CN105654437B - 一种对低照度图像的增强方法 - Google Patents

Abstract

本发明公开了一种对低照度图像的增强方法，包括：获取待处理的低照度图像后，将其从RGB颜色空间转换到HSV颜色空间，获得色度分量、饱和度分量和亮度分量；基于Retinex算法，采用交替极小化方法将亮度分量分解为反射分量和照射分量；分别对照射分量和反射分量进行增强处理后，合成增强后的亮度分量；对饱和度分量做自适应调整处理后获得增强后的饱和度分量；将色度分量、增强后的亮度分量和增强后的饱和度分量合成新的HSV图像；将获得的新的HSV图像转化为RGB图像，并进行白平衡处理后，获得增强后的图像。本发明可以极大地提升低照度图像的清晰度，使细节可以再现，适用性强、鲁棒性高，可广泛应用于图像处理领域中。

Description

一种对低照度图像的增强方法

技术领域

本发明涉及图像处理领域，特别是涉及一种对低照度图像的增强方法。

背景技术

名词解释：

Retinex算法：Retinex是“Retina”(视网膜)和“Cortex”(大脑皮层)的缩写。Retine算法是一种建立在科学实验和科学分析基础上的基于人类视觉系统的图像增强算法，可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡，对各种不同类型的图像进行自适应性的增强；

RGB：包括红色分量R、绿色分量G、蓝色分量B三个分量。

HSV：包括色度分量H、饱和度分量S、亮度分量V三个分量。

计算机视觉监控设备在室内、夜间等低照度条件下，由于非自然光源的照度不充分，所以目标表面的反射光较弱，造成进入成像传感器的光线不足，导致在夜间采集的图像质量退化严重、图像可辨识性很低，且含有大量噪声，以至于难以分辨图像中的细节，大大降低了图像的应用价值，这类图像统称为低照度图像。

对低照度图像的质量提升，是目前图像质量提升领域的研究热点之一，尤其是在城市交通、监控视频等计算机视觉领域，低照度图像的质量提升具有重大意义。目前对低照度图像的增强方法主要是在RGB颜色空间下直接对图像进行增强处理例如MSRCR算法，这种处理方式容易产生颜色丢失，不符合人眼的视觉特征。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种对低照度图像的增强方法。

本发明解决其技术问题所采用的技术方案是：

一种对低照度图像的增强方法，包括：

S1、获取待处理的低照度图像后，将其从RGB颜色空间转换到HSV颜色空间，获得色度分量、饱和度分量和亮度分量；

S2、基于Retinex算法，采用交替极小化方法将亮度分量分解为反射分量和照射分量；

S3、分别对照射分量和反射分量进行增强处理后，合成增强后的亮度分量；

S4、对饱和度分量做自适应调整处理后获得增强后的饱和度分量；

S5、将色度分量、增强后的亮度分量和增强后的饱和度分量合成新的HSV图像；

S6、将获得的新的HSV图像转化为RGB图像，并进行白平衡处理后，获得增强后的图像。

进一步，所述步骤S2，其具体为：

构建如下目标函数，并根据该目标函数获得最优的照射分量和反射分量：

上式中，V表示亮度分量，L表示照射分量，R表示反射分量，表示经过最大值滤波后的低照度图像，I_C(y)表示低照度图像，Ω表示滤波器窗口，α、β、λ均为预设的权重因子。

进一步，所述步骤S2，包括：

S21、构建如下目标函数：

上式中，V表示亮度分量，L表示照射分量，R表示反射分量，表示经过最大值滤波后的低照度图像，I_C(y)表示低照度图像，Ω表示滤波器窗口，α、β、λ均为预设的权重因子；

