王俊平，李 錦

(西安電子科技大學(xué)通信工程學(xué)院，陜西西安 710071)

在圖像處理技術(shù)中，圖像對比度增強(qiáng)的研究有著廣泛的應(yīng)用范圍，如它可用于改善光照不均圖像的視覺效果，增強(qiáng)對比度較差的醫(yī)學(xué)圖像［1－2］，對于霧天降質(zhì)圖像的清晰化處理［3］，改善信噪比低、對比度差的紅外圖像的視覺效果［4］、水下圖像處理［5］、衛(wèi)星遙感圖像處理［6］和專為有視力障礙的人的彩色圖像對比度增強(qiáng)［7］等方面。盡管通過對圖像對比度的增強(qiáng)研究，能使圖像獲得更好的視覺和應(yīng)用效果，然而隨著圖像采集設(shè)備的不斷改進(jìn)和圖像應(yīng)用需求的不斷變化，加之圖像對比度增強(qiáng)的效果并沒有客觀統(tǒng)一的評價(jià)標(biāo)準(zhǔn)，這就增加了圖像對比度增強(qiáng)研究的難度。

本文在研究近年來圖像對比度增強(qiáng)中出現(xiàn)的60多種算法的基礎(chǔ)上，從圖像特征、圖像視覺效果、圖像增強(qiáng)所用理論及圖像增強(qiáng)的自動(dòng)實(shí)現(xiàn)方面總結(jié)了相關(guān)算法的特點(diǎn)和局限性，并指出其未來的發(fā)展方向。

1 基于圖像特征的方法

圖像灰度是圖像的基本特征，即使對于彩色和多波段圖像也可以通過轉(zhuǎn)化后的相應(yīng)灰度值進(jìn)行處理。因?yàn)閳D像灰度分布的統(tǒng)計(jì)分析常用直方圖來表征，因此直方圖修正就成為圖像對比度增強(qiáng)的常用方法。

基于直方圖修正的增強(qiáng)方法包括直方圖均衡化和規(guī)定化，且研究大多數(shù)集中于直方圖均衡化［8－28］方面。針對傳統(tǒng)直方圖均衡化后圖像過增強(qiáng)問題，Kim提出了均值分割的BBHE算法［8］，Chen提出遞歸均值分割直方圖的RMSHE算法［9］，Wang等提出的等面積的雙子圖像的DSIHE算法［10］，Sim等提出了遞歸的RSIHE算法［11］，Chen等提出了最小均值誤差的 MMBEBHE算法［12］。針對有些圖像部分灰度級，特別是圖像細(xì)節(jié)的灰度級被過度合并，而導(dǎo)致圖像部分細(xì)節(jié)信息丟失而使局部變得模糊的不足，文獻(xiàn)［13］中提出了一種均衡化處理后再增加圖像灰度級的方法。該方法首先在空間域或頻域中，提取原圖像的高頻細(xì)節(jié)信息，使其與原圖像直方圖均衡化處理后的結(jié)果進(jìn)行加權(quán)疊加，此外還可以通過調(diào)整高頻成分的權(quán)值因子獲得細(xì)節(jié)，從而得到所需的不同增強(qiáng)程度的圖像。相對于傳統(tǒng)直方圖均衡化算法，使用該方法處理后的圖像，不僅增強(qiáng)了整體圖像對比度，而且更多地保留了原始圖像的細(xì)節(jié)信息。為了使圖像細(xì)節(jié)提取精度有所提高，文中從準(zhǔn)確、快速提取圖像細(xì)節(jié)信息以及定量評估圖像增強(qiáng)算法的有效性方面展開。為了得到圖像的細(xì)節(jié)和突出的有用信息，文獻(xiàn)［14］提出了采用同態(tài)濾波技術(shù)來減少照明，并且對比結(jié)果，采用有限的自適應(yīng)直方圖均衡化技術(shù)(CLAHE)，成功地給出了一個(gè)彩色圖像增強(qiáng)方法消除了乘性噪聲，同時(shí)使灰度范圍壓縮、對比度增強(qiáng)。

