山西大学 AGBA FRANCES CHINAZA 楚悦哲 030006
摘要：由于夜景图像亮度较高或局部光影差异较大，光晕现象容易观察到.因此本文提出了一种双通道夜间图像增强方法。在现有的暗原色和浅色原色的基础上,提出了一种改进的暗原色与浅色原色相结合的方法,使夜景更清晰。首先利用亮度信道的先验信息来获得初始传输估计，然后利用暗信道作为附加信道，对可能误传的亮度信道进行校正。关闭输入图像是由一个改进的引导滤波器。在改进过程中避免了光环效应，使夜视图像得到显著改善。
关键词：单幅图像；夜间低照度图像；增强方法
由于对比度低、色彩失真、缺乏明暗、细节不清等问题，夜间弱光条件下拍摄的图像应用价值大大降低,严重影响外部系统对图像的性能和重视夜景改善技术的发展,在城市交通、视频监控、智能车辆等领域有着广泛的应用前景。虽然许多学者在这方面取得了一定的成就，但仍有很大的研究空间。
.png)
1.2双通道先验
针对现有的两种图像预处理方式，即暗通道前和光通道前，提出了一种基于双通道先验的图像增强方法[2]。
（1）根据光信道超前和暗信道超前的原理，首先对传输信道进行精确的估计，然后利用光信道对传输信道可能出现的误差进行补偿。
（2）实验结果表明，根据光通道在暗通道前后的原理，该方法能较好地增强弱光照下的图像,且提高了图像的对比度，具有良好的增强效果。晚上显示低照度图像 I。曝光方式为图象公式3：
.png)
根据公式（4），如果t(x)和A是已知值，那么很容易获得一个明亮的图像J.将2帧结构的暗通道和光通道的输入图像进行计算。其基本操作步骤如下：用最大滤波器和最小滤波器对图像的暗通道进行光照或获得暗通道；在光通道进行最小滤波，得到全局大气光进行计算。利用光信道估计第一传输。用暗通道作为附加信息来修正初始光信道通过引导滤波出现排队的误差估计，改进后的传输模式提供更平滑的接收结构[3]。关闭“无暗图像”可以通过大气的全局照明和传输来实现上述操作，具体操作如下：
.png)
图 2所提方法的框架
2.大气光估计
对大气层的光照估计，本文采用了一种与以往研究相似的方法。第一，在明亮的信道中选择亮度前10%的像素。举例来说，实际的低照度图像中，如果存在较亮的光线，如灯光或月光(如图2所示)，大气中的光线并非最亮的。本例中，如果我们选择最亮的像素作为大气层的光线，可能会引入噪声。正如图2 (b)所示，图像中的灯光看上去不那么自然，而且周围噪音很大。为避免这一问题，本文采用了基于亮通道的平均强度作为估计值。最后的增强图像如图2 (c)所示，图像质量明显增强。
.png)
3 暗/亮通道先验估计传输率
因为局部窗口通常包含着相同的对象，并且有不变的光照，因此可以将局部窗口中的传输速率定义为常量，其传输率为 。根据(1)的规定，在低照度图像的局部窗口操作其最大值：
.png)
.png)
在公式11中，我们可以使用该方法之前的光信道来估计原始传输速率。如前所述,假设大气光是恒定的，就可以得到亮度。因为在大多数弱光窗口中，通道中至少有一个像素应具有最小值。然而，当存在完全包含明亮物体的窗口(例如灯光)时，估计将失败。由于灯光的出现，导致最终的结果出现了显著的偏差。 为了解决上述问题，作为补充，利用暗信道对亮信道先验估计的潜在误差进行修正。基本想法如下： 首先，计算亮通道和暗通道之间的差异：
.png)
图3给出了使用窗口尺寸为15*15的一幅低照度图像(3(a))的双通道透射率估计结果。从该部分可以看出，仅通过亮通道先验估计的透射图的遗漏结构(3(b))在双通道先验获得的透射图中观察到((c))。但是，尽管透射图大致良好，但由于暗通道先验的主要操作依赖于最小滤波器，因此在一些区域仍存在明显的块效应，传输图通常在估计过程中经历边缘信息的丢失。在此基础上，本文提出了一种精细的图像传输方法，即引导滤波来获得图像的边缘信息，以避免光晕效应。
.png)
4 引导滤波细化传输
为了改进传输图，可以使用许多方法。例如，He 使用 soft matting 算法来细化传输。但是，soft matting 是一种耗时的技术。作为替代方案，使用中值滤波，双边滤波器和引导滤波器。在本章中，考虑到时间缩减和结构保持，选择引导滤波器来改进传输图。值得注意的是，尽管这里使用的主要思想与 He 文中的思想类似，但这项工作中的传播意义其实不同。在以往研究中，透射率指光通过雾度的程度，而在本章工作中，透射率指光被空气吸收的程度。
.png)
.png)
5.场景色彩恢复
一旦估算出大气光 A 和最终透射图 t(x) ，就可以根据公式(4)恢复场景。但是我们注意到，在式(4)中，当传输率 t(x) 接近零时，将会是一个很大 的值，直接恢复的场景 J 将会被噪声化。为了避免这种问题，限制传输率 t(x) 的下限为t0 。根据实验分析确定t0 的值为 0.1，。最终场景 J(x ) 通过式(18)恢复：
.png)
总结
综上，该方法在改善夜间深照明图像暗区细节方面具有明显的优势。利用有限对比度的自适应直方图对一幅图像进行均衡处理，然后利用胶片开发市场技术对夜间低照度图像进行解释。大量实验结果表明，该方法具有明显的优越性。不仅能有效改善夜间低照度，更好的对细节进行恢复，而且能够克服对带明亮光源的夜间图像处理带来的过曝光的问题。
参考文献
[1]朱梅梅.基于单幅图像的夜间低照度图像增强方法研究[D].陕西:西安理工大学,2019.
[2]董燕成.单幅夜间弱照度雾霾图像复原算法的研究[D].天津:天津工业大学,2018.
[3]天津工业大学.单幅夜间弱照度雾霾图像的复原算法:CN201710279754.9[P].2018-11-02.