人類(lèi)的視覺(jué)系統(tǒng)發(fā)展了Retinex理論。從單尺度Retinex算法（single scale retinex，SSR）改進(jìn)成多尺度加權(quán)平均的Retinex算法（multi-scale retinex，MSR），再發(fā)展成帶彩色恢復(fù)的多尺度Retinex算法［33-36］（multi-scale retinex with color restoration，MSRCR）。Retinex理論模型表達(dá)式為：

S（x，y）為原始圖像，L（x，y）為入射分量，R（x，y）為反射分量。Retinex理論可將光照分量獨(dú)立的提取出來(lái)，利用Retinex理論可以在不影響圖像其他屬性的情況下對(duì)圖像的亮度進(jìn)行調(diào)整，這樣在圖像增強(qiáng)的操作過(guò)程中可以避免增加或減弱圖像的其他屬性信息，從而間接地篡改了圖像。

利用Retinex理論的優(yōu)點(diǎn)，學(xué)者們將其利用到低照度視頻圖像增強(qiáng)中，例如2011年Jin Huixia［37］等提出了基于Retinex理論的夜間視頻圖像增強(qiáng)方法。該算法首先利用Retinex理論在兩組不同的參數(shù)下對(duì)圖像進(jìn)行增強(qiáng)并進(jìn)行特征分析，然后根據(jù)離散小波變換的融合算法，將增強(qiáng)的圖像融合在一起。仿真結(jié)果表明，增強(qiáng)后的圖像具有更大的亮度、對(duì)比度和更清晰的邊緣，圖像的視覺(jué)效果得到明顯改善。為了增強(qiáng)彩色圖像而不引起色彩失真，一些學(xué)者們將Retinex理論在圖像的不同的顏色空間進(jìn)行應(yīng)用［38，39］，例如李小霞和李鋮果［40］等提出了一種新的低照度彩色圖像增強(qiáng)算法，該算法首先將圖像轉(zhuǎn)換到HSV顏色空間中，并保持色相不變，采用分段對(duì)數(shù)變換增強(qiáng)飽和度，對(duì)色調(diào)分量進(jìn)行多尺度Retinex變換，對(duì)變換后的圖像采用銳化處理和高斯平滑處理，利用色調(diào)分量迭加的方法增強(qiáng)色調(diào)邊緣。該方法主要在保持圖像顏色和圖像細(xì)節(jié)方面有較好的效果。為解決多尺度Retinex算法中出現(xiàn)的顏色失真問(wèn)題，在程芳瑾［41］等發(fā)表的基于Retinex的低照度圖像增強(qiáng)方法中，提出了根據(jù)夾角余弦值對(duì)MSR結(jié)果進(jìn)行調(diào)整的余弦色彩恢復(fù)函數(shù)，使之與原始圖像的顏色更加接近。在該算法中，首先計(jì)算原始圖像與單尺度處理結(jié)果圖像的夾角余弦值，當(dāng)處理后圖像像素矢量與原始圖像像素矢量夾角較小時(shí)，說(shuō)明顏色改變不大，因此只進(jìn)行小幅度調(diào)整；當(dāng)夾角較大時(shí)，說(shuō)明處理后顏色失真很大。根據(jù)實(shí)際實(shí)驗(yàn)觀察，這現(xiàn)象往往體現(xiàn)在亮度上，因而要大幅度調(diào)整其亮度以及顏色。除了以上直接利用Retinex理論對(duì)圖像進(jìn)行增強(qiáng)的算法外，也有利用Retinex理論將圖像中的亮度分量進(jìn)行分解，對(duì)分解后的分量進(jìn)行處理的算法。陳喆和蔣羽超［42］等提出的利用β函數(shù)映射與幀間信息融合的低照度視頻圖像增強(qiáng)方法，便是利用Retinex理論將其亮度分量分解為反射分量與照度分量；根據(jù)照度值映射關(guān)系利用β函數(shù)映射來(lái)增強(qiáng)照度分量；利用反射分量及增強(qiáng)后的照度分量來(lái)重建亮度層，最終重建RGB圖像。幀間信息融合增強(qiáng)將視頻第一幀圖像作為標(biāo)準(zhǔn)幀，計(jì)算其增強(qiáng)參數(shù)；比較第二幀圖像與標(biāo)準(zhǔn)幀圖像的直方圖，若歐式距離小于閾值，則使用標(biāo)準(zhǔn)幀的增強(qiáng)參數(shù)處理第二幀圖像；否則，將第二幀圖像作為標(biāo)準(zhǔn)幀并重新計(jì)算其增強(qiáng)參數(shù)，重復(fù)上述步驟，直至整個(gè)視頻增強(qiáng)過(guò)程結(jié)束。戴巖［43］等提出的基于梯度零范數(shù)最小化濾波的Retinex夜間圖像增強(qiáng)方法，也是利用Retinex理論將亮度分量分解成光照信息與反射信息兩部分。對(duì)亮度信息進(jìn)行降采樣后，利用梯度零范數(shù)最小化濾波對(duì)光照?qǐng)D像進(jìn)行估計(jì)，再生成采樣，完成照度圖像估計(jì)，對(duì)反射圖像進(jìn)行改進(jìn)的r校正，校正后的圖像與照度圖像融合成亮度信息圖像，得到最后的彩色增強(qiáng)圖像?；诟倪M(jìn)的CEM（Color Estimation Model）模型及細(xì)節(jié)增強(qiáng)的夜間彩色圖像增強(qiáng)方法中，結(jié)合改進(jìn)的r變換方法和CEM模型相結(jié)合，提出改進(jìn)的CEM方法對(duì)輸入圖像的RGB三個(gè)通道分別進(jìn)行增強(qiáng)，最后通過(guò)引導(dǎo)濾波對(duì)亮度提升后的圖像進(jìn)行去噪處理，以得到最后的增強(qiáng)圖像。