S22、构建的等价表达式：其中p表示 满足条件的像素点的个数；

S23、根据下式获得的辅助变量：

其中，h_p表示的辅助变量，v_p表示的辅助变量，(h_p,v_p)满足γ_i表示迭代变量，γ₁＝2β＝0.05且γ_i+1＝ 2*γ_i；

S24、将亮度分量通过高斯低通滤波器滤波后的值作为照射分量的初始值；

S25、根据目标函数获得最优的反射分量如下：

其中，L₀表示照射分量的初始值，f表示FFT变换，f^-1表示FFT逆变换，f()^*表示FFT变换后复共轭，h表示的辅助变量；

S26、根据下式对反射变量进行矫正：R＝min(max(R,0),1)；

S27、保持矫正后的反射分量的值不变，根据目标函数获得最优的照射分量如下：

S28、根据下式对照射变量进行矫正：L＝max(L,V)；

S29、判断迭代变量γ_i是否大于预设阈值，若是，则结束，反之将迭代次数加1后，将矫正后的照射分量作为照射分量的初始值，返回执行步骤S25。

进一步，所述步骤S3，包括：

S31、对照射分量进行伽马校正，并进行自适应直方图均衡化处理后，获得增强后的照射分量；

S32、对反射分量进行局部滤波操作后获得增强后的反射分量；

S33、将增强后的照射分量和增强后的反射分量合成增强后的亮度分量。

进一步，所述步骤S31中所述对照射分量进行伽马校正的步骤，其具体为：

根据下式对照射分量进行伽马校正：

上式中，L表示照射分量，L_g表示伽马校正后的照射分量。

进一步，所述步骤S32，其具体为：

根据下式，对反射分量进行局部滤波操作后，获得增强后的反射分量：

上式中，R_F(x,y)表示对像素点(x,y)的反射分量进行局部滤波操作后的反射分量值，Ω表示以像素点(x,y)为中心的n×n的邻域窗口，(i,j)表示该邻域窗口中的像素坐标，R(i,j)表示像素点(i,j)的反射分量值，K表示归一化常数，w_s(i,j)表示像素点(i,j)的空域权重，w_r(i,j)表示像素点(i,j)的值域权重，且K、w_s(i,j)、w_r(i,j)满足以下条件：

其中，δ_S表示空域标准差，δ_r表示值域标准差，R_m,y表示像素点(m,y)的强度值，R_i,n表示像素点(i,n)的强度值。

进一步，所述步骤S4，其具体为：

根据下式，对饱和度分量做自适应调整处理后获得增强后的饱和度分量：

S'＝S+t×(V'-V)×μ

上式中，S'表示增强后的饱和度分量，S表示饱和度分量，t为常数，V表示亮度分量，V'表示增强后的亮度分量，μ表示调整系数，且对于每个像素点(x,y)，调整系数为：

其中，(x,y)表示像素点位置，Ω表示以像素点(x,y)为中心的n×n的邻域窗口，(i,j)表示该邻域窗口Ω中的像素坐标，V(i,j)表示像素点(i,j)的亮度值，表示邻域窗口Ω内的亮度均值，S(i,j)表示像素点(i,j)的饱和度值，表示邻域窗口Ω内的饱和度均值，δ_V(x,y)表示像素点(x,y)的亮度方差，δ_S(x,y)表示像素点的(x,y)的饱和度方差。

进一步，所述步骤S6中所述进行白平衡处理的步骤，包括：

S61、计算获得转化后的RGB图像的R、G、B三通道的颜色均值，并根据下式计算RGB通道的总均值：

K_ave＝(R_ave+G_ave+B_ave)/3

上式中，K_ave表示RGB通道的总均值，R_ave、G_aveB_ave分别表示R、G、B三通道的颜色均值；

S62、判断下式是否成立，若是，则直接结束，反之，执行步骤S63：

S63、根据下式对R、G、B颜色分量进行白平衡处理：

上式中，R_mod、G_mod、B_mod分别表示白平衡处理后的R、G、B三通道的颜色值，R_channel、G_channel、B_channel分别表示白平衡处理前R、G、B通道的灰度值。

