夜间单幅图像成像的优化

李世豪 刘飞宇＊ 章祎琳 杨厉平 朱可依

（南京师范大学，江苏 南京 210000）

1 概述

红外热成像技术的使用越来越普遍，在很多领域都有着重大应用和需求，就比如说此次疫情防控用的红外测温仪门等。由于红外探照灯及红外探测器件的限制，现有的红外测温仪容易受外界的影响，尤其是受夜晚光线不充足、雨雾天气等因素影响图像的清晰度。夜间图像中暗色占据了图片的大部分内容，主要存在总体或局部亮度不足、颜色的对比度和饱和度低，以至于很多关键细节无法充分展现。图像增强主要是将暗色区域的内容展示清楚，但如果亮度太高，细节信息容易丢失。

许多学者提出了不同的图像增强的方法。传统的图像增强算法有灰度直方算法，虽然其处理方法上简便，但处理图像的同时会使噪声也增大，从而影响最终的处理效果。Norbert Wiener 提出了以平方最小为最佳准则的维纳滤波来处理噪声，其实际输出与目标输出的差的平方最小，这种线性滤波算法较简单、速度快，但是在处理图像的同时会造成细节和边缘的模糊。Marco Tulio Ribeiro 提出了一种局部可解释性模型算法--LIME 算法，在文本和图像中应用较多，其具有较强的通用性，效果比较好。我们主要对灰度直方算法、维纳滤波、LIME 算法进行了一些实验研究，并进行性能上的比较，进一步探索更适合处理夜间图像的算法。

2 基于目前应用较多的算法研究

2.1 灰度直方增强算法

灰度直方算法的本质是一维的离散函数：

图1 为我们利用灰度直方算法进行处理的结果，观察结果图，我们发现直方图主要分布于坐标系纵轴附近，夜间图像不同，因亮度不同，直方图的分布情况也不同。从实验结果中也可以很明显的看出，经过灰度直方处理后的图像清晰度确实比原始图像清晰了些，但是图像背景的光源却被放大了许多，导致处理后的图像还是不能满足我们的视觉感受，没有达到我们想要的预期效果。

图1

2.2 维纳滤波降噪

为了找到适合处理夜间图像的算法，我们又对维纳滤波算法进行了研究和实验，维纳滤波也叫最小均方滤波，是综合了退化函数和噪声特征进行图像处理的方法，其本质是利用统计估计方法，是关于图像、噪声的矩阵，由图像的方差调整输出，该算法是基于图像和噪声都是随机变量的基础上，基本思路是：

图2

3 LIME 增强算法

通过对前两个算法的研究，我们发现前面两个算法在一定程度上的确增强了图像，但缺点是在增强图像的同时会过度放大图像中的部分内容，导致最后的图像达不到我们预期的效果。LIME 算法对于图像处理有较强的通用性，因此，我们对该算法进行了进一步的研究和探索，该算法的原理是先在R、G、B三个通道中找出最大值以估测每像素的照明，随后对初始图像进行细化，细化后的图像作为最后的光照映射，由此生成最终的增强图像。LIME 算法模型如下：

式中L 表示图像，I 表示图像所需的恢复，T 表示照明图，*表示元素乘法，该模型表明图像可以看作所需场景和光照图像的乘积，T 是处理图像的关键，其处理图像模型展开如下：

3.1 初始照明图估计

该算法首先是通过寻找三个通道的最大值进行光照估计，但这只能提高整体照明，为了解决光照不均匀的情况，我们采用以下初始估计：

3.2 对光照图进行细化

光照估计可以由局部一致性得来，其比较常用的方式有：

其中第一项表示初始估计图与照明图之间的保真度，第二项表示图像的平滑度，W 表示权值矩阵，其包括水平分量和垂直分量，优化处理的关键就在于对W 的设计：

式（17）中因为只含二次项，所以可以直接进行计算。

由于图像处理放大的不同及输入不同区域的噪声大小也不同，在处理图像时会存在一些重要信息的模块被剥夺，而一些无关紧要的地方过于平滑，为避免这种图像处理的不均匀性，我们采用以下方法改进：

其中Id和If分别表示去噪和重构后的结果，将去噪放到最后一步，这样就可以与其他的图像处理方法进行衔接。

图3

4 实验结果与分析

图4

结束语

我们对现有的一些针对图像处理的灰度直方算法、维纳滤波降噪算法、LIME 算法这三种算法进行了研究，深入的探究了这三种算法的基本模型和原理，并利用这三种算法对夜间图像进行增强对比实验。实验结果表明，LIME 增强算法可以使原始图像的清晰度、亮度、对比度等得到改善，而且没有出现失真，图像的亮光区也得到了进一步的改善，暗光区的细节信息也清晰的体现了出来，整体上使得夜间图像的视觉效果有了显著的增强，也更适合我们的视觉感受。从而，我们得出LIME 算法对于处理夜间图像的适用性和有效性更强。