摘" 要： 增強圖像時高低頻參數(shù)未增強，沒有更好地保留圖像的細節(jié)和平衡圖像的亮度，因此，提出一種光照不均勻條件下無人機航拍低照度圖像增強方法。首先通過高斯濾波預(yù)處理無人機航拍圖像，實現(xiàn)無人機航拍圖像中的噪聲抑制，將預(yù)處理后的圖像通過小波分解得到圖像的高頻參數(shù)和低頻參數(shù)，分別通過雙邊濾波算法、軟閾值方法和直方圖對圖像的低頻參數(shù)和高頻參數(shù)進行增強，采用小波重構(gòu)對增強后的圖像高頻參數(shù)和低頻參數(shù)進行重構(gòu)，得到增強后的無人機航拍圖像。通過實驗驗證，該方法能夠?qū)崿F(xiàn)一種效果較好的圖像增強，在原始圖像基礎(chǔ)上，通過文中方法增強原始亮度8.14%、對比度提高了37.90%以及清晰度增加了31.01%，使得圖像的整體質(zhì)量得到了顯著提升，為后續(xù)的圖像分析、處理提供了更加準確、豐富的信息。

關(guān)鍵詞： 無人機航拍； 低照度圖像增強； 高斯濾波； 小波分解與重構(gòu)； 雙邊濾波算法； 軟閾值方法

中圖分類號： TN911.73?34； TP391" " " " " " " " "文獻標識碼： A" " " " " " " " " " 文章編號： 1004?373X（2025）01?0055?05

Enhancement method for low illumination image of UAV aerial photography"under the condition of uneven illumination

HUANG Jing， OU Yutao

（School of Computer Engineering， Guilin University of Electronic Technology， Beihai 536000， China）

Abstract： The high and low frequency parameters are not enhanced when the image is enhanced， and the details of the image are not preserved and its brightness is not balanced well. Therefore， a method for enhancing low illumination images of UAV aerial photography under the condition of uneven illumination is proposed. The UAV aerial photography image is preprocessed by Gaussian filter to achieve noise suppression of the image. The preprocessed image is decomposed by wavelet to obtain the image high frequency parameters and low frequency parameters， and the low frequency parameters and high frequency parameters are enhanced by bilateral filtering algorithm， soft threshold method and histogram， respectively. The high frequency parameters and low frequency parameters of the enhanced image are reconstructed by wavelet reconstruction， and the enhanced UAV aerial photography image is obtained. Experimental verification shows that the method can achieve a better effect of image enhancement. The proposed algorithm enhances the original brightness by 8.14%， the contrast by 37.90% and the sharpness by 31.01% on the basis of the original image， which makes the overall quality of the image improved significantly. In addition， the proposed algorithm can provide more accurate and rich information for subsequent image analysis and processing.

Keywords： UAV aerial photography; low illumination image enhancement; Gaussian filtering; wavelet decomposition and reconstruction; bilateral filtering algorithm; soft threshold method

0" 引" 言

無人機航拍在眾多領(lǐng)域應(yīng)用廣泛，能夠用于環(huán)境、農(nóng)業(yè)、災(zāi)害監(jiān)測，為相關(guān)領(lǐng)域的管理提供了重要技術(shù)支持[1]。在圖像采集環(huán)節(jié)中，無人機相機的性能優(yōu)劣以及環(huán)境光線的明暗程度等諸多因素，常常導(dǎo)致獲取的圖像亮度不足。為提升圖像質(zhì)量，確保圖像的清晰度和細節(jié)表現(xiàn)，通常會采用圖像增強的技術(shù)手段[2]，因此無人機航拍低照度圖像增強方法在實際中具有重要意義。