基于模型的算法能對(duì)視頻圖像中的整體信息進(jìn)行增強(qiáng)，但算法結(jié)構(gòu)不靈活，局部信息的增強(qiáng)效果不佳且算法的可拓展性不好。

3.4基于直方圖類(lèi)算法

在圖像處理中，直方圖均衡法是一種非常經(jīng)典的函數(shù)映射類(lèi)的方法。在低照度視頻增強(qiáng)中，基于直方圖均衡的改進(jìn)方法有很多，其中有些方法直接根據(jù)直方圖均衡進(jìn)行視頻圖像增強(qiáng)方法，如張宇和王希勤［44］等提出的一種用于夜間圖像增強(qiáng)的算法。為了提高夜間捕獲圖像的清晰度，該算法首先用直接對(duì)比度增強(qiáng)的方法增強(qiáng)圖像的局部對(duì)比度，再用直方圖均衡對(duì)圖像的全局進(jìn)行增強(qiáng)。該方法可以使用局部和全局的信息，是一種適合處理暗區(qū)圖像的對(duì)比度變換函數(shù)，可以實(shí)時(shí)實(shí)現(xiàn)。實(shí)驗(yàn)證明新方法在處理夜視圖像時(shí)表現(xiàn)出了良好的性能。也有些是基于直方圖均衡的視頻圖像算法。有些時(shí)候傳統(tǒng)的直方圖均衡方法無(wú)法滿(mǎn)足現(xiàn)實(shí)狀況的要求，所以有很多學(xué)者提出了改進(jìn)的直方圖均衡方法，例如何畏［45］提出的基于改進(jìn)直方圖的低照度圖像增強(qiáng)算法，該算法首先利用函數(shù)映射增強(qiáng)局部信息的對(duì)比度，然后用改進(jìn)的直方圖均衡化方法對(duì)圖像進(jìn)行全局的增強(qiáng)處理，根據(jù)其位置修正灰度級(jí)，拓展其輸出圖像的動(dòng)態(tài)范圍與灰度級(jí)數(shù)，保證細(xì)節(jié)不會(huì)因?yàn)橹狈綀D均衡化而丟失。該算法對(duì)局部細(xì)節(jié)對(duì)比度增強(qiáng)的效果較好。為了在不損失圖像細(xì)節(jié)的情況下使算法能達(dá)到很好的噪聲去除效果，冷露［46］等提出了將邊緣細(xì)節(jié)與局部信息結(jié)合的直方圖均衡方法，該方法具有較強(qiáng)的抗噪性。為了使夜視圖像曝光均勻，Ernesto Zamora Ramos［47］提出了夜間視覺(jué)的亮度加權(quán)直方圖均衡化算法，該文探討了利用直方圖均衡化擴(kuò)大惡劣的照明條件下拍攝的圖像的直方圖的動(dòng)態(tài)范圍的可能性，有效地增強(qiáng)夜間圖像的對(duì)比度［48-49］。夜視圖像的標(biāo)準(zhǔn)直方圖均衡主要是對(duì)聚集的低像素值周?chē)M(jìn)行曝光，而增強(qiáng)亮度權(quán)重直方圖均衡化是結(jié)合每個(gè)像素值亮度的歸一化權(quán)重計(jì)算和擴(kuò)散的直方圖值填充差距，減少噪聲的高頻變化。這項(xiàng)技術(shù)可以應(yīng)用到新的視頻捕獲設(shè)備，檢測(cè)低照度的光照強(qiáng)度的加權(quán)直方圖均衡，以利于低光的視頻捕獲。