對于能在保留亮度的同時(shí)更好地增強(qiáng)對比度，文獻(xiàn)［15］提出了使用迭代直方圖重排使彩色圖像對比度增強(qiáng)的方法。結(jié)合兩個(gè)階段迭代子直方圖均衡(ISHE)和直方圖調(diào)整，達(dá)到了良好的增強(qiáng)效果。該方法簡單有效，已被應(yīng)用于電子產(chǎn)品當(dāng)中。針對低對比度的彩色圖像，文獻(xiàn)［16］提出共生直方圖均衡化和暗原色先驗(yàn)的方法處理彩色圖像對比度增強(qiáng)，這種方法對于給定的彩色通道，通過空間領(lǐng)域灰度級得到增強(qiáng)，灰度級共生直方圖被獨(dú)立地均衡。同時(shí)暗原色先驗(yàn)的方法又彌補(bǔ)了圖像色調(diào)改變和失真的缺陷。所以，這種方法用于增強(qiáng)對比度低的彩色圖像是有效的。針對射線圖像噪聲大、對比度差的特點(diǎn)，文獻(xiàn)［17］提出基于直方圖均衡的射線圖像增強(qiáng)算法，對原始圖像進(jìn)行全局直方圖均衡，然后用保持形狀的局部反差增強(qiáng)技術(shù)使圖像按水平集分層，并在每層內(nèi)實(shí)施反差增強(qiáng)，對每層的子直方圖進(jìn)行去噪處理，之后再進(jìn)行合成。該方法避免了傳統(tǒng)算法中噪聲過于增強(qiáng)的問題。既能改善細(xì)節(jié)圖像的對比度，又在增強(qiáng)的同時(shí)使噪聲得到抑制，保持了圖像的平滑性

直方圖均衡化雖然簡單有效，但無法保持圖像的均值亮度和熵值，針對這一缺點(diǎn)，文獻(xiàn)［18］提出了一種直方圖規(guī)定化的方法—亮度自適應(yīng)的保熵直方圖均衡化，使直方圖分布盡可能均勻。同時(shí)，又結(jié)合變分法求出一個(gè)在熵值不變的條件下圖像均值亮度最大化的直方圖，最后將原始直方圖轉(zhuǎn)化成直方圖規(guī)定化的目標(biāo)直方圖。與HE/DSIHE/MMBEBHE/BPHEME方法比較，此方法能在保持熵值不變的條件下有效增強(qiáng)對比度，可廣泛應(yīng)用于消費(fèi)型和專業(yè)型電子產(chǎn)品中。未來研究方向可以是:如何在人類視覺系統(tǒng)的基礎(chǔ)上更好地利用圖像的梯度或顯著性等信息和選擇閾值，使圖像對比度增強(qiáng)的同時(shí)還能更好地保持其原有特征。

2 基于圖像視覺效果的方法

人類視覺系統(tǒng)是世界上最好的圖像處理系統(tǒng)，近年來，國內(nèi)外許多專家學(xué)者對人類視覺系統(tǒng)進(jìn)行了深入的研究，尤其是在圖像對比度增強(qiáng)方面取得了一定的成果。Retinex是于1963年 Land［29］等提出的一個(gè)關(guān)于人類視覺系統(tǒng)如何調(diào)節(jié)感知到物體的顏色和亮度模型。后來，Jobson［30］等人以此為基礎(chǔ)，發(fā)展了單尺度Retinex(SSR)、多尺度Retinex(MSR)和多尺度Retinex彩色恢復(fù)(MSRCR)算法。

Retinex算法的基本內(nèi)容是:圖像由亮度圖像和反射圖像構(gòu)成，分別用L(x，y)和R(x，y)表示，三者關(guān)系可由下式表示

式中，亮度分量L是被觀察者或圖像采集設(shè)備收到的構(gòu)成圖像;反射分量R決定圖像的內(nèi)在性質(zhì)。Retinex方法對圖像處理的目的就是從圖像I中獲得物體的反射性質(zhì)分量R。

文獻(xiàn)［30］提出了幾點(diǎn) Retinex方法需要考慮的地方:對圖像進(jìn)行對數(shù)函數(shù)的位置、中心函數(shù)、連續(xù)環(huán)繞空間的大小以及輸出結(jié)果之前的處理。針對這些問題，國內(nèi)外學(xué)者也提出了各種改進(jìn)方法［31－42］。

