图像对比度增强研究的进展

王俊平，李 锦

(西安电子科技大学通信工程学院，陕西西安 710071)

在图像处理技术中，图像对比度增强的研究有着广泛的应用范围，如它可用于改善光照不均图像的视觉效果，增强对比度较差的医学图像［1－2］，对于雾天降质图像的清晰化处理［3］，改善信噪比低、对比度差的红外图像的视觉效果［4］、水下图像处理［5］、卫星遥感图像处理［6］和专为有视力障碍的人的彩色图像对比度增强［7］等方面。尽管通过对图像对比度的增强研究，能使图像获得更好的视觉和应用效果，然而随着图像采集设备的不断改进和图像应用需求的不断变化，加之图像对比度增强的效果并没有客观统一的评价标准，这就增加了图像对比度增强研究的难度。

本文在研究近年来图像对比度增强中出现的60多种算法的基础上，从图像特征、图像视觉效果、图像增强所用理论及图像增强的自动实现方面总结了相关算法的特点和局限性，并指出其未来的发展方向。

1 基于图像特征的方法

图像灰度是图像的基本特征，即使对于彩色和多波段图像也可以通过转化后的相应灰度值进行处理。因为图像灰度分布的统计分析常用直方图来表征，因此直方图修正就成为图像对比度增强的常用方法。

基于直方图修正的增强方法包括直方图均衡化和规定化，且研究大多数集中于直方图均衡化［8－28］方面。针对传统直方图均衡化后图像过增强问题，Kim提出了均值分割的BBHE算法［8］，Chen提出递归均值分割直方图的RMSHE算法［9］，Wang等提出的等面积的双子图像的DSIHE算法［10］，Sim等提出了递归的RSIHE算法［11］，Chen等提出了最小均值误差的 MMBEBHE算法［12］。针对有些图像部分灰度级，特别是图像细节的灰度级被过度合并，而导致图像部分细节信息丢失而使局部变得模糊的不足，文献［13］中提出了一种均衡化处理后再增加图像灰度级的方法。该方法首先在空间域或频域中，提取原图像的高频细节信息，使其与原图像直方图均衡化处理后的结果进行加权叠加，此外还可以通过调整高频成分的权值因子获得细节，从而得到所需的不同增强程度的图像。相对于传统直方图均衡化算法，使用该方法处理后的图像，不仅增强了整体图像对比度，而且更多地保留了原始图像的细节信息。为了使图像细节提取精度有所提高，文中从准确、快速提取图像细节信息以及定量评估图像增强算法的有效性方面展开。为了得到图像的细节和突出的有用信息，文献［14］提出了采用同态滤波技术来减少照明，并且对比结果，采用有限的自适应直方图均衡化技术(CLAHE)，成功地给出了一个彩色图像增强方法消除了乘性噪声，同时使灰度范围压缩、对比度增强。

对于能在保留亮度的同时更好地增强对比度，文献［15］提出了使用迭代直方图重排使彩色图像对比度增强的方法。结合两个阶段迭代子直方图均衡(ISHE)和直方图调整，达到了良好的增强效果。该方法简单有效，已被应用于电子产品当中。针对低对比度的彩色图像，文献［16］提出共生直方图均衡化和暗原色先验的方法处理彩色图像对比度增强，这种方法对于给定的彩色通道，通过空间领域灰度级得到增强，灰度级共生直方图被独立地均衡。同时暗原色先验的方法又弥补了图像色调改变和失真的缺陷。所以，这种方法用于增强对比度低的彩色图像是有效的。针对射线图像噪声大、对比度差的特点，文献［17］提出基于直方图均衡的射线图像增强算法，对原始图像进行全局直方图均衡，然后用保持形状的局部反差增强技术使图像按水平集分层，并在每层内实施反差增强，对每层的子直方图进行去噪处理，之后再进行合成。该方法避免了传统算法中噪声过于增强的问题。既能改善细节图像的对比度，又在增强的同时使噪声得到抑制，保持了图像的平滑性

