论文部分内容阅读
针对部分低照度图像整体亮度偏暗、对比度差和视觉信息偏弱等问题,提出一种基于模拟多曝光融合的低照度图像增强方法。首先,利用改进的变分Retinex模型和形态学的结合产生基准图来保证曝光图像集中的主体信息;其次,结合Sigmoid函数和伽马矫正构造新的光照补偿归一化函数,同时提出了一种基于高斯引导滤波的反锐化掩模算法,用于调整基准图的细节;最后,分别从亮度、色调和曝光率设计曝光图集的加权值,通过多尺度融合得到最终增强结果,有效地避免了增强结果中的光晕和颜色失真。在不同的公开数据集上的实验结果表明,与传统