NLHD：一种用于低光照图像增强的像素级非局部Retinex模型

Retinex模型已在许多现有方法中用于低光照图像增强。对低光照图像更恰当的分解有助于实现更好的图像增强。本文提出一种基于像素级非局部Haar变换的照度与反射分解新方法（NLHD）。利用每个相似像素组上Haar变换特有的低频系数重建照度分量，其余所有高频系数用于重建反射分量。匹配相似像素组内像素的完全相似性以及简单的可分离Haar变换有助于获得更恰当的图像分解；因此，在图像亮度增强过程中图像几乎不会被锐化。分别对照度分量实施指数变换和对数变换，然后利用这两种变换结果上的最小融合策略来实现更自然的照度分量增强。这可以缓解由伽马值小于1的指数变换在较暗区域产生的马赛克伪影，并减少因对数变换导致较亮区域过度增强而引起的信息丢失。最后，将Retinex模型应用于增强后的照度和反射以实现图像增强。我们还开发了基于局部噪声水平估计的噪声抑制方法和基于非局部饱和度降低的色偏校正方法。这两种方法可分别衰减极暗低光照图像增强结果中通常出现的噪声或色偏。在基准数据集上的实验表明，所提方法在主观和客观评价上均能取得优于大多数现有方法的低光照图像增强结果。