直方图均衡化虽然简单有效，但无法保持图像的均值亮度和熵值，针对这一缺点，文献［18］提出了一种直方图规定化的方法—亮度自适应的保熵直方图均衡化，使直方图分布尽可能均匀。同时，又结合变分法求出一个在熵值不变的条件下图像均值亮度最大化的直方图，最后将原始直方图转化成直方图规定化的目标直方图。与HE/DSIHE/MMBEBHE/BPHEME方法比较，此方法能在保持熵值不变的条件下有效增强对比度，可广泛应用于消费型和专业型电子产品中。未来研究方向可以是:如何在人类视觉系统的基础上更好地利用图像的梯度或显著性等信息和选择阈值，使图像对比度增强的同时还能更好地保持其原有特征。

2 基于图像视觉效果的方法

人类视觉系统是世界上最好的图像处理系统，近年来，国内外许多专家学者对人类视觉系统进行了深入的研究，尤其是在图像对比度增强方面取得了一定的成果。Retinex是于1963年 Land［29］等提出的一个关于人类视觉系统如何调节感知到物体的颜色和亮度模型。后来，Jobson［30］等人以此为基础，发展了单尺度Retinex(SSR)、多尺度Retinex(MSR)和多尺度Retinex彩色恢复(MSRCR)算法。

Retinex算法的基本内容是:图像由亮度图像和反射图像构成，分别用L(x，y)和R(x，y)表示，三者关系可由下式表示

式中，亮度分量L是被观察者或图像采集设备收到的构成图像;反射分量R决定图像的内在性质。Retinex方法对图像处理的目的就是从图像I中获得物体的反射性质分量R。

文献［30］提出了几点 Retinex方法需要考虑的地方:对图像进行对数函数的位置、中心函数、连续环绕空间的大小以及输出结果之前的处理。针对这些问题，国内外学者也提出了各种改进方法［31－42］。

Retinex图像增强算法具有提高全局对比度和局部对比度、增强边缘、颜色恒常、颜色高保真等特性。众多学者基于这个理论的基础上提出一些新的算法，例如针对于雾天降质图像，文献［31］提出一种新的增益函数，对MSR算法进行改进，计算图像亮度及邻近局部亮度的平均值的比值来消除光照影响后的反射分量自适应进行增强，此方法有效地克服图像在平滑区域和高对比度边缘出现过增强而导致噪声放大和边缘晕环的问题，从而得到更清晰的细节和更自然的场景轮廓，取得较好的去雾效果。

常规的Retinex算法由于受多尺度卷积运算的影响，运算复杂度普遍较高，针对这一缺点，文献［32］引入了非线性变换函数修正彩色图像的反射分量和照射分量，修正了Retinex的图像对比度增强方法。为了改善全局视觉效果，全局对比度增强函数拉伸了图像照射分量。非线性S型函数对中间值的改变较大，对较大和较小的反射分量值改变较小，因此改善了图像局部对比度。此方法克服了常规方法的不足，在RGB彩色空间和许多分离色度亮度的彩色空间的处理速度都很快，参数自适应较好，处理图像也没有出现明显的彩色失真现象。对反射分量和照射分量所使用的非线性变换函数还有很多，因此，进一步探索性能更优异的非线性变换函数是下一阶段的研究方向。

3 基于图像增强所用理论的方法

在图像处理发展的过程中，数学始终起着举足轻重的作用，并渗透到图像处理的所有分支中。由于数学理论及方法的引入，促进了图像处理理论与技术的丰富和发展，尤其在图像对比度增强这一分支领域中也得到了广泛的应用。

小波变换是20世纪80年代后期发展起来的应用数学分支，与傅里叶变换相比，小波变换是时域和频域的局部变换，因而能有效地从信号中提取信息，通过伸缩和平移等运算功能，对函数或信号进行多尺度分析。与数字图像处理结合，是小波分析研究领域的重要内容之一。其中，把小波分析应用于图像增强的研究比较少。但是最近几年，出现了一些基于小波变换的图像对比度增强算法［41－47］。