如圖6中的（c）、（d）所示，直方圖均衡主要將灰度集中的圖像進(jìn)行拉伸，使其灰度均勻分布。圖（c）中直方圖可知，像素值主要集中在0-50，對(duì)應(yīng)的圖像亮度較暗，圖（d）中像素值相對(duì)圖（c）分布均勻，對(duì)應(yīng)的圖像亮度提升。

由圖6中的（a）、（b）效果圖對(duì)比可知，傳統(tǒng)直方圖均衡方法提升了圖像的亮度，并調(diào)節(jié)了圖像中亮度不均的問(wèn)題，但損失了圖像中大量的細(xì)節(jié)信息，因此將傳統(tǒng)的直方圖均衡方法單獨(dú)應(yīng)用到低照度圖像增強(qiáng)過(guò)程中效果不是很理想?；谝陨戏治?，直方圖均衡方法需要結(jié)合圖像細(xì)節(jié)信息增強(qiáng)算法增強(qiáng)圖像的亮度，也可以在傳統(tǒng)直方圖算法之上引入權(quán)重思想，對(duì)直方圖均衡算法的自身進(jìn)行調(diào)整，使其減少對(duì)圖像紋理的損失。

圖6　直方圖均衡前后對(duì)比圖

4　結(jié)語(yǔ)

實(shí)際的應(yīng)用需求促進(jìn)了低照度視頻圖像增強(qiáng)的研究與發(fā)展，近十年來(lái)，國(guó)內(nèi)外涌現(xiàn)出許多關(guān)于低照度視頻圖像增強(qiáng)算法，本文對(duì)這些算法進(jìn)行了分類(lèi)并對(duì)每類(lèi)增強(qiáng)算法中的典型算法進(jìn)行了概述。當(dāng)前的算法在很大程度上改進(jìn)了低照度視頻圖像的質(zhì)量，但在具體應(yīng)用中仍存在許多不足。例如在視頻圖像增強(qiáng)過(guò)程中，很難兼顧算法的實(shí)時(shí)性、自適應(yīng)性、視頻圖像的細(xì)節(jié)信息和顏色信息等。低照度視頻圖像增強(qiáng)算法在未來(lái)的研究與發(fā)展中，不僅要考慮算法在保持邊緣和去除噪聲方面的效果，還要注重算法的實(shí)時(shí)性與自適應(yīng)性。只有具備良好的增強(qiáng)效果且滿(mǎn)足實(shí)時(shí)性的算法才能得到廣泛的應(yīng)用。

［1］Drago F，Myszkowski K，Annen T，et al.Adaptive logarithmicmappingfordisplayinghighcontrast scenes［J］.Computer Graphics Forum，2003，22（3）：419-426.

［2］Bennett E P，Mcmillan L.Video enhancement using per-pixel virtual exposures［J］.Acm Transactions on Graphics，2005，24（3）：845-852.

［3］姜海琳.基于NLM和Tone Mapping的低亮度視頻去噪、增強(qiáng)［D］.天津：天津大學(xué)，2010.

［4］Durand Fr，Dorsey J.Fast bilateral filtering for the displayofhigh-dynamic-rangeimages［J］.Acm Transactions on Graphics，2002，21（3）：257-266.

［5］Kim M，Park D，Han D，et al.A novel approach for denoising and enhancement of extremely low-light video［J］.IEEE Transactions on Consumer Electronics，2015，61（1）：72-80.

［6］谷欣超，劉俊杰，才華，等.基于Kalman濾波器的運(yùn)動(dòng)目標(biāo)跟蹤算法［J］.長(zhǎng)春理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2015，38（5）：136-139.

［7］Zhang Q，Nie Y，Zhang L，et al.Underexposed video enhancement via perception-driven progressive fusion ［J］.IEEE Transactions on Visualization&Computer Graphics，2015：1.

［8］Barnes C，Shechtman E，Dan B G，et al.The generalized patchmatch correspondence algorithm［C］.Proceedings of the 11th European conference on computer vision conference on Computer vision：Part III. Springer-Verlag，2010：29-43.

［9］Malm H，Oskarsson M，Warrant E，et al.Adaptive enhancementandnoisereductioninverylow light-level video［C］.IEEE 11th International Conference on，Computer Vision，2007：1-8.