本发明的有益效果是：本发明的一种对低照度图像的增强方法，包括：获取待处理的低照度图像后，将其从RGB颜色空间转换到HSV颜色空间，获得色度分量、饱和度分量和亮度分量；基于Retinex算法，采用交替极小化方法将亮度分量分解为反射分量和照射分量；分别对照射分量和反射分量进行增强处理后，合成增强后的亮度分量；对饱和度分量做自适应调整处理后获得增强后的饱和度分量；将色度分量、增强后的亮度分量和增强后的饱和度分量合成新的HSV图像；将获得的新的HSV图像转化为RGB图像，并进行白平衡处理后，获得增强后的图像。本方法可以极大地提升低照度图像的清晰度，使细节可以再现，而且基本不会产生颜色丢失，更为符合人眼的视觉特征，适用性强、鲁棒性高。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明的一种对低照度图像的增强方法的流程示意图；

图2是本发明的具体实施例中的待处理低照度图像；

图3是采用传统增强方法对图2的低照度图像进行增强处理后获得的结果；

图4是本发明的具体实施例中对图2的低照度图像进行增强处理后获得的结果。

具体实施方式

参照图1，本发明提供了一种对低照度图像的增强方法，包括：

S1、获取待处理的低照度图像后，将其从RGB颜色空间转换到HSV颜色空间，获得色度分量、饱和度分量和亮度分量；

S2、基于Retinex算法，采用交替极小化方法将亮度分量分解为反射分量和照射分量；

S3、分别对照射分量和反射分量进行增强处理后，合成增强后的亮度分量；

S4、对饱和度分量做自适应调整处理后获得增强后的饱和度分量；

S5、将色度分量、增强后的亮度分量和增强后的饱和度分量合成新的HSV图像；

S6、将获得的新的HSV图像转化为RGB图像，并进行白平衡处理后，获得增强后的图像。

进一步作为优选的实施方式，所述步骤S2，其具体为：

构建如下目标函数，并根据该目标函数获得最优的照射分量和反射分量：

上式中，V表示亮度分量，L表示照射分量，R表示反射分量，表示经过最大值滤波后的低照度图像，I_C(y)表示低照度图像，Ω表示滤波器窗口，α、β、λ均为预设的权重因子。

进一步作为优选的实施方式，所述步骤S2，包括：

S21、构建如下目标函数：

上式中，V表示亮度分量，L表示照射分量，R表示反射分量，表示经过最大值滤波后的低照度图像，I_C(y)表示低照度图像，Ω表示滤波器窗口，α、β、λ均为预设的权重因子；

S22、构建的等价表达式：其中p表示 满足条件的像素点的个数；

S23、根据下式获得的辅助变量：

其中，h_p表示的辅助变量，v_p表示的辅助变量，(h_p,v_p)满足γ_i表示迭代变量，γ₁＝2β＝0.05且γ_i+1＝ 2*γ_i；

S24、将亮度分量通过高斯低通滤波器滤波后的值作为照射分量的初始值；

S25、根据目标函数获得最优的反射分量如下：

其中，L₀表示照射分量的初始值，f表示FFT变换，f^-1表示FFT逆变换，f()^*表示FFT变换后复共轭，h表示的辅助变量；

S26、根据下式对反射变量进行矫正：R＝min(max(R,0),1)；

S27、保持矫正后的反射分量的值不变，根据目标函数获得最优的照射分量如下：

S28、根据下式对照射变量进行矫正：L＝max(L,V)；

S29、判断迭代次数是是否大于预设阈值，若是，则结束，反之将迭代次数加1后，将矫正后的照射分量作为照射分量的初始值，返回执行步骤S25。

进一步作为优选的实施方式，所述步骤S3，包括：

S31、对照射分量进行伽马校正，并进行自适应直方图均衡化处理后，获得增强后的照射分量；

S32、对反射分量进行局部滤波操作后获得增强后的反射分量；

S33、将增强后的照射分量和增强后的反射分量合成增强后的亮度分量。

进一步作为优选的实施方式，所述步骤S31中所述对照射分量进行伽马校正的步骤，其具体为：

根据下式对照射分量进行伽马校正：

上式中，L表示照射分量，L_g表示伽马校正后的照射分量。

进一步作为优选的实施方式，所述步骤S32，其具体为：

根据下式，对反射分量进行局部滤波操作后，获得增强后的反射分量：

上式中，R_F(x,y)表示对像素点(x,y)的反射分量进行局部滤波操作后的反射分量值，Ω表示以像素点(x,y)为中心的n×n的邻域窗口，(i,j)表示该邻域窗口中的像素坐标，R(i,j)表示像素点(i,j)的反射分量值，K表示归一化常数，w_s(i,j)表示像素点(i,j)的空域权重，w_r(i,j)表示像素点(i,j)的值域权重，且K、w_s(i,j)、w_r(i,j)满足以下条件：