文獻[3]提出了一種無人機航拍低照度圖像的增強算法，利用殘差單元優(yōu)化了U?Net圖像分割網(wǎng)絡(luò)，將采集的圖像分解成結(jié)構(gòu)通路和細節(jié)通路。分別通過改進的生成對抗網(wǎng)絡(luò)和噪聲抑制策略對這兩種通路進行了針對性的增強處理。在生成對抗網(wǎng)絡(luò)中融入了邊緣增強模塊，進一步優(yōu)化了增強效果。將兩個通路增強后的結(jié)果進行融合，從而得到質(zhì)量顯著提升的增強圖像。盡管該算法采用了生成對抗網(wǎng)絡(luò)和邊緣增強模塊來優(yōu)化圖像的亮度和對比度，但在實際操作中，該模塊會受到不同場景和光照條件的影響，導(dǎo)致亮度和對比度的調(diào)整不夠準確或平衡，影響無人機航拍圖像增強的效果。文獻[4]通過一種細節(jié)增強算法實現(xiàn)圖像增強中的邊緣紋理信息保留，依據(jù)該算法實現(xiàn)對圖像的平滑處理，同時通過曝光融合的方法實現(xiàn)無人機航拍圖像的色彩校正，解決了對圖像過增強的問題。通過上述過程，能夠?qū)崿F(xiàn)無人機航拍低照度圖像的增強。曝光融合方法在平衡圖像的亮度和對比度方面存在一定的局限性。在不同場景的光照條件和圖像本身的特性差異較大，單一的曝光融合方法無法在所有情況下都達到理想的平衡效果，可能導(dǎo)致亮度和對比度調(diào)整不當，影響圖像質(zhì)量。文獻[5]通過將圖像從GRB色彩轉(zhuǎn)換到亮度?色彩空間，設(shè)計了一個具備可調(diào)節(jié)功能的噪聲抑制網(wǎng)絡(luò)，旨在有效消除增強圖像中的噪聲。該網(wǎng)絡(luò)通過精準估計照明圖來評估噪聲的放大程度，并利用增強的亮度信息為色度映射器提供精準指導(dǎo)，從而生成更為逼真的圖像色彩。但該方法中可調(diào)節(jié)的噪聲抑制網(wǎng)絡(luò)、復(fù)雜的算法和網(wǎng)絡(luò)設(shè)計導(dǎo)致增強圖像的計算量大增，并且未充分考慮直方圖，最終實現(xiàn)的圖像增強效果較差。文獻[6]提出了一種基于Real?low to Real?normal網(wǎng)絡(luò)的低照度圖像增強網(wǎng)絡(luò)，實現(xiàn)了圖像的分解、去噪、對比度增強和細節(jié)保留，同時，利用該網(wǎng)絡(luò)實現(xiàn)依據(jù)頻率信息進行圖像細節(jié)的保留，從而實現(xiàn)有效提高圖像的視覺質(zhì)量。該方法雖然利用頻率信息來保留圖像細節(jié)，但仍存在局限性。在處理具有復(fù)雜紋理和細節(jié)的圖像時，難以完全保留所有細節(jié)，導(dǎo)致某些細節(jié)信息的丟失或變形，影響圖像增強的效果。

雙邊濾波算法在增強圖像時，能夠達到良好的圖像去噪效果，且能夠?qū)D像中的邊緣信息進行保留，保留圖像的關(guān)鍵特征[7]。軟閾值法是一種高效的圖像處理技術(shù)，它能夠出色地去除圖像中的噪聲，實現(xiàn)圖像的平滑處理。同時，該方法還能有效保留圖像中的重要特征，確保圖像信息的完整性和準確性。因此，本文提出了一種光照不均勻條件下無人機航拍低照度圖像增強方法，通過實驗驗證該方法能夠?qū)崿F(xiàn)一種效果較好的無人機航拍圖像增強，能夠為后續(xù)圖像分析和處理工作提供更加準確的信息。

1" 無人機航拍低照度圖像增強方法

無人機航拍時由于受到光照不均勻的影響，采集的圖像在不同區(qū)域內(nèi)的亮度存在差異，導(dǎo)致圖像質(zhì)量下降，因此，為了降低光照不均勻的影響，提出一種無人機航拍低照度圖像增強方法，實現(xiàn)圖像高質(zhì)量增強。本文實現(xiàn)無人機航拍低照度圖像增強的具體流程如圖1所示。