Retinex圖像增強(qiáng)算法具有提高全局對比度和局部對比度、增強(qiáng)邊緣、顏色恒常、顏色高保真等特性。眾多學(xué)者基于這個(gè)理論的基礎(chǔ)上提出一些新的算法，例如針對于霧天降質(zhì)圖像，文獻(xiàn)［31］提出一種新的增益函數(shù)，對MSR算法進(jìn)行改進(jìn)，計(jì)算圖像亮度及鄰近局部亮度的平均值的比值來消除光照影響后的反射分量自適應(yīng)進(jìn)行增強(qiáng)，此方法有效地克服圖像在平滑區(qū)域和高對比度邊緣出現(xiàn)過增強(qiáng)而導(dǎo)致噪聲放大和邊緣暈環(huán)的問題，從而得到更清晰的細(xì)節(jié)和更自然的場景輪廓，取得較好的去霧效果。

常規(guī)的Retinex算法由于受多尺度卷積運(yùn)算的影響，運(yùn)算復(fù)雜度普遍較高，針對這一缺點(diǎn)，文獻(xiàn)［32］引入了非線性變換函數(shù)修正彩色圖像的反射分量和照射分量，修正了Retinex的圖像對比度增強(qiáng)方法。為了改善全局視覺效果，全局對比度增強(qiáng)函數(shù)拉伸了圖像照射分量。非線性S型函數(shù)對中間值的改變較大，對較大和較小的反射分量值改變較小，因此改善了圖像局部對比度。此方法克服了常規(guī)方法的不足，在RGB彩色空間和許多分離色度亮度的彩色空間的處理速度都很快，參數(shù)自適應(yīng)較好，處理圖像也沒有出現(xiàn)明顯的彩色失真現(xiàn)象。對反射分量和照射分量所使用的非線性變換函數(shù)還有很多，因此，進(jìn)一步探索性能更優(yōu)異的非線性變換函數(shù)是下一階段的研究方向。

3 基于圖像增強(qiáng)所用理論的方法

在圖像處理發(fā)展的過程中，數(shù)學(xué)始終起著舉足輕重的作用，并滲透到圖像處理的所有分支中。由于數(shù)學(xué)理論及方法的引入，促進(jìn)了圖像處理理論與技術(shù)的豐富和發(fā)展，尤其在圖像對比度增強(qiáng)這一分支領(lǐng)域中也得到了廣泛的應(yīng)用。

小波變換是20世紀(jì)80年代后期發(fā)展起來的應(yīng)用數(shù)學(xué)分支，與傅里葉變換相比，小波變換是時(shí)域和頻域的局部變換，因而能有效地從信號中提取信息，通過伸縮和平移等運(yùn)算功能，對函數(shù)或信號進(jìn)行多尺度分析。與數(shù)字圖像處理結(jié)合，是小波分析研究領(lǐng)域的重要內(nèi)容之一。其中，把小波分析應(yīng)用于圖像增強(qiáng)的研究比較少。但是最近幾年，出現(xiàn)了一些基于小波變換的圖像對比度增強(qiáng)算法［41－47］。

針對成像質(zhì)量差、圖像對比度低的問題，文獻(xiàn)［41］中提出了一種基于小波變換的直方圖均衡算法來增強(qiáng)圖像對比度。這種方法首先對圖像作直方圖均衡化，然后對小波變換的一級或二級近似系數(shù)的非線性增強(qiáng)處理。利用在這種方法處理圖像，在保留了邊界信息的同時(shí)也使圖像細(xì)節(jié)清晰可辨。傳統(tǒng)空域圖像對比度增強(qiáng)算法，存在灰度級空間分配不合理和噪聲敏感問題，針對這些問題，文獻(xiàn)［42］基于圖像的局部細(xì)節(jié)信息分析，提出了一種新的基于小波變換和反銳化掩膜的圖像對比度增強(qiáng)算法。該算法依據(jù)反銳化掩膜(UM)算法的思想，運(yùn)用小波變換作為工具在各頻段內(nèi)計(jì)算出代表圖像局部細(xì)節(jié)信息和噪聲信息的統(tǒng)計(jì)量，運(yùn)用反銳化掩膜的思想，計(jì)算出代表局部細(xì)節(jié)信息，且同時(shí)考慮了圖像中的噪聲信息的統(tǒng)計(jì)量，最終將新的統(tǒng)計(jì)量用于重新分配灰度級空間，從而使圖像的整體對比度得到有效增強(qiáng)，同時(shí)也相對明顯地抑制了圖像的噪聲。相對于傳統(tǒng)的直方圖均衡化算法和反銳化掩膜算法，這種算法結(jié)合了小波變化的理論，在處理航拍、醫(yī)學(xué)等特殊領(lǐng)域和一些信噪比低的圖像時(shí)，獲得了更顯著的對比度增強(qiáng)效果。

