Debido al problema de que los algoritmos tradicionales de mejora de imágenes tienden a una mejora excesiva y una débil preservación de la naturalidad en entornos con baja iluminación general y distribución desigual de la luz, se propone un algoritmo de mejora de imágenes con baja iluminación basado en un modelo de atenuación de dispersión de la luz. Primero, en este artículo se propone un modelo de atenuación de dispersión de luz que explica razonablemente el proceso de formación de imagen con distribución de luz no uniforme. Luego, mediante un filtro Max-RGB se estima la iluminación de cada píxel para inicializar el mapa de iluminación, después, basado en la suavidad de la atenuación de la luz según el ángulo de incidencia y la distancia en las regiones segmentadas de la imagen, se optimiza el componente de iluminación utilizando información de profundidad e información del gradiente para obtener un mapa de iluminación preciso; además, se utiliza la similitud local de la transmitancia en la prioridad del canal oscuro para restringir la estimación del componente reflectante; finalmente, mediante la fusión de los componentes de iluminación y reflectancia optimizados a través del modelo de atenuación de dispersión de luz propuesto, se obtiene la imagen mejorada final con baja iluminación. En comparación con los algoritmos NPE, LIME, HE, ALSM, MSRCR, MF, WV_SIRE en imágenes con baja iluminación en diferentes escenarios, el evaluador de calidad anisotrópica sin referencia (BIQAA) alcanzó un máximo de 0.0196, la probabilidad acumulada de detección de desenfoque (CPBD) un máximo de 0.6801, el evaluador de calidad de imagen sin referencia del dominio espacial (BRISQUE) un mínimo de 21.4715, el evaluador de calidad de imagen natural (NIQE) un mínimo de 2.6995, superando el rendimiento integral de otros algoritmos comparativos. Los resultados experimentales muestran que el algoritmo propuesto puede suprimir eficazmente el ruido, mejorar el contraste y brillo de la imagen, y preservar mejor la naturalidad de la imagen.

Mejora de imágenes con baja iluminación; modelo de atenuación de dispersión de luz; información de profundidad; prioridad de canal oscuro