［10］姜濤，王彩玲.融合多幀信息的Retinex監(jiān)控視頻增強(qiáng)算法［J］.桂林理工大學(xué)學(xué)報(bào)，2015（2）：402-407.

［11］張軍，戴霞.基于圖像變形融合時(shí)空濾波的視頻細(xì)微運(yùn)動(dòng)增強(qiáng)算法［J］.計(jì)算機(jī)科學(xué)，2015，42（z1）.

［12］侯雷，饒?jiān)撇?一種亮度融合的視頻增強(qiáng)方法［J］.光電工程，2011，38（8）：132-138.

［13］Liang W，Murari K，Zhang Y Y，et al.Image-based fusion for video enhancement of night-time surveillance［J］.OpticalEngineering，2010，49（12）：120501-120501-3.

［14］朱秋旭，李俊山，朱英宏，等.Retinex理論下的自適應(yīng)紅外圖像增強(qiáng)［J］.微電子學(xué)與計(jì)算機(jī)，2013，30（4）：22-25.

［15］姜勇，劉廣文，趙丹培，等.基于FPGA的圖像增強(qiáng)以及濾波技術(shù)［J］.長(zhǎng)春理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2002，25（4）：20-22.

［16］Li J，Li S Z，Pan Q，et al.Illumination and motion-based video enhancement for night surveillance ［C］.Visual Surveillance and Performance Evaluation of Tracking and Surveillance，2005.2nd Joint IEEEInternationalWorkshopon.IEEE，2005：169-175.

［17］Yamasaki A，Takauji H，Kaneko S，et al.Denighting：enhancement of nighttime images for a surveillance camera［C］.Pattern Recognition，2008.ICPR 2008. 19th International Conference on.IEEE，2009：1-4.

［18］饒?jiān)撇?夜間視頻增強(qiáng)的關(guān)鍵技術(shù)研究［D］.成都：電子科技大學(xué)，2012.

［19］田旺，陶青川.基于融合的夜間視頻圖像增強(qiáng)算法［J］.計(jì)算機(jī)安全，2013（10）：43-46.

［20］李慶忠，劉清.基于小波變換的低照度圖像自適應(yīng)增強(qiáng)算法［J］.中國(guó)激光，2015（2）：272-278.

［21］樸燕，劉磊，劉笑宇.低照度環(huán)境下視頻增強(qiáng)技術(shù)［J］.紅外與激光工程，2014（6）：2021-2026.

［22］Dong X，Wang G，Pang Y，et al.Fast efficient algorithm for enhancement of low lighting video［C］. IEEEInternationalConferenceonMultimedia& Expo.IEEE Computer Society，2011：1-6.

［23］朱婧雅，王中元.基于相似場(chǎng)景的低照度監(jiān)控圖像增強(qiáng)［J］.計(jì)算機(jī)應(yīng)用與軟件，2015，32（1）：203-205.

［24］Ding X，Lei H，Rao Y.Sparse codes fusion for contextenhancementofnightvideosurveillance［J］. Multimedia Tools&Applications，2015：1-19.

［25］姜雪松.不足光照條件下的圖像與視頻增強(qiáng)［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2013.

［26］張麗媛，楊華民，蔣振剛，等.結(jié)合金字塔技術(shù)的暗原色先驗(yàn)快速去霧方法［J］.長(zhǎng)春理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2015，38（2）：121-124.

［27］黃華，蔣永馨，王孝通，等.一種基于Ardely分割算法的夜間圖像增強(qiáng)方法［C］.第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集，2008.

［28］甘玉泉，高偉.一種基于圖像分區(qū)的自動(dòng)曝光算法［J］.微計(jì)算機(jī)信息，2009，25（12）：303-304.

［29］禹晶，李大鵬，廖慶敏.基于顏色恒常性的低照度圖像視見(jiàn)度增強(qiáng)［J］.自動(dòng)化學(xué)報(bào)，2011，37（8）：923-931.

［30］趙長(zhǎng)霞，段錦，李光明，等.基于大氣散射模型的偏振圖像去霧方法［J］.長(zhǎng)春理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2015，38（3）：107-111.

［31］遆曉光，曲悠楊.一種改進(jìn)的色彩保持低照度圖像增強(qiáng)方法［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2014，46（3）：1-7.

［32］王小元，張紅英，吳亞?wèn)|，等.基于物理模型的低照度圖像增強(qiáng)算法［J］.計(jì)算機(jī)應(yīng)用，2015，35（8）：2301-2304.