針對小波適用于具有各向同性奇異性的對象，對于各向異性的奇異性，例如表示圖像中的邊界以及線狀特征等時(shí)，小波并非總是理想表示工具。因此，1999年Candes＆Donoho在小波變換的基礎(chǔ)上提出了曲波變換，這種方法適合表示各向異性的多尺度分析，其基函數(shù)具有多方向和各向異性等特性，能很好地處理高維函數(shù)，可有效地逼近圖像中的奇異曲線。由于曲波變換能用極少的非零系數(shù)精確表達(dá)圖像邊緣，因此使圖像數(shù)據(jù)更簡潔精確，且保證較低的均方誤差。文獻(xiàn)［43］結(jié)合人眼的視覺特性，用曲波作為圖像各向異性的多尺度表征方法，提出一種新的非線性圖像對比度增強(qiáng)算法，自適應(yīng)地調(diào)整增強(qiáng)函數(shù)的控制參量，對圖像的不同區(qū)域進(jìn)行不同的處理。經(jīng)實(shí)驗(yàn)表明，用此方法可明顯增強(qiáng)圖像的對比度，在有效增強(qiáng)圖像的重要視覺特征的同時(shí)抑制噪聲過放大，明顯改善了圖像視覺效果、增強(qiáng)了層次感，從而有利于圖像的后續(xù)處理。

近年來，偏微分方程在圖像處理領(lǐng)域中的應(yīng)用研究相對活躍，目前已積累了豐富的研究成果。文獻(xiàn)［48］就基于偏微分方程提出了一種改進(jìn)型保持形狀的圖像對比度增強(qiáng)算法。這種方法不僅修改并推廣了原有的基于PDE的灰度增強(qiáng)方法，使之可適用于任何設(shè)定的灰度拉伸函數(shù)，而且給出了一種通用的分段線性拉伸函數(shù)設(shè)計(jì)方法，相比采用累積直方圖作為灰度變換函數(shù)可達(dá)到更好的直方圖均衡化效果。還提出了一種松弛閾值化方法用以消除局部反差增強(qiáng)時(shí)可能出現(xiàn)的“斑點(diǎn)效應(yīng)”。這里提出的改進(jìn)算法適用于多種自然圖像，增強(qiáng)效果良好。由此可以找到待研究問題:首先，在本文所涉及灰度圖像增強(qiáng)的過程中，算法是建立在基于直方圖均衡的PDE模型上的，這表明了圖像增強(qiáng)PDE方法的有效性。因此，繼續(xù)尋求其他更優(yōu)秀的灰度圖像對比度增強(qiáng)方法對應(yīng)的PDE。模型是今后研究工作的一個(gè)重要方向。其次，由偏微分方程求解保持彩色圖像形狀的灰度圖像中，結(jié)果存在邊緣模糊化的缺點(diǎn)，這也可以是在后續(xù)的研究中要致力解決的問題。

數(shù)學(xué)形態(tài)學(xué)是一門建立在嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上的學(xué)科，其基本思想和方法對圖像處理的理論和技術(shù)產(chǎn)生了重大影響。如今，數(shù)學(xué)形態(tài)學(xué)已經(jīng)構(gòu)成一種新的圖像處理方法和理論，成為計(jì)算機(jī)數(shù)字圖像處理及分型理論的一個(gè)重要研究領(lǐng)域，并且已經(jīng)應(yīng)用在多門學(xué)科的數(shù)字圖像分析和處理的過程中。形態(tài)學(xué)方法已成為圖像應(yīng)用領(lǐng)域工程技術(shù)人員的必備工具。目前，數(shù)學(xué)形態(tài)學(xué)的技術(shù)已經(jīng)應(yīng)用在圖像對比度增強(qiáng)上。

文獻(xiàn)［49］提出一種數(shù)學(xué)形態(tài)學(xué)圖像對比度增強(qiáng)方法，基于數(shù)學(xué)形態(tài)學(xué)邊緣提取算法優(yōu)于微分邊緣提取算法的前提，結(jié)合數(shù)學(xué)形態(tài)學(xué)的相關(guān)原理，使用多結(jié)構(gòu)元素、雙梯度多尺度進(jìn)行邊緣檢測，進(jìn)而使用這些檢測出來的連續(xù)邊緣進(jìn)行圖像對比度增強(qiáng)，成功地實(shí)現(xiàn)了對邊緣模糊化的模糊處理。這種方法不僅去模糊效果好，而且提取出的圖像邊緣較好地保持了原始的細(xì)節(jié)特征，從而圖像的對比度也得到明顯的增強(qiáng)。目前，把數(shù)學(xué)形態(tài)學(xué)應(yīng)用在圖像對比度增強(qiáng)上的研究還不多，所以，數(shù)學(xué)形態(tài)學(xué)將是未來圖像對比度增強(qiáng)的發(fā)展方向。