其中，δ_S表示空域标准差，δ_r表示值域标准差，R_m,y表示像素点(m,y)的强度值，R_i,n表示像素点(i,n)的强度值。

进一步作为优选的实施方式，所述步骤S4，其具体为：

根据下式，对饱和度分量做自适应调整处理后获得增强后的饱和度分量：

S'＝S+t×(V'-V)×μ

上式中，S'表示增强后的饱和度分量，S表示饱和度分量，t为常数，V表示亮度分量，V'表示增强后的亮度分量，μ表示调整系数，且对于每个像素点(x,y)，调整系数为：

其中，(x,y)表示像素点位置，Ω表示以像素点(x,y)为中心的n×n的邻域窗口，(i,j)表示该邻域窗口Ω中的像素坐标，V(i,j)表示像素点(i,j)的亮度值，表示邻域窗口Ω内的亮度均值，S(i,j)表示像素点(i,j)的饱和度值，表示邻域窗口Ω内的饱和度均值，δ_V(x,y)表示像素点(x,y)的亮度方差，δ_S(x,y)表示像素点的(x,y)的饱和度方差。

进一步作为优选的实施方式，所述步骤S6中所述进行白平衡处理的步骤，包括：

S61、计算获得转化后的RGB图像的R、G、B三通道的颜色均值，并根据下式计算RGB通道的总均值：

K_ave＝(R_ave+G_ave+B_ave)/3

上式中，K_ave表示RGB通道的总均值，R_ave、G_aveB_ave分别表示R、G、B三通道的颜色均值；

S62、判断下式是否成立，若是，则直接结束，反之，执行步骤S63：

S63、根据下式对R、G、B颜色分量进行白平衡处理：

上式中，R_mod、G_mod、B_mod分别表示白平衡处理后的R、G、B三通道的颜色值，R_channel、G_channel、B_channel分别表示白平衡处理前R、G、B通道的灰度值。

以下结合一具体实施例对本发明做详细说明。

参照图1，一种对低照度图像的增强方法，包括：

S1、获取待处理的低照度图像后，将其从RGB颜色空间转换到HSV颜色空间，获得色度分量、饱和度分量和亮度分量；

S2、基于Retinex算法，采用交替极小化方法将亮度分量分解为反射分量和照射分量，具体为：构建如下目标函数，并根据该目标函数获得最优的照射分量和反射分量：

上式中，V表示亮度分量，L表示照射分量，R表示反射分量，表示经过最大值滤波后的低照度图像，I_C(y)表示低照度图像，Ω表示滤波器窗口，α、β、λ均为预设的权重因子。

更详细的，步骤S2包括S21～S27：

S21、构建如下目标函数：

上式中，V表示亮度分量，L表示照射分量，R表示反射分量，表示经过最大值滤波后的低照度图像，I_C(y)表示低照度图像，Ω表示滤波器窗口，α、β、λ均为预设的权重因子；

S22、构建的等价表达式：其中p表示 满足条件的像素点的个数；C(R)表示求取梯度不为0的像素点P的操作，P点 的梯度为

S23、根据下式获得的辅助变量：

其中，该公式中if表示符合什么条件时，if others表示其它情况时；其中，h_p表示 的辅助变量，v_p表示的辅助变量，(h_p,v_p)满足 γ_i表示迭代变量，γ₁＝2β＝0.05且每次迭代后迭代变量变化为γ_i+1＝2*γ_i；步骤S29中， 预设阈值设为0.5即多次迭代直到γ_i>0.5；此处通过γ_i控制迭代次数约5次；

