针对夜间图像整体亮度低、图像细节多集中在较低灰度级范围内的特点, 本文提出了一种像素级自适应融合的夜间图像增强方法。首先, 通过高通滤波的方式滤除图像的大部分暗背景信息, 以整体增强图像各区域灰度细节; 然后, 将滤波后的图像与原始图像进行像素级自适应加权融合, 其中每个像素点对应的两个权值取决于滤波图像内对应像素值与目标模糊集、背景模糊集的接近情况: 越接近目标模糊集, 滤波图像对应像素权值增大, 同时原始图像对应像素权值减小; 越接近背景模糊集, 则相反, 以此来进一步增强图像的全局对比度, 增强视觉效果。实验结果表明: 增强后的夜间图像在灰度细节和全局对比度方面都得到了显著提高。对于320×256分辨率的灰度图像, 在CPU主频为3.0 GHz的硬件环境下, 处理时间小于10 ms。 采用本文方法处理的夜间退化图像的成像质量得到了明显改善, 且其良好的实时性能够更好地满足工程应用需求。

夜间图像去雾对夜间场景中的视频监控、目标识别等有重要应用价值。目前夜间图像去雾研究较少，且处理结果存在失真度高、细节模糊、稳健性差等缺点。针对以上情况，结合大气散射模型和夜间雾天图像成像特点，提出基于Retinex理论和暗通道先验的去雾算法。首先，根据Retinex理论求得夜间场景的有雾入射光图像和有雾反射光图像；其次，利用暗通道先验得到场景的无雾反射光图像；然后，分别根据夜间雾天图像和有雾反射光图像求得光源位置和景深，利用相机成像机理求得场景点与各光源的距离之和，进而求得无雾入射光图像；最后，利用Retinex理论复原得到夜间无雾图像。实验结果表明，本文算法不仅能彻底去雾，提高图像对比度，更能大幅度降低去雾过程中的颜色失真。