基于鲁棒性主成分分析的低照度图像增强算法

来源：计算机应用与软件杂志2024年第2期北京时间：

作者：胡乘其, 王书朋, 王瑜婧

摘要：由于低照度图像对比度和信噪比低，传统图像增强算法在提高图像对比度的同时容易造成噪声放大。针对该问题，提出基于鲁棒性主成分分析（RPCA）的低照度图像增强算法。算法依据Retinex理论将图像分解为照度分量和反射分量，使用伽马矫正对照度分量进行增强。将增强后的照度分量与反射分量合成为最终的增强图像。其中图像分解采用RPCA方法实现，因为该方法可以有效地将照度信息与噪声分离，从而避免增强照度分量时放大噪声。为了提高计算效率，算法采用非精确增广拉格朗日乘子法（Inexect-ALM，IALM）求解RPCA分解问题。实验结果表明，该算法在增强图像对比度的同时避免了放大噪声，其主观评价与客观指标都优于几种经典的图像增强算法，有较好的视觉效果和较低的计算复杂度。

关键词：图像增强, 低照度图像, Retinex理论, 鲁棒性主成分分析