由于L0范数是统计向量中非0的元素个数，无法直接进行求导运算，因此将上式中(h_p,v_p)的表达式代入步骤S21中的目标函数，将原目标函数改为：

其中，H(|h_p|+|v_p|)是一个二元函数，当|h_p|+|v_p|≠0时，返回1；其他情况，返回0；

S24、将亮度分量通过高斯低通滤波器滤波后的值作为照射分量的初始值；

S25、根据目标函数获得最优的反射分量如下：

其中，L₀表示照射分量的初始值，f表示FFT变换，f^-1表示FFT逆变换，f()^*表示FFT变换后复共轭，h表示的辅助变量；

S26、根据下式对反射变量进行矫正：R＝min(max(R,0),1)；

S27、保持矫正后的反射分量的值不变(这里相当于将矫正后的反射分量作为求取照射分量时的反射分量初始值)，根据目标函数获得最优的照射分量如下：

S28、根据下式对照射变量进行矫正：L＝max(L,V)；

S29、判断迭代变量γ_i是否大于预设阈值，若是，则结束，反之将迭代次数加1后，将矫正后的照射分量作为照射分量的初始值，返回执行步骤S25。本实施例中，优选将预设阈值设为0.5，通过大约5次迭代后，可满足γ_i>0.5，可以获得趋于稳定的照射分量L和反射分量R。本实施例通过γ_i控制迭代次数，优选控制迭代次数约为5次。

S3、分别对照射分量和反射分量进行增强处理后，合成增强后的亮度分量；步骤S3包括S31～S33：

S31、根据下式对照射分量进行伽马校正，获得伽马校正后的照射分量L_g，并对其进行自适应直方图均衡化处理后，获得增强后的照射分量L'：

上式中，L表示照射分量，L_g表示伽马校正后的照射分量；

由于光照不均匀因素，得到的照射分量L存在明显的亮度明暗区域，需要对其进行伽马校正。最后，采用现有技术的直方图均衡化方法进行直方图均衡化处理后获得增强后的照射分量L'：L'＝CLAHE(L_g)，CLAHE表示自适应直方图均衡函数。

S32、对反射分量进行局部滤波操作后获得增强后的反射分量；图像的反射分量是图像中变化较快的高频信息，可以反映图像上物体的内在性质，在采用Retinex理论提取获得反射分量的过程中，由于噪声常常分布在高频，噪声被放大了，因此本步骤需要进行局部滤波实现降噪处理，具体如下：

根据下式，对反射分量进行局部滤波操作后，获得增强后的反射分量：

上式中，R_F(x,y)表示对像素点(x,y)的反射分量进行局部滤波操作后的反射分量值，Ω表示以像素点(x,y)为中心的n×n的邻域窗口，(i,j)表示该邻域窗口中的像素坐标，R(i,j)表示像素点(i,j)的反射分量值，K表示归一化常数，w_s(i,j)表示像素点(i,j)的空域权重，w_r(i,j)表示像素点(i,j)的值域权重，且K、w_s(i,j)、w_r(i,j)满足以下条件：

其中，δ_S表示空域标准差，δ_r表示值域标准差，R_m,y表示像素点(m,y)的强度值，R_i,n表示像素点(i,n)的强度值。

S33、将增强后的照射分量和增强后的反射分量合成增强后的亮度分量。

S4、对饱和度分量做自适应调整处理后获得增强后的饱和度分量，具体如下：

根据下式，对饱和度分量做自适应调整处理后获得增强后的饱和度分量：

S'＝S+t×(V'-V)×μ

上式中，S'表示增强后的饱和度分量，S表示饱和度分量，t为常数，V表示亮度分量，V'表示增强后的亮度分量，μ表示调整系数，且对于每个像素点(x,y)，调整系数为：

