Devido ao problema de algoritmos tradicionais de aprimoramento de imagem que tendem a superampliar a imagem e apresentarem fraca preservação da naturalidade em ambientes com baixa iluminação geral e distribuição desigual da luz, foi proposto um algoritmo de aprimoramento de imagem em baixa luminosidade baseado em um modelo de atenuação de espalhamento da luz. Primeiramente, este artigo propõe um modelo de atenuação de espalhamento da luz que explica razoavelmente o processo de formação de imagem com distribuição desigual de iluminação. Em seguida, utilizando um filtro Max-RGB, estima-se a iluminação de cada pixel para inicializar o mapa de iluminação; depois, com base na característica de atenuação suave da iluminação de acordo com o ângulo de incidência e distância nas regiões segmentadas da imagem, utiliza-se informação de profundidade e informação de gradiente para otimizar o componente de iluminação, obtendo um mapa de iluminação preciso; além disso, utiliza-se a similaridade local da transmitância na prioridade do canal escuro para restringir a estimativa do componente de reflexão; por fim, por meio da fusão dos componentes de iluminação e reflexão otimizados através do modelo de atenuação de espalhamento da luz proposto, obtém-se a imagem final aprimorada em baixa luminosidade. Em comparação com os algoritmos NPE, LIME, HE, ALSM, MSRCR, MF, WV_SIRE em imagens de baixa luminosidade em diferentes cenários, o avaliador de qualidade anisotrópica sem referência (BIQAA) atingiu um máximo de 0,0196, a probabilidade acumulada de detecção de desfoque (CPBD) atingiu um máximo de 0,6801, o avaliador de qualidade de imagem sem referência no domínio espacial (BRISQUE) atingiu um mínimo de 21,4715, o avaliador de qualidade de imagem natural (NIQE) atingiu um mínimo de 2,6995, com desempenho geral superior a outros algoritmos comparativos. Os resultados experimentais mostram que o algoritmo proposto pode suprimir efetivamente o ruído, melhorar o contraste e o brilho da imagem, e preservar melhor a naturalidade da imagem.

Aprimoramento de imagem em baixa luminosidade; modelo de atenuação de espalhamento da luz; informação de profundidade; prioridade do canal escuro