针对成像质量差、图像对比度低的问题，文献［41］中提出了一种基于小波变换的直方图均衡算法来增强图像对比度。这种方法首先对图像作直方图均衡化，然后对小波变换的一级或二级近似系数的非线性增强处理。利用在这种方法处理图像，在保留了边界信息的同时也使图像细节清晰可辨。传统空域图像对比度增强算法，存在灰度级空间分配不合理和噪声敏感问题，针对这些问题，文献［42］基于图像的局部细节信息分析，提出了一种新的基于小波变换和反锐化掩膜的图像对比度增强算法。该算法依据反锐化掩膜(UM)算法的思想，运用小波变换作为工具在各频段内计算出代表图像局部细节信息和噪声信息的统计量，运用反锐化掩膜的思想，计算出代表局部细节信息，且同时考虑了图像中的噪声信息的统计量，最终将新的统计量用于重新分配灰度级空间，从而使图像的整体对比度得到有效增强，同时也相对明显地抑制了图像的噪声。相对于传统的直方图均衡化算法和反锐化掩膜算法，这种算法结合了小波变化的理论，在处理航拍、医学等特殊领域和一些信噪比低的图像时，获得了更显著的对比度增强效果。

针对小波适用于具有各向同性奇异性的对象，对于各向异性的奇异性，例如表示图像中的边界以及线状特征等时，小波并非总是理想表示工具。因此，1999年Candes＆Donoho在小波变换的基础上提出了曲波变换，这种方法适合表示各向异性的多尺度分析，其基函数具有多方向和各向异性等特性，能很好地处理高维函数，可有效地逼近图像中的奇异曲线。由于曲波变换能用极少的非零系数精确表达图像边缘，因此使图像数据更简洁精确，且保证较低的均方误差。文献［43］结合人眼的视觉特性，用曲波作为图像各向异性的多尺度表征方法，提出一种新的非线性图像对比度增强算法，自适应地调整增强函数的控制参量，对图像的不同区域进行不同的处理。经实验表明，用此方法可明显增强图像的对比度，在有效增强图像的重要视觉特征的同时抑制噪声过放大，明显改善了图像视觉效果、增强了层次感，从而有利于图像的后续处理。

近年来，偏微分方程在图像处理领域中的应用研究相对活跃，目前已积累了丰富的研究成果。文献［48］就基于偏微分方程提出了一种改进型保持形状的图像对比度增强算法。这种方法不仅修改并推广了原有的基于PDE的灰度增强方法，使之可适用于任何设定的灰度拉伸函数，而且给出了一种通用的分段线性拉伸函数设计方法，相比采用累积直方图作为灰度变换函数可达到更好的直方图均衡化效果。还提出了一种松弛阈值化方法用以消除局部反差增强时可能出现的“斑点效应”。这里提出的改进算法适用于多种自然图像，增强效果良好。由此可以找到待研究问题:首先，在本文所涉及灰度图像增强的过程中，算法是建立在基于直方图均衡的PDE模型上的，这表明了图像增强PDE方法的有效性。因此，继续寻求其他更优秀的灰度图像对比度增强方法对应的PDE。模型是今后研究工作的一个重要方向。其次，由偏微分方程求解保持彩色图像形状的灰度图像中，结果存在边缘模糊化的缺点，这也可以是在后续的研究中要致力解决的问题。

数学形态学是一门建立在严格数学理论基础上的学科，其基本思想和方法对图像处理的理论和技术产生了重大影响。如今，数学形态学已经构成一种新的图像处理方法和理论，成为计算机数字图像处理及分型理论的一个重要研究领域，并且已经应用在多门学科的数字图像分析和处理的过程中。形态学方法已成为图像应用领域工程技术人员的必备工具。目前，数学形态学的技术已经应用在图像对比度增强上。

文献［49］提出一种数学形态学图像对比度增强方法，基于数学形态学边缘提取算法优于微分边缘提取算法的前提，结合数学形态学的相关原理，使用多结构元素、双梯度多尺度进行边缘检测，进而使用这些检测出来的连续边缘进行图像对比度增强，成功地实现了对边缘模糊化的模糊处理。这种方法不仅去模糊效果好，而且提取出的图像边缘较好地保持了原始的细节特征，从而图像的对比度也得到明显的增强。目前，把数学形态学应用在图像对比度增强上的研究还不多，所以，数学形态学将是未来图像对比度增强的发展方向。