其中，(x,y)表示像素点位置，Ω表示以像素点(x,y)为中心的n×n的邻域窗口，(i,j)表示该邻域窗口Ω中的像素坐标，V(i,j)表示像素点(i,j)的亮度值，表示邻域窗口Ω内的亮度均值，S(i,j)表示像素点(i,j)的饱和度值，表示邻域窗口Ω内的饱和度均值，δ_V(x,y)表示像素点(x,y)的亮度方差，δ_S(x,y)表示像素点的(x,y)的饱和度方差。

S5、处理过程中，色度分量保持不变，本步骤中，将色度分量、增强后的亮度分量和增强后的饱和度分量合成新的HSV图像；

S6、将获得的新的HSV图像转化为RGB图像，并进行白平衡处理后，获得增强后的图像。

步骤S6中所述进行白平衡处理的步骤，包括：

S61、计算获得转化后的RGB图像的R、G、B三通道的颜色均值，并根据下式计算RGB通道的总均值：

K_ave＝(R_ave+G_ave+B_ave)/3

上式中，K_ave表示RGB通道的总均值，R_ave、G_aveB_ave分别表示R、G、B三通道的颜色均值；

S62、判断下式是否成立，若是，则直接结束，不进行白平衡处理，反之下式不成立 表示执行步骤S63：

S63、根据下式对R、G、B颜色分量进行白平衡处理：

上式中，R_mod、G_mod、B_mod分别表示白平衡处理后的R、G、B三通道的颜色值，R_channel、G_channel、B_channel分别表示白平衡处理前R、G、B通道的灰度值。

图2是采集获得的一低照度图像，采用本实施例对图2的低照度图像进行增强处理，所获得的结果如图4所示，增强后的图像细节清晰可见，图像颜色正常。而图3是采用传统的MSRCR算法对图2的图像进行增强处理后获得的结果，通过图3和图4的对比可知，本方法相对于传统的在RGB颜色空间下直接对图像进行增强处理的算法，增强效果好，而且基本不会产生颜色丢失，更为符合人眼的视觉特征。因此，本发明可以极大地提升低照度图像的清晰度，使细节可以再现，本方法适用性强、鲁棒性高。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (7)

1.一种对低照度图像的增强方法，其特征在于，包括：

S1、获取待处理的低照度图像后，将其从RGB颜色空间转换到HSV颜色空间，获得色度分量、饱和度分量和亮度分量；

S2、基于Retinex算法，采用交替极小化方法将亮度分量分解为反射分量和照射分量；

S3、分别对照射分量和反射分量进行增强处理后，合成增强后的亮度分量；

S4、对饱和度分量做自适应调整处理后获得增强后的饱和度分量；

S5、将色度分量、增强后的亮度分量和增强后的饱和度分量合成新的HSV图像；

S6、将获得的新的HSV图像转化为RGB图像，并进行白平衡处理后，获得增强后的图像；

所述步骤S2，其具体为：

构建如下目标函数，并根据该目标函数获得最优的照射分量和反射分量：

上式中，V表示亮度分量，L表示照射分量，R表示反射分量，表示经过最大值滤波后的低照度图像，I_C(y)表示低照度图像，Ω表示滤波器窗口，α、β、λ均为预设的权重因子。

2.根据权利要求1所述的一种对低照度图像的增强方法，其特征在于，所述步骤S2，包括：

S21、构建如下目标函数：

上式中，V表示亮度分量，L表示照射分量，R表示反射分量，表示经过最大值滤波后的低照度图像，I_C(y)表示低照度图像，Ω表示滤波器窗口，α、β、λ均为预设的权重因子；

S22、构建的等价表达式：其中p表示满足条件的像素点的个数，C(R)表示求取梯度不为0的像素点p的个数的操作；

S23、根据下式获得的辅助变量：

其中，h_p表示的辅助变量，v_p表示的辅助变量，(h_p,v_p)满足γ_i表示迭代变量，γ₁＝2β＝0.05且γ_i+1＝2*γ_i，H(|h_p|+|v_p|)是一个二元函数，当|h_p|+|v_p|≠0时，返回1；其他情况，返回0；