根據(jù)圖1流程圖，無人機航拍低照度圖像增強的具體過程如下。

1） 通過高斯濾波對原始無人機航拍圖像進行預(yù)處理。

2） 通過小波分解對預(yù)處理后的無人機航拍圖像進行處理，獲取無人機航拍圖像的高、低頻系數(shù)。

3） 通過軟閾值濾波算法處理高頻系數(shù)。

4） 通過雙邊濾波算法處理低頻系數(shù)。

5） 通過小波重構(gòu)方法將無人機航拍圖像的高、低頻部分進行重構(gòu)，能夠獲得增強后的無人機航拍圖像。

1.1" 基于高斯濾波的原始無人機航拍圖像預(yù)處理

通過高斯濾波預(yù)處理無人機航拍圖像，實現(xiàn)無人機航拍圖像中的噪聲抑制和圖像平滑，為后續(xù)研究奠定基礎(chǔ)。高斯濾波本質(zhì)是卷積運算圖像與高斯分布函數(shù)，加權(quán)求和圖像中的所有像素點[8]，表示為：

[Gx，y=x，y∈?exp-x2+y22πδ2?gx，y2πδ12] （1）

式中：[?]、[δ]、[gx，y]、[Gx，y]分別表示濾波模板包含的像素范圍、無人機航拍圖像含噪標準差、輸入的原始無人機航拍圖像、輸出的降噪圖像。

通過權(quán)值不同的各部分像素組成高斯濾波的模板，若像素點權(quán)值越小，證明無人機航拍圖像需要進行處理的區(qū)域越遠。

1.2" 無人機航拍圖像的小波分解

作為一個變換處理效果較好的算法，小波變換能夠有效避免隨著頻率變換窗口大小可能不變的問題，小波變換是基于傅里葉變換的優(yōu)化算法，因此在信號處理中具有良好的效果。

通過小波變換，能夠?qū)⒁痪S空間升維，從而適用于對二維的無人機航拍圖像進行處理[9]。對1.1節(jié)得到的[Gx，y]進行分解，表示為：

[G'x，y=F'（G（x，y））=ia，bσia，bξi，axζi，ay+?ia，bζi，axξi，ay+μia，bξa，bxξi，by+a，bFia，bζi，axζi，by] （2）

式中：[σia，b]、[?ia，b]、[μia，b]表示小波空間基；[ξi，a?]表示小波函數(shù)；[Fia，b]表示小波變換的空間尺度展開系數(shù)；[ζi，a?]表示尺度展開函數(shù)。

無人機航拍圖像的二維正交變換的小波分解過程通過式（3）～式（6）表示。

[σij，1=c，dhc-2uld-2vFi-1c，d] （3）

[?ij，1=c，dlc-2uhd-2vFi-1c，d] （4）

[μij，1=c，dhc-2uhd-2vFi-1c，d] （5）

[Fij，1=c，dlc-2uld-2vFi-1c，d] （6）

式中：[σij，1]、[?ij，1]、[μij，1]、[Fij，1]分別表示水平部分參數(shù)、垂直部分參數(shù)、對角部分參數(shù)、近似部分參數(shù)。其中，水平部分、垂直部分、對角部分參數(shù)代表無人機航拍圖像中的高頻部分參數(shù)，近似部分參數(shù)代表無人機航拍圖像中的低頻部分參數(shù)；[h（" ）]、[l（" ）]表示高頻信息和低頻信息；[c]、[d]表示初始位置橫縱坐標；[2u]、[2v]表示橫縱坐標的平移量；[Fi-1c，d]表示變換尺度。

經(jīng)過上述小波分解過程，能夠?qū)o人機航拍圖像分解為水平、垂直、對角和近似部分參數(shù)。其中無人機航拍圖像的低頻參數(shù)通過雙邊濾波算法實現(xiàn)增強，高頻參數(shù)則通過軟閾值方法進行增強。