尽管上述方法从不同方面解决了处理图像增强的问题，但多数没有考虑图像采集过程，这直接影响图像的视觉质量。而且大多数对比度增强方法没有考虑自然图像的统计特性，文献［50］中提出了贝叶斯框架把上述问题考虑进去。基于一些可能影响采集的图像质量的因素，如快门速度和相机的反映作用，设计了一种可能的贝叶斯模型。另一方面，设计了基于所观察图像和一些自然图像的统计特性的先验模型。用这种方法提出的可能模型和先验模型，其框架能有效地增强在自然方式下图像的对比度，同时抑制了噪声。而且，由于所提出的贝叶斯框架是一个高维优化处理，耗时较长，进一步提出了简化的贝叶斯框架，其低运算复杂度能达到相对较好的效果。

模糊集是1965年由L.A.Zadeh首次提出。模糊集理论作为解决和分析不确定性问题的一种有力工具，已经被成功地应用在模式识别和图像处理领域。近年来，该理论也应用到了图像对比度增强中，以下对基于模糊集的图像对比度增强方法［51－53］进行简要介绍。

针对在雾天条件下，户外采集图像对比度下降严重的问题，文献［51］综合考虑降质图像的模糊特性和大气散射所造成的对比度衰减规律，提出了一种基于模糊逻辑的雾天降质图像的对比度增强算法。该算法通过预处理降质图像，降低不同雾况对灰度级分布范围的影响，并根据大气散射对对比度衰减的影响规律，在模糊域内对规范化后的图像实现对比度增强处理。这种算法可以有效改善远景和近景的对比度。文献［52］针对于遥感图像的特点，也提出一种基于广义模糊集在非下采样轮廓波域局部对比度模糊增强方法，这种方法相对来说更具有效性和自适应性。

除这些理论之外，还有很多基于数学理论的对比度增强方法［54－55］。针对不同的问题和应用环境，取得了良好的处理效果，达到了预期的目的。因此，结合数学理论及方法研究图像对比度增强问题，针对图像处理问题进行数学建模、理论分析以及算法研究具有重要的理论意义和应用前景。

4 基于图像增强的自动实现算法

传统的对比度增强技术对于各种低对比度的图像不能产生理想的效果，而且也不能自动应用到不同的图像，因为他们的参数必须根据所给的图像人为地设定才能产生理想的效果。文献［56］提出一种自动的对比度增强的方法。基本的过程就是，首先按照一个选好的标准将一幅低对比度的图像的直方图组成群分为适当数量的组分，然后重新均匀分配这些按照灰度阶，并且最后取消之前分好的灰度级组。这种基本的GLG方法也为技术的扩展提供了平台，例如选择性的灰度级组合法(SGLG)等。但是，Chen的这种灰度级组合法［56－57］同样存在算法复杂度高和对比度增强过大的缺点。

受到GLG方法的启发，文献［57］提出了一种复杂度低，又能保持图像自然度的CE算法，通过对直方图各灰度级的合并和扩展，加上对比度增强程度的控制算法，提高了图像的视觉质量，同时又防止了对比度过增强的现象，使图像看起来更加真实。这种算法有可调的参数，后续工作可以深入研究如何通过设备和图像的清晰度来算出该参数从而达到最佳效果。

