牛群团队在《红外技术》发表细节保留与亮度融合的微光图像增强算法论文

　　长春理工大学光电工程学院牛群团队在《红外技术》发表论文《细节保留与亮度融合的微光图像增强算法》，针对微光环境下CMOS相机拍摄图像对比度低、噪声大、细节模糊的问题，提出一种兼顾亮度提升与细节保留的增强方法，通过自适应滤波、分层处理与图像融合技术，显著改善了微光图像质量，相关指标表现优于现有主流算法。

　　微光图像增强技术广泛应用于医疗内窥镜、安防监控、智能交通等领域，但传统算法往往只注重亮度提升，容易导致细节丢失或图像失真。牛群团队研发的新算法创新性地采用“噪声抑制-分层处理-融合增强”的技术路径：首先通过自适应滤波器分两步处理RGB三通道，有效抑制条纹噪声和随机噪声，解决了微光图像噪点密集的问题;随后将滤波后的图像分解为细节层和基本层，细节层通过粗照度与光照分量提取纹理信息，基本层则利用Alpha算法融合原图与两次伽马校正结果，实现亮度精准提升;最后将两层亮度通道融合，形成兼具清晰度与细节完整性的增强图像。

　　实验结果显示，该算法处理后的图像平均梯度提升最高达46.67%，信息熵提升最高达43.62%，在结构相似性(SSIM)指标上全面超越CLAHE、MSRCR等5种主流算法，最高达0.965，表明图像失真极小。在无参考图测试中，其BRISQUE值最低仅为5.8177，图像视觉质量优异;运行效率方面，无需迭代计算，处理1920×1080分辨率图像仅需1.873秒，兼顾精度与速度。

　　该算法的提出有效解决了微光图像增强中“亮度与细节难以兼顾”的行业痛点，为低光照场景下的图像采集与处理提供了新方案，有望在安防监控、医疗影像等领域实现落地应用，提升相关设备在复杂光照条件下的工作性能。