基于矩阵分解的低光照图像增强方法  

作　　者：叶梦君 胡长晖 焦冰 郝雯娟 

机构地区：[1]南京航空航天大学金城学院机电工程与自动化学院,江苏南京211156 [2]南京邮电大学自动化学院&人工智能学院,江苏南京210023

出　　处：《物联网技术》2025年第9期24-29,共6页Internet of things technologies

基　　金：国家自然科学基金项目(62272240);南京邮电大学科研基金项目(NY218119);南京航空航天大学金城学院校级科研基金项目(XJ202201);南京航空航天大学金城学院校级教研项目(2023XJJG03);南京航空航天大学金城学院校级教研项目(2023XJJG04);江苏省现代教育技术研究2022年度课题(2022-12-99394)。

摘　　要：针对低光照图像存在低对比度、光照不均和细节信息弱等问题,提出一种基于矩阵分解的低光照图像增强方法。该方法基于图像的HSV空间,对低光照图像的亮度通道(V通道)进行可见度和对比度增强。首先,将RGB图像转换到HSV空间图像;然后,利用奇异值分解和列选主正交三角分解分别对提取的V通道进行对比度增强,再对处理后的亮度通道V的指数版本进行CLAHE处理;最后,利用色相通道H、饱和度通道S以及处理后的亮度通道V,通过HSV空间到RGB空间变换获得增强图像。通过在ExDark、BDD 100K和SICE数据库上进行实验验证,结果表明:提出的基于矩阵分解的低光照图像增强方法显著提高了图像的自然度、对比度和图像细节,并且与六种传统数学增强方法相比较,其衡量指标表现更佳。

关 键 词：低光照图像 奇异值分解 列选主正交三角分解 图像增强 HSV空间 CLAHE 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]