1.3" 基于雙邊濾波算法的圖像低頻參數(shù)增強

通過雙邊濾波算法對1.2節(jié)中得到的無人機航拍圖像低頻參數(shù)進行增強，能夠?qū)D像中的邊緣信息進行加強，使無人機航拍圖像更真實。雙邊濾波算法能夠?qū)崿F(xiàn)對無人機航拍圖像去除光照不利影響，同時對細節(jié)進行保留，屬于一種濾波效果較好的技術(shù)[10]。雙邊濾波過程實現(xiàn)通過式（7）表示。

[Fi ′j，1x，y=rx，ys，t∈w?G'（x，y），s，tχG'（x，y），s，t?" " " " " " " " " " " "ιG'（x，y），s，trx，y=s，t∈w?G'（x，y），s，tχG'（x，y），s，t] （7）

式中：[w]表示處理窗口大??；用[?（" ）]、[χ（" ）]、[ι（" ）]表示低頻部分的入射、無人機航拍圖像像素間的亮度差和人眼看到的部分加權(quán)系數(shù)；[s]為空間域的標準差；[t]為值域的標準差。上述低頻部分的入射和無人機航拍圖像像素間的亮度差參數(shù)未知，需要計算，公式為：

[?G'（x，y），s，t=G'（x，y）-s2+t2εdis] （8）

式中[εdis]表示距離差尺度。

通過在處理窗口中對無人機航拍圖像像素間的亮度差進行計算，以平衡亮度，表示為：

[χG'（x，y），s，t=e-ηιG'（x，y）εlig22，" ιG'（x，y）-ιG'（x，y），s，tlt;ηιG'（x，y）e-ιG'（x，y）-ιG'（x，y），s，tεlig2，" " otherwise] （9）

式中：[η]、[εlig]分別表示像素處理的閾值和無人機航拍圖像的亮度差尺度。

將式（8）、式（9）代入式（7）中，最終得到增強后的無人機圖像低頻參數(shù)[Fi ′j，1]。

1.4" 基于軟閾值方法的圖像高頻參數(shù)增強

通過軟閾值方法和直方圖對1.2節(jié)中小波分解得到的無人機航拍圖像的高頻部分參數(shù)進行處理，能夠?qū)o人機航拍圖像中的圖像噪聲、邊緣細節(jié)等信息進行去除和優(yōu)化[11]。

計算每個灰度級別出現(xiàn)的次數(shù)，公式為：

[ο'=dictionaryf 'G'（x，y）] （10）

式中：[dictionary（" ）]表示灰度級別出現(xiàn)次數(shù)的統(tǒng)計函數(shù)；[f '（" ）]表示灰度級別。通過上述獲取的次數(shù)繪制直方圖，基于直方圖，結(jié)合軟閾值方法實現(xiàn)無人機航拍圖像高頻部分參數(shù)濾波過程，表示為：

[ο=sgnνν-A，" " νgt;Ao'αν，" " ν≤A] （11）

式中：[ο]、[ν]、[A]分別表示經(jīng)過處理的無人機圖像高頻系數(shù)、未經(jīng)處理的高頻系數(shù)、閾值，其中，[ο=σij，1+?ij，1+μij，1]，[A=2log?ψ212]，[?]、[ψ]表示無人機航拍圖像信號長度、圖像中的噪聲方差；[α]表示高頻部分參數(shù)濾波因子。

1.5" 基于小波重構(gòu)的低照度圖像快速重構(gòu)

在1.3節(jié)和1.4節(jié)中，分別對小波分解后的無人機航拍低照度圖像的高頻參數(shù)和低頻參數(shù)進行處理，實現(xiàn)了圖像整體對比度的改善，去除圖像中噪聲的同時，保證了無人機航拍圖像信息的保留，優(yōu)化了邊緣信息[12]。