S24、将亮度分量通过高斯低通滤波器滤波后的值作为照射分量的初始值；

S25、根据目标函数获得最优的反射分量如下：

其中，L₀表示照射分量的初始值，f表示FFT变换，f^-1表示FFT逆变换，f()^*表示FFT变换后复共轭，h表示的辅助变量；

S26、根据下式对反射变量进行矫正：R＝min(max(R,0),1)；

S27、保持矫正后的反射分量的值不变，根据目标函数获得最优的照射分量如下：

S28、根据下式对照射变量进行矫正：L＝max(L,V)；

S29、判断迭代变量γ_i是否大于预设阈值，若是，则结束，反之将迭代次数加1后，将矫正后的照射分量作为照射分量的初始值，返回执行步骤S25。

3.根据权利要求1所述的一种对低照度图像的增强方法，其特征在于，所述步骤S3，包括：

S31、对照射分量进行伽马校正，并进行自适应直方图均衡化处理后，获得增强后的照射分量；

S32、对反射分量进行局部滤波操作后获得增强后的反射分量；

S33、将增强后的照射分量和增强后的反射分量合成增强后的亮度分量。

4.根据权利要求3所述的一种对低照度图像的增强方法，其特征在于，所述步骤S31中所述对照射分量进行伽马校正的步骤，其具体为：

根据下式对照射分量进行伽马校正：

γ＝2.2

上式中，L表示照射分量，L_g表示伽马校正后的照射分量。

5.根据权利要求3所述的一种对低照度图像的增强方法，其特征在于，所述步骤S32，其具体为：

根据下式，对反射分量进行局部滤波操作后，获得增强后的反射分量：

上式中，R_F(x,y)表示对像素点(x,y)的反射分量进行局部滤波操作后的反射分量值，Ω表示以像素点(x,y)为中心的n×n的邻域窗口，(i,j)表示该邻域窗口中的像素坐标，R(i,j)表示像素点(i,j)的反射分量值，K表示归一化常数，w_s(i,j)表示像素点(i,j)的空域权重，w_r(i,j)表示像素点(i,j)的值域权重，且K、w_s(i,j)、w_r(i,j)满足以下条件：

其中，σ_S表示空域标准差，σ_r表示值域标准差，R_m,y表示像素点(m,y)的强度值，R_i,n表示像素点(i,n)的强度值。

6.根据权利要求1所述的一种对低照度图像的增强方法，其特征在于，所述步骤S4，其具体为：

根据下式，对饱和度分量做自适应调整处理后获得增强后的饱和度分量：

S'＝S+t×(V'-V)×μ

上式中，S'表示增强后的饱和度分量，S表示饱和度分量，t为常数，V表示亮度分量，V'表示增强后的亮度分量，μ表示调整系数，且对于每个像素点(x,y)，调整系数为：

其中，(x,y)表示像素点位置，Ω表示以像素点(x,y)为中心的n×n的邻域窗口，(i,j)表示该邻域窗口Ω中的像素坐标，V(i,j)表示像素点(i,j)的亮度值，表示邻域窗口Ω内的亮度均值，S(i,j)表示像素点(i,j)的饱和度值，表示邻域窗口Ω内的饱和度均值，δ_V(x,y)表示像素点(x,y)的亮度方差，δ_S(x,y)表示像素点(x,y)的饱和度方差。

7.根据权利要求1所述的一种对低照度图像的增强方法，其特征在于，所述步骤S6中所述进行白平衡处理的步骤，包括：

S61、计算获得转化后的RGB图像的R、G、B三通道的颜色均值，并根据下式计算RGB通道的总均值：

K_ave＝(R_ave+G_ave+B_ave)/3

上式中，K_ave表示RGB通道的总均值，R_ave、G_ave、B_ave分别表示R、G、B三通道的颜色均值；

S62、判断下式是否成立，若是，则直接结束，反之，执行步骤S63：

S63、根据下式对R、G、B颜色分量进行白平衡处理：

上式中，R_mod、G_mod、B_mod分别表示白平衡处理后的R、G、B三通道的颜色值，R_channel、G_channel、B_channel分别表示白平衡处理前R、G、B通道的灰度值。