［33］Rahman Z U，Jobson D J，Woodell G A.Multiscale retinex for color image enhancement［C］.International Conference on Image Processing.IEEE，1996（3）：1003-1006.

［34］Jobson D J，Rahman Z，Woodell G A.A multiscale retinex for bridging the gap between color images andthehumanobservationofscenes.［J］.Image ProcessingIEEETransactionson，1997，6（7）：965-76.

［35］Zia-Ur R，Daniel J J，Glenn A W.A Multiscale Retinexforcolorrenditionanddynamicrange compression［J］.Proceedings of SPIE-The InternationalSocietyforOpticalEngineering，2010，2847：183-191.

［36］謝斌斌.基于Retinex技術(shù)的圖像增強(qiáng)算法及實(shí)現(xiàn)［D］.北京：中國(guó)科學(xué)院大學(xué)，2013.

［37］Jin H，Tu L，Deng X.Night image enhancement algorithmbasedonretinextheory［J］.International Journal of Advancements in Computing Technology，2011，3（10）：291-298.

［38］雷美榮，楊進(jìn)華，張金泉.基于Retinex理論的紅外圖像的邊緣增強(qiáng)算法［J］.長(zhǎng)春理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，31（2）：11-13.

［39］張紅穎，袁曉鵬.基于YUV色彩空間的Retinex間圖像增強(qiáng)算法［J］.科學(xué)技術(shù)與工程，2014，14（30）.

［40］李小霞，李鋮果，鄒建華，等.一種新的低照度彩色圖像增強(qiáng)算法［J］.計(jì)算機(jī)應(yīng)用研究，2011，28（9）：3554-3555.

［41］程芳瑾，杜曉駿，馬麗，等.基于Retinex的低照度圖像增強(qiáng)［J］.電視技術(shù)，2013，37（15）：4-6.

［42］陳喆，蔣羽超，殷福亮.利用β函數(shù)映射與幀間信息融合的低照度視頻圖像增強(qiáng)方法［C］.第十六屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)及產(chǎn)業(yè)發(fā)展大會(huì)，2013.

［43］戴巖，趙宏宇，肖創(chuàng)柏，等.基于梯度零范數(shù)最小化的Retinex夜間圖像增強(qiáng)方法：CN，CN 103413275 A ［P］.2013.

［44］張宇，王希勤.一種用于夜間圖像增強(qiáng)的算法［J］.清華大學(xué)學(xué)報(bào)：自然科學(xué)版，1999，39（9）：79-80.

［45］何畏.基于改進(jìn)直方圖的低照度圖像增強(qiáng)算法［J］.計(jì)算機(jī)科學(xué)，2015，42（6）：241-242.

［46］冷璐，黎明，張家樹(shù).結(jié)合邊緣細(xì)節(jié)局部自適應(yīng)增強(qiáng)的直方圖均衡化［J］.微電子學(xué)與計(jì)算機(jī)，2010，27（1）：38-41.

［47］Ramos E Z.Intensity weighted histogram equalization method for night vision［J］.Advances in Image and Video Processing，2015，3（3）：18.

［48］Chen S D，Ramli A R.Contrast enhancement using recursive mean-separate histogram equalization for scalable brightness preservation［J］.IEEE TransactionsonConsumerElectronics，2003，49（4）：1301-1309.

［49］Kim Y T.Contrast enhancement using brightness preserving bi-histogram equalization［J］.IEEE Transactions on Consumer Electronics，1997，43（1）：1-8.

A Review on Low Light Video Image Enhancement Algorithms

FANG Ming1，LI Hongna1，LEI Lihong1，LIANG Ming2

（1.School of Computer Science and Technology，Changchun University of Science and Technology，Changchun 130022；2.School of Mechatronical Engineering，Changchun University of Science and Technology，Changchun 130022）

Imaging under the condition of insufficient illumination with the image sensor will cause the video image noise，low contrast and a lot of details cannot be expressed etc.，these problems seriously affect people to understand and interpret the content of the video image.This paper analyzes the characteristics of low-light video images，and summarizing representative of some of the low-light image enhancement algorithm strategies and their derivatives based on the characteristics in recent years.The algorithms are divided into Tone Mapping，background fusion，model，mapping function according to the principal of light enhancement，and their respective applications，algorithm advantages and limitations are also analyzed by comparing them.

low-light；video image；image enhancement

TP391.4

A

1672-9870（2016）03-0056-09

2016-02-16

吉林省科技攻關(guān)項(xiàng)目（20140204047GX）；吉林省自然科學(xué)基金項(xiàng)目（2013010105450）

方明（1977-），男，博士，副教授，E-mail：fangming@cust.edu.cn