- 上一篇：遥感图像增强的研究现状
- 下一篇：无人驾驶汽车国内外研究现状
研究现状Yihua Shi[6,7]等提出了一种自适应的伽玛校正方法，建立像素和Gamma值间的映射，然后使用非线性函数叠加方法构造了一个校正强度随像素自适应变化的曲线，Shi认为高光区和阴影区之间的过渡区域受光源的影响作用较小，是表现图像真实内容的关键，因此对不同区域因采取不同强度的校正。Shi选取了两个非线性函数，一个是扩展函数，校正程度在中部偏弱两端偏强，提高了伽马校正的适应能力，同时也达到了不同区域采用不同强度校正的目的，另一个是调整函数，使校正曲线在高光和阴影区幅值较大、过渡区较小，这样使得曲线变化趋于合理，该方法不仅适应了光照的变化，也防止了伽马校正带来的失真现象，解决了传统伽马校正无法满足图像高光和阴影区域同时并存的问题。63863
Daniel J. Jobson[8]等提出了单尺度Retinex方法，该方法是一个基于同态滤波的算法。该算法认为反射系数图像与原图像的锐化细节相对应，而光照图像则是空间平滑的，所以将原始图像的低通滤波作为照射光的合理预测。其中，低通滤波是将原图像与大的高斯核做卷积得到的。随后Jobson[9]扩展了他们以前设计的单中心/环绕Retinex，扩展后的多尺度版本能够实现同步动态范围压缩、颜色一致性校正和亮度再现。这个扩展无法产生良好的色彩还原，因此他们定义了一个色彩还原方法纠正在颜色一致性方面的不足。在多个测试场景广泛的测试多尺度Retinex的色彩还原，超过一百个图像没有显示任何病态行为。
Raanan Fattal[10]等人通过衰减大梯度图像的量级来处理亮度图像的梯度场。修改后的梯度域通过解一个泊松方程来获得一个新的低动态范围图像。任何一个跨越高动态范围图像的亮度急剧变化必须在一定比例上大幅度提高亮度梯度。精细的细节，比如质地，在另一方面对应到更小规模的梯度。Fattal的想法是在不同的比例确定较大的梯度，然后保持它们的方向不变削弱它们的量级。衰减必须是渐进的，对大梯度而言比小梯度更加不利，因此在保留好的细节的同时压缩很大的亮度变化。一个被简化的高动态范围图像从衰减的梯度场被重建。该方法是能够进行激烈的动态范围压缩，同时保持精细的细节以及避免常见的文物，如光晕，梯度反转，或局部对比度损失。该方法也能够显著提高普通图像在暗区的细节。但是处理效果和增强函数的构造具有较大的关系，不能够对各种图像都产生鲁棒的增强效果。论文网
程勇[11]等将双边滤波引入到人类视网膜模型中，提出了一种基于双边滤波和人类视网膜模型的光照不变量提取算法。采用朗伯光照模型，对多尺度几何分析技术进行研究，将非下采样轮廓波变换和自适应NormalShrink降噪技术应用于图像光照不变量的提取过程中，提出了一种基于NSCT和自适应NormalShrink滤波的光照不变量提取算法及一种改进的SQI算法。
Terrence Chen[12]等提出了一种新的光照归一化和不均匀背景校正算法，利用TV+L模型，在服从L常态保真项的同时最小化卡通输出时的整体变化。之后提出一种新的TVQI光照归一化模型作为不同光照条件下人脸识别的预处理。Shan Du[13]等人提出一种基于小波变换的光照归一化方法，在频域中使用小波变换，不仅提高了对比度，而且增强了人脸图像的边缘，能在不同光照下有效运作人脸识别。
2 存在的问题
随着遥感技术的不断发展，获取遥感图像的手段越来越多，不同传感器所获取的同一地区的图像有所不同，即便是同一传感器，在不同时间、不同的光照下获取的图像也有所不同。多时相、多分辨率的遥感图像与日俱增，因此会产生如下两个问题。