通過小波重構(gòu)[13]對高低頻參數(shù)增強后的圖像進行快速重構(gòu)，表示為：

[G″x，y=u，vFi ′j，1lc-2uld-2v+u，vοc-2ud-2v] （12）

至此完成光照不均勻條件下無人機航拍低照度圖像增強方法設(shè)計。

2" 實驗與分析

2.1" 實驗準備

為驗證本文方法實現(xiàn)光照不均勻條件下無人機航拍低照度圖像增強的有效性，選取DJ Spark型號的無人機作為本次實驗的主要研究對象，其實物圖如圖2所示。

該無人機搭配了1 200萬像素的相機，采集的圖像分辨率和畫質(zhì)效果較差，具體的無人機參數(shù)如表1所示。

依據(jù)該無人機在夜間進行圖像采集，并通過本文方法對無人機采集的圖像進行增強。

2.2" 直方圖效果分析

本文在設(shè)計方法時采用了直方圖，因此，分析直方圖繪制效果。在該過程中對本文方法進行增強前后的無人機航拍圖像繪制直方圖，直方圖表示了無人機航拍圖像中的像素值分布，能夠獲得各灰度級的像素在無人機航拍圖像中的占比。得到的直方圖圖像如圖3所示。

由圖3可知，通過本文方法實現(xiàn)無人機航拍圖像增強之后，直方圖的分布情況較為均勻，說明了圖像的像素在灰度級分布相對平均，證明了圖像亮度分布較為均勻，無明顯差異。驗證了本文方法是一種較為有效的圖像增強方法。

2.3" 增強效果分析

以通過無人機采集的光照不均勻條件下低照度圖像為研究對象，應(yīng)用本文方法增強該圖像，效果如圖4所示。

由圖4可知，通過該無人機采集的圖像亮度差異較為明顯，且模糊不清，導(dǎo)致圖像信息中部分細節(jié)丟失。通過本文方法對無人機采集的圖像進行增強后，圖像的對比度得到顯著提升，色彩效果得到有效改善。驗證了本文方法是一種較為有效的低照度圖像增強方法，能夠為后續(xù)的圖像分析和處理工作提供更加準確、豐富的信息。

為驗證本文方法實現(xiàn)無人機航拍圖像增強的有效性，將本文方法與文獻[3]、文獻[4]、文獻[5]的方法實現(xiàn)的圖像增強處理效果進行對比，得到的圖像亮度、對比度、清晰度情況如表2所示。

由表2可知，經(jīng)不同圖像增強方法處理后，圖像的各項核心參數(shù)均得到了顯著改變，圖像質(zhì)量得到了明顯改善。然而，不同的增強方法所實現(xiàn)的圖像增強效果卻呈現(xiàn)出明顯的差異。通過本文方法增強低照度圖像后，原始無人機航拍圖像的亮度提升了8.14%，對比度提升了37.90%，清晰度提升了31.01%，使得圖像更為明亮，明暗差異更加鮮明，有效減少了圖像模糊和失真，使得圖像的整體質(zhì)量得到了顯著提升。

引入峰值信噪比對無人機航拍圖像的失真情況進行評價，值越大證明失真越小。峰值信噪比通過式（13）表示。

[PSNR=10lgI2maxL≥0D≥0I-I2LD] （13）

式中：[I]、[I]、[L]、[D]、[Imax]分別表示原始無人機航拍圖像的像素值、進行圖像增強后的像素值、原始圖像的長、寬、最大像素，其中最大像素一般取值為255。

通過峰值信噪比對不同亮度下得到的無人機航拍圖像的增強效果進行評價，將本文方法與上述3種文獻方法實現(xiàn)的圖像增強效果進行對比，得到的結(jié)果如圖5所示。

由圖5可知，當環(huán)境亮度逐漸從暗變亮的過程中，4種不同的圖像增強方法所表現(xiàn)出的峰值信噪比也在穩(wěn)步上升。這一趨勢明確地表明，隨著環(huán)境亮度的增加，圖像增強的效果在逐步改善，圖像的質(zhì)量得到了顯著提升。本文方法具有較為顯著的增強效果，即便在環(huán)境亮度較低、光線條件較差的情況下，本文方法實現(xiàn)的圖像增強仍然能夠保持較高的峰值信噪比，其最高值達到了48.2 dB，充分證明了該方法的優(yōu)越性和有效性。對提升低照度環(huán)境下的圖像質(zhì)量具有重要意義。