盡管上述方法從不同方面解決了處理圖像增強(qiáng)的問題，但多數(shù)沒有考慮圖像采集過程，這直接影響圖像的視覺質(zhì)量。而且大多數(shù)對比度增強(qiáng)方法沒有考慮自然圖像的統(tǒng)計(jì)特性，文獻(xiàn)［50］中提出了貝葉斯框架把上述問題考慮進(jìn)去?；谝恍┛赡苡绊懖杉膱D像質(zhì)量的因素，如快門速度和相機(jī)的反映作用，設(shè)計(jì)了一種可能的貝葉斯模型。另一方面，設(shè)計(jì)了基于所觀察圖像和一些自然圖像的統(tǒng)計(jì)特性的先驗(yàn)?zāi)Ｐ?。用這種方法提出的可能模型和先驗(yàn)?zāi)Ｐ?，其框架能有效地增?qiáng)在自然方式下圖像的對比度，同時(shí)抑制了噪聲。而且，由于所提出的貝葉斯框架是一個(gè)高維優(yōu)化處理，耗時(shí)較長，進(jìn)一步提出了簡化的貝葉斯框架，其低運(yùn)算復(fù)雜度能達(dá)到相對較好的效果。

模糊集是1965年由L.A.Zadeh首次提出。模糊集理論作為解決和分析不確定性問題的一種有力工具，已經(jīng)被成功地應(yīng)用在模式識別和圖像處理領(lǐng)域。近年來，該理論也應(yīng)用到了圖像對比度增強(qiáng)中，以下對基于模糊集的圖像對比度增強(qiáng)方法［51－53］進(jìn)行簡要介紹。

針對在霧天條件下，戶外采集圖像對比度下降嚴(yán)重的問題，文獻(xiàn)［51］綜合考慮降質(zhì)圖像的模糊特性和大氣散射所造成的對比度衰減規(guī)律，提出了一種基于模糊邏輯的霧天降質(zhì)圖像的對比度增強(qiáng)算法。該算法通過預(yù)處理降質(zhì)圖像，降低不同霧況對灰度級分布范圍的影響，并根據(jù)大氣散射對對比度衰減的影響規(guī)律，在模糊域內(nèi)對規(guī)范化后的圖像實(shí)現(xiàn)對比度增強(qiáng)處理。這種算法可以有效改善遠(yuǎn)景和近景的對比度。文獻(xiàn)［52］針對于遙感圖像的特點(diǎn)，也提出一種基于廣義模糊集在非下采樣輪廓波域局部對比度模糊增強(qiáng)方法，這種方法相對來說更具有效性和自適應(yīng)性。

除這些理論之外，還有很多基于數(shù)學(xué)理論的對比度增強(qiáng)方法［54－55］。針對不同的問題和應(yīng)用環(huán)境，取得了良好的處理效果，達(dá)到了預(yù)期的目的。因此，結(jié)合數(shù)學(xué)理論及方法研究圖像對比度增強(qiáng)問題，針對圖像處理問題進(jìn)行數(shù)學(xué)建模、理論分析以及算法研究具有重要的理論意義和應(yīng)用前景。

4 基于圖像增強(qiáng)的自動(dòng)實(shí)現(xiàn)算法

傳統(tǒng)的對比度增強(qiáng)技術(shù)對于各種低對比度的圖像不能產(chǎn)生理想的效果，而且也不能自動(dòng)應(yīng)用到不同的圖像，因?yàn)樗麄兊膮?shù)必須根據(jù)所給的圖像人為地設(shè)定才能產(chǎn)生理想的效果。文獻(xiàn)［56］提出一種自動(dòng)的對比度增強(qiáng)的方法?；镜倪^程就是，首先按照一個(gè)選好的標(biāo)準(zhǔn)將一幅低對比度的圖像的直方圖組成群分為適當(dāng)數(shù)量的組分，然后重新均勻分配這些按照灰度階，并且最后取消之前分好的灰度級組。這種基本的GLG方法也為技術(shù)的擴(kuò)展提供了平臺，例如選擇性的灰度級組合法(SGLG)等。但是，Chen的這種灰度級組合法［56－57］同樣存在算法復(fù)雜度高和對比度增強(qiáng)過大的缺點(diǎn)。

