文献类型：期刊文章

作　　者：田会娟[1,2] 蔡敏鹏[2,3] 关涛[2,3] 胡阳[1,2]

TIAN Hui-juan;CAI Min-peng;GUAN Tao;HU Yang(School of Electronics and Information Engineering,Tiangong University,Tianjin 300387,China;Engineering Research Center of Ministry of Education on High Power Solid Lighting Application System,Tianjin 300387,China;Tianjin Key Laboratory of Advanced Electrical Engineering and Energy Technology,School of Electrical Engineering and Automation,Tiangong University,Tianjin 300387,China)

机构地区：[1]天津工业大学电子与信息工程学院,天津300387 [2]大功率半导体照明应用系统教育部工程研究中心,天津300387 [3]天津工业大学电气工程与自动化学院,天津市电工电能新技术重点实验室,天津300387

出　　处：《光子学报》

基　　金：国家自然科学基金(No.61504095)~~

年　　份：2020

卷　　号：49

期　　号：2

起止页码：167-178

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对Retinex理论的低照度图像增强算法中光照图像估计问题,提出一种基于YCbCr颜色空间的低照度图像增强方法.该方法将原始低照度图像从RGB(Red Green Blue)颜色空间转换到YCbCr颜色空间,提取该空间中Y分量构建为原始光照图像分量L1(x,y),并对L1(x,y)进行Gamma校正得到增强的光照图像分量L2(x,y),经Retinex模型得到增强图像R(x,y),采用多尺度细节增强方法对图像R(x,y)进行细节增强,得到最终增强图像Re(x,y).实验结果表明,所提方法不仅能有效提升亮度,避免亮度和色彩失真,增强了图像的细节信息并获得了更好的视觉效果,而且运行速度快.

关 键 词：Retinex模型  图像增强 光照估计 GAMMA校正 细节增强  

分 类 号：TP391]