近几年来，大量新兴的对比度增强算法［59－61］也不断涌现。针对不同的应用环境还有很多新方法，在这里就不一一列举了。

5 存在的问题和进一步的研究方向

近年来，上述几类方法在不断改进。直方图均衡化法趋向于与人体视觉相结合，在增强图像的同时保持图像的原始形态。频域方法、Retinex方法则倾向于与其他方法的结合，其降低噪声的功能可以弥补其他方法的不足。一些基于数学理论的方法重在计算效率上的改进。笔者认为如下几个方面仍需进一步研究:首先，是计算效率的问题。例如局部直方图均衡化法、Retinex方法虽然处理效果好，但缺乏快速算法，这些算法仅适用于图像分析，不能实时使用，局限了其应用范围。其次，是处理问题的范围，多数算法还具有一定的局限性，因此，针对不同的应用环境，进一步找出适应性和鲁棒性更强的方法。将来对于图像对比度增强的研究方向可以从两方面展开:一是将对比度增强的方法应用于一个新的领域。二是在对传统算法不断改进的基础上，引入一些新的方法，将原有理论与新概念有效地融合在一起而形成的新方法，可以是应用新的数学模型，或者是把前人的几种优化算法结合到一起形成一种新的对比度增强的方法。这类方法可以同时发挥不同方法的优点，取得更好的增强效果。

综上所述，到目前为止，图像对比度增强已有多种经典算法，但没有一个通用算法。因为原始图像的质量不同，图像主要特征不同，算法所需要的消耗时间不同，处理的目标对象不同，所以只能从实际问题出发选择合适的算法。对于具体的图像，具体的应用环境，选择用何种对比度增强算法，还有许多值得探讨和研究的地方。

［1］AIMI SALIHAH，MASHOR M Y.Improving colour image segmentation on acute myelogenous leukaemia images using contrast enhancement techniques［C］.Kuala Lumpur，Malaysia:IEEE EMBS Conference on Biomedical Engineering＆Sciences，2010:246 －251.

［2］杨先，张静，彭博.基于相似性度量的加权医学超声图像对比度增强方法［J］.计算机工程与设计，2011，32(3):995－1101.

［3］尹传历，张葆，戴明，等.嵌入式雾天降质图像对比度增强系统设计［J］.电视技术，2009，33(12):90 －91.

［4］白俊奇，陈钱，王娴雅，等.红外图像噪声滤波对比度增强算法［J］.红外与激光工程，2010，39(4):777 －780.

［5］江晋剑，王远志，钱萌.基于小波的水下图像对比度增强方法研究［J］.计算机技术与发展，2008，18(4):35 －41.

［6］HASAN D.Satellite Image contrast enhancement using discrete wavelet transform and singular value decomposition［J］.IEEE Geoscience And Remote Sensing Letters，2010，7(2):333－337.

［7］ANUSTUP C.Color contrast enhancement for visually impaired people［C］.IEEE Conference of Communication，2010:33－40.

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

［9］CHEN SD，RAMLI A R.Contrast enhancement using recursive mean—separate histogram equalization for scalable brightness preservation［J］.IEEE Transactions on Consumer Electronics，2003，49(4):1301 －1309.

［10］WANG Y，CHEN Q，ZHANG B.Image enhancement based on equal area dualistic sub－image histogram equalization method ［J］.IEEE Transactions on Consumer Electronics，1999，45(1):68 －75.

［11］SIM K S，TSO C P，TAN Y Y.Recursive sub—image histngram equalization applied to gray scale images［J］.Pattern Recognition Letters，2007，28(10):1209 －1221.

［12］CHEN SD，RARNLI A R.Minimum mean brightness error bihistogram equalization in contrast enhancement［J］.IEEE Transactions on Consumer Electronics，2003，49(4):1310 －1319.

［13］扈佃海，吕绪良，文刘强.一种改进的直方图均衡化图像增强方法［J］.光电技术应用，2012，27(3):65 －68.

［14］ANISH KUMAR.Illumination reduction for low contrast color image enhancement with homomorphic filtering technique［C］.International Conference on Communication Systems and Network Technologies，2012:171 －173

［15］LIN Pinghsien，SHEN Chihtsung.Contrast enhancement on color images using iterative histogram rearrangement［C］.The 13th IEEE International Symposium on Consumer Electronics，2009:382 －386.

［16］YANG Hongbo，WANG Jiuhe.Color image contrast enhancement by co－occurrence histogram equalization and dark channel prior［C］.2010 3rd International Congress on Image and Signal Processing，2010:659 －663.

［17］王明泉，冯晓夏，梁君婷.基于直方图均衡的射线图像增强算法［J］.中国科技论文在线，2011，6(1):67 －70.