受到GLG方法的啟發(fā)，文獻(xiàn)［57］提出了一種復(fù)雜度低，又能保持圖像自然度的CE算法，通過對直方圖各灰度級的合并和擴(kuò)展，加上對比度增強(qiáng)程度的控制算法，提高了圖像的視覺質(zhì)量，同時(shí)又防止了對比度過增強(qiáng)的現(xiàn)象，使圖像看起來更加真實(shí)。這種算法有可調(diào)的參數(shù)，后續(xù)工作可以深入研究如何通過設(shè)備和圖像的清晰度來算出該參數(shù)從而達(dá)到最佳效果。

近幾年來，大量新興的對比度增強(qiáng)算法［59－61］也不斷涌現(xiàn)。針對不同的應(yīng)用環(huán)境還有很多新方法，在這里就不一一列舉了。

5 存在的問題和進(jìn)一步的研究方向

近年來，上述幾類方法在不斷改進(jìn)。直方圖均衡化法趨向于與人體視覺相結(jié)合，在增強(qiáng)圖像的同時(shí)保持圖像的原始形態(tài)。頻域方法、Retinex方法則傾向于與其他方法的結(jié)合，其降低噪聲的功能可以彌補(bǔ)其他方法的不足。一些基于數(shù)學(xué)理論的方法重在計(jì)算效率上的改進(jìn)。筆者認(rèn)為如下幾個(gè)方面仍需進(jìn)一步研究:首先，是計(jì)算效率的問題。例如局部直方圖均衡化法、Retinex方法雖然處理效果好，但缺乏快速算法，這些算法僅適用于圖像分析，不能實(shí)時(shí)使用，局限了其應(yīng)用范圍。其次，是處理問題的范圍，多數(shù)算法還具有一定的局限性，因此，針對不同的應(yīng)用環(huán)境，進(jìn)一步找出適應(yīng)性和魯棒性更強(qiáng)的方法。將來對于圖像對比度增強(qiáng)的研究方向可以從兩方面展開:一是將對比度增強(qiáng)的方法應(yīng)用于一個(gè)新的領(lǐng)域。二是在對傳統(tǒng)算法不斷改進(jìn)的基礎(chǔ)上，引入一些新的方法，將原有理論與新概念有效地融合在一起而形成的新方法，可以是應(yīng)用新的數(shù)學(xué)模型，或者是把前人的幾種優(yōu)化算法結(jié)合到一起形成一種新的對比度增強(qiáng)的方法。這類方法可以同時(shí)發(fā)揮不同方法的優(yōu)點(diǎn)，取得更好的增強(qiáng)效果。

綜上所述，到目前為止，圖像對比度增強(qiáng)已有多種經(jīng)典算法，但沒有一個(gè)通用算法。因?yàn)樵紙D像的質(zhì)量不同，圖像主要特征不同，算法所需要的消耗時(shí)間不同，處理的目標(biāo)對象不同，所以只能從實(shí)際問題出發(fā)選擇合適的算法。對于具體的圖像，具體的應(yīng)用環(huán)境，選擇用何種對比度增強(qiáng)算法，還有許多值得探討和研究的地方。

［1］AIMI SALIHAH，MASHOR M Y.Improving colour image segmentation on acute myelogenous leukaemia images using contrast enhancement techniques［C］.Kuala Lumpur，Malaysia:IEEE EMBS Conference on Biomedical Engineering＆Sciences，2010:246 －251.

［2］楊先，張靜，彭博.基于相似性度量的加權(quán)醫(yī)學(xué)超聲圖像對比度增強(qiáng)方法［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，32(3):995－1101.

［3］尹傳歷，張葆，戴明，等.嵌入式霧天降質(zhì)圖像對比度增強(qiáng)系統(tǒng)設(shè)計(jì)［J］.電視技術(shù)，2009，33(12):90 －91.

［4］白俊奇，陳錢，王嫻雅，等.紅外圖像噪聲濾波對比度增強(qiáng)算法［J］.紅外與激光工程，2010，39(4):777 －780.

［5］江晉劍，王遠(yuǎn)志，錢萌.基于小波的水下圖像對比度增強(qiáng)方法研究［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2008，18(