3" 結(jié)" 語

針對低照度圖像增強效果差的問題，本文提出一種光照不均勻條件下無人機航拍低照度圖像增強方法，該方法通過高斯濾波、雙邊濾波算法、軟閾值方法和直方圖、小波重構(gòu)的結(jié)合，實現(xiàn)無人機航拍低照度圖像增強，能夠?qū)崿F(xiàn)圖像質(zhì)量的提升，為后續(xù)的圖像分析提供了良好的技術(shù)支持。該方法使圖像整體質(zhì)量得到顯著提升，圖像亮度分布均勻，且對在亮度較差環(huán)境中采集的圖像進行增強依然具有良好的優(yōu)勢。

注：本文通訊作者為歐余韜。

參考文獻

[1] 趙瀟，張林華，黃應(yīng)年.無人機圖像增強方法的研究與實現(xiàn)[J].河南科學(xué)，2022，40（6）：866?874.

[2] 吳佳奇，張文琪，陳偉，等.基于改進CycleGAN的煤礦井下低照度圖像增強方法[J].華中科技大學(xué)學(xué)報（自然科學(xué)版），2023，51（5）：40?46.

[3] 王殿偉，劉旺，房杰，等.受生物視覺啟發(fā)的無人機航拍低照度圖像增強算法[J].西北工業(yè)大學(xué)學(xué)報，2023，41（1）：144?152.

[4] 李亮亮，任佳，王鵬，等.基于曝光融合的無人機航拍圖像增強算法[J].西北工業(yè)大學(xué)學(xué)報，2022，40（6）：1327?1334.

[5] GUO X J， HU Q M. Low?light image enhancement via breaking down the darkness [J]. International journal of computer vision， 2023， 131（1）： 48?66.

[6] HAI J， XUAN Z， YANG R， et al. R2RNet： Low?light image enhancement via real?low to real?normal network [J]. Journal of visual communication amp; image representation， 2023， 90： 103712.

[7] 羅國強，陳家益.改進雙邊濾波與平均[γ]矯正的圖像增強[J].傳感技術(shù)學(xué)報，2022，35（5）：644?649.

[8] 張兆茹，鄧彩霞，岳欣華.改進閾值函數(shù)的指紋圖像去噪方法[J].哈爾濱理工大學(xué)學(xué)報，2022，27（1）：55?60.

[9] 阿卜杜如蘇力·奧斯曼，艾力米努·阿布力江，祖麗哈也提·艾合買提.小波域內(nèi)循環(huán)平移操作的圖像高分辨率重建算法[J].應(yīng)用科學(xué)學(xué)報，2022，40（2）：279?287.

[10] 張姣，張毅.機器視覺圖像邊緣細節(jié)無序增強算法研究[J].計算機仿真，2023，40（8）：211?214.

[11] 徐景秀，張青.改進小波軟閾值函數(shù)在圖像去噪中的研究應(yīng)用[J].計算機工程與科學(xué)，2022，44（1）：92?101.

[12] 李華昆，李恒，趙磊，等.改進的伽馬校正與多尺度融合的水下圖像增強[J].光電子·激光，2022，33（7）：700?708.

[13] 鄧冠男，賈永鑫，劉乙鑫.基于自適應(yīng)參數(shù)雙邊濾波和小波變換的圖像檢索方法[J].計算機應(yīng)用與軟件，2023，40（1）：205?209.

作者簡介：黃" 靜（1985—），女，黑龍江望奎人，碩士研究生，講師，研究方向為網(wǎng)絡(luò)信息安全、圖像處理與模式識別。

歐余韜（1986—），男，廣西北海人，工程師，研究方向為網(wǎng)絡(luò)安全、軟件工程。