科创中国
一种基于小波变换和Retinex-Net的低照度图像增强方法
发布时间: 2025-11-05
基本信息
合作方式：
技术转让
成果类型：
新技术
行业领域：
电子信息技术,通信技术
成果介绍
图像是信息传输的一种重要载体,然而由于不可避免的环境以及技术限制,例如照明不足和曝光时间有限等,图像往往是在次优的照明条件下拍摄的。受到背光、非均匀光照、弱光、多色光等因素的干扰,这类图像存在着场景内容被埋没、对比度降低、强噪点和色彩不准确的问题:而且对于高层的任务,如物体跟踪、识别和检测,信息的传输也不尽人意。因此,提高低照度图像增强效果的技术尤为重要。
本团队研究了一种基于小波变换和Retinex-Net的低照度图像增强方法。针对现有方法Retinex-Net在处理部分图像时出现的颜色失真及边缘、纹理等细节缺失的问题,通过加入小波变换,对高频分量进行区域特性融合,仅对低频分量进行Retinex-Net网络处理,保留了图像中更多的边缘、纹理细节;通过对处理后的低频高频分量在HSV空间上转入亮度空间进行亮度融合和拉伸,有效改善了图像的颜色失真现象，图像的细节表达能力也得到了提升。在避免颜色失真的同时保留了更多细节信息,增强效果很理想。
成果亮点
该成果是一种基于Retinex理论的深度学习方法。与传统的低照度图像增强方法相比,基于深度学习的解决方案具有更好的准确性、鲁棒性和速度。与此同时,由于物理上可解释的Retinex理论,基于深度Retinex的方法在大多数情况下享有更好的增强性能。
在现有方法Retinex-Net的基础上加入小波变换,对高频分量进行区域特性融合,仅对低频分量进行Retinex-Net网络处理。高频分量中包含图像边缘和纹理细节,当前主流的高频融合算法规则是在所有像素点的绝对值中取最大值,该处理方式太宽泛,容易将多尺度分解过程中产生的噪声混在高频信息中,对后续的亮度拉伸造成影响,降低图像质量;因此,在高频融合的过程中加入局部显著特征的提取,高频分量根据区域能量进行融合,能够保留图像中更多的边缘、纹理细节。
对处理后的低频高频分量在HSV空间上转入亮度空间进行亮度融合和拉伸。转入HSV空间后,图像的亮度分量和色相分量相对独立,对亮度分量进行操作不会影响原相分量的比例关系,可以更好地保持图像色彩,有效改善了图像的颜色失真现象,图像的细节表达能力也得到了提升。
团队介绍
联系人： 庄老师 电话：15295039286 单位名称：常州市武进区科技成果转移中心
成果资料
下载app