Face au problème des algorithmes traditionnels d'amélioration d’image qui tendent à un renforcement excessif de l’image et une faible préservation du naturel dans des environnements à faible luminosité globale et à distribution lumineuse inégale, une méthode d’amélioration d’image en faible luminosité basée sur un modèle d’atténuation par diffusion de la lumière est proposée. Premièrement, cet article propose un modèle d’atténuation par diffusion de la lumière qui explique raisonnablement le processus d’imagerie en présence d’une distribution d’éclairage non uniforme. Ensuite, à l’aide d’un filtre Max-RGB, l’éclairement de chaque pixel est estimé pour initialiser la carte d’éclairage, puis, en se basant sur le caractère lisse de l'atténuation de l’illumination en fonction de l'angle d’incidence et de la distance dans les zones segmentées de l’image, la composante d’éclairage est optimisée avec des informations de profondeur et de gradient pour obtenir une carte d’éclairage précise ; de plus, la similarité locale de la transmissivité dans la priorité de canal sombre est utilisée pour contraindre l’estimation de la composante de réflexion ; enfin, en fusionnant la composante d’éclairage optimisée et la composante de réflexion via le modèle d’atténuation par diffusion de la lumière proposé, on obtient l’image finale améliorée en faible luminosité. Comparé aux algorithmes NPE, LIME, HE, ALSM, MSRCR, MF, WV_SIRE sur des images en faible luminosité dans différents contextes, l’évaluateur de qualité anisotrope sans référence (BIQAA) atteint un maximum de 0.0196, la probabilité cumulée de détection de flou (CPBD) un maximum de 0.6801, l’évaluateur de qualité d’image spatiale sans référence (BRISQUE) un minimum de 21.4715, l’évaluateur de qualité d’image naturelle (NIQE) un minimum de 2.6995, les performances globales surpassant les autres algorithmes comparés. Les résultats expérimentaux montrent que l’algorithme proposé peut efficacement supprimer le bruit, améliorer le contraste et la luminosité, et mieux préserver le naturel de l’image.

Amélioration d’images en faible luminosité; modèle d’atténuation par diffusion de la lumière; information de profondeur; priorité de canal sombre