［18］陈文飞，许雪峰，苗作华，等.亮度自适应的保熵直方图均衡化方法［J］，计算机工程与应用，2012，48(16):157－161.

［19］TARIK ARICI.A histogram modi?cation framework and Its application for image contrast enhancement［J］.IEEE Transactions on Image Processing，2009，18(9):1921 －1935.

［20］RITU C，SARITA SB.An improved image contrast enhancement based on histogram equalization and brightness preserving weight clustering histogram equalization［C］.International Conference on Communication Systems and Network Technologies，2011:597 －600.

［21］YANG Fan，WU Jin.An improved image contrast enhancement in multiple－peak images based on histogram equalization［C］.2010 International Conference on Computer Design and Applications，2010:346 － 349.

［22］KWOK N M，HA Q P，FANG G.Color image contrast enhancement using a local equalization and weighted sum approach［C］.Toronto，Ontario，Canada:6th Annual IEEE Conference on Automation Science and Engineering，2010:568－573.

［23］SUNDARAN M，RAMAR K.Histogram based contrast enhancement for mammogram images［C］.Proceedings of 2011 International Conference.Computing and Networking Technologies，2011:842 － 846.

［24］ZHANG Dongni，WON － JAE PARK.Histogram partition based gamma correction for image contrast enhancement［C］.IEEE 16th International Symposium.2012:1－4.

［25］NYAMLKHAGVA S，ALTANSUKH S.Image contrast enhancement using bi－histogram equalization with neighborhood metrics［J］.IEEE Transactions on Consumer Electronics，2010，56(4):2727 －2734.

［26］许欣，陈强，孙怀江，等.改进的自动颜色均衡化图像对比度增强［J］.计算机工程与应用，2010，46(18):4 －6.

［27］王永强，江培蕾，李庆利.基于约束PDF的均衡直方图图像增强技术［J］.机械设计与制造，2010，5(5):231－232.

［28］武治国，王延杰.一种基于直方图非线性变换的图像对比度增强方法［J］.光子学报，2010，39(4):755 －758.

［29］LAND E.Recent advances in retinex theory and some implications for cortical computations:color vision and the natural images［J］.Proceedings of National Academy of Sciences，1983，80(16):5163 －5169.

［30］JOBSON D J，RAHMAN Z，WOODELL G A.Properties and performance of a center/surround Retinex［J］.IEEE Trans on Image Processing，1997，6(3):451 －462.

［31］赵晓霞，王汝林.改进的多尺度Retinex算法及其应用［J］.计算机工程，2011，37(6):209 －211.

［32］李冠章，罗武胜.一种高效地修正Retinex图像自适应对比度增强算法［J］.测试技术学报，2009，23(5):445 －451.

［33］JIAO Zhuqing，XU Baoguo.An image enhancement approach using retinex and YIQ［C］.2009 International Conference on Information Technology and Computer Science，2009:476－479.

［34］YOUHEI T，TOMIO G.Color image contrast enhancement by retinex model［C］.The 13th IEEE International Symposium on Consumer Electronics，2009:392 － 393.

［35］DANIEL J J，ZIA － UR R.Properties and performance of a center/surround retinex［C］.IEEE Transactions on Image Processing，1997，6(3):451 －462.

［36］WANG Jinhua，BI Haijiang.Retinex － based color correction for displaying high dynamic range images［C］.ICSP2010 Proceedings，2010:1021 －1024.

［37］SU Jang，LEE T H.Adaptive color enhancement based on multi－scaled retinex using local contrast of the Input Image［C］.Optomechatronic Technologies(ISOT)，2010 International Symposium on，2010:1 －6.

［38］李冠章，罗武胜，李沛，等.修正Retinex照射反射模型的彩色图像增强［J］.光学技术，2010，36(2):205 －208.

［39］刘伟华，隋青美.基于色调恒定的MSR图像增强算法［J］.光子学报，2011，40(4):642 －646.

［40］李冠章，罗武胜.适应彩色空间的图像对比度增强算法［J］.传感技术学报，2009，22(6):833 －837.

［41］李云，刘学诚.基于小波变换的图像对比度增强算法研究［J］.计算机应用与软件，2008，25(8):100 －103.

［42］牛和明，陈祥军，张建勋，等.基于小波变换与反锐化掩模的图像对比度增强［J］.高技术通讯，2011，21(6):600－606.

［43］罗忠亮，林土胜.基于曲波变换的图像非线性对比度增强［J］.数据采集与处理，2009，24(4):413 －417.

［44］ZHANG Changjiang，WANG Jinshan，WANG Xiaodong，et al.Contrast enhancement for image with incomplete beta transform and wavelet neural network［C］.International Conference on Neural Networks and Brain，2005.ICNN＆B'05，2005，2:1236 －1241.

［45］EHSAN N，MOHAMMAD.Image contrast enhancement by contourlet transform［C］.Zadar，Croatia:48th International Symposium ELMAR －2006，2006:81 －84.

［46］XU Jianmao，SU Junzhong，ZHANG Changjiang.Non － linear algorithm for contrast enhancement for image using wavelet neural network［C］.9th International Conference on Control，Automation，Robotics and Vision，ICARCV'06，2006:1－6.

［47］HASAN DEMIREL，CAGRI OZCINAR.Satellite image contrast enhancement using discrete wavelet transform and singular value decomposition［J］.IEEE Geoscience And Remote Sensing Letters，2010，7(2):333 －337.

［48］KE Jing，HOU Yuqing.An improved algorithm for shape preserving contrast enhancement［J］.Acta Photonica Sinica，2009，38(1):214 －219.

［49］万丽，陈普春.一种基于数学形态学的图像对比度增强算法［J］.现代电子技术，2009，13(300):131 －133.

［50］JEN Tzucheng，WANG Shengjyh.Bayesian structure－preserving image contrast enhancement and its simpli?cation［J］.IEEE Transaction on Circuits and Systems for Video Technology，2012，22(6):831 －843.

［51］翟艺书，柳晓鸣，涂雅瑗.基于模糊逻辑的雾天降质图像对比度增强算法［J］.计算机应用，2008，28(3):662－664.

［52］ZHAO Jie，YANG Jianlei.Regional contrast fuzzy enhancement for remote sensing image based on the generalized fuzzy set in nonsubsampled contourlet domain［C］.International Asia Symposium on Intelligent Interaction and Affective Computing，2009:120 －123.

［53］FU Bin，CUI Jianwen.A Novel adaptive vein image contrast enhancement method based on fuzzy and retinex theory［C］.Harbin，China:Proceedings of the 2010 IEEE International Conference on Information and Automation，2010:2447 －2450.

［54］YANG Qingyun.An adaptive image contrast enhancement based on differential evolution［C］.2010 3rd International Congress on Image and Signal Processing，2010:631 －634.

［55］何为，赵鲁阳，魏建明.基于非完全贝塔变换的图像对比度增强算法［J］.仪器仪表学报，2008，29(4):53 －56.

［56］CHEN Zhiyu，BESMA R A.A generalized and automatic image contrast enhancement using gray level grouping［C］.ICASSP 2006 Proceedings，IEEE International Conference，2006，2:965 －968.

［57］CHEN Zhiyu，BASMA R A.Gray－ Level Grouping(GLG):An automatic method for optimized image contrast enhancement—part II:the variations［J］.IEEE Transactions on Image Processing，2006，12(8):2303 －2314.

［58］姚远，门爱东.基于GLG算法的彩色图像对比度增强改进方法［J］.电视技术，2009，33(S2):133－135.

［59］赵静.基于多独立通道自适应性对比度增强算法［J］.电视技术，2012，36(11):24 －26.

［60］ASIM A K，ROLAND G.Biologically inspired contrast enhancement using asymmetric gain control［M］.Boston:Digital Image Computing:Techniques and Applications，2009.

［61］KE Weiming，CHENChihrung.BiTA/SWCE:image enhancement with bilateral tone adjustment and saliency weighted contrast enhancement［J］.IEEE Transactions on Circuits and Systems for Video Technology，2011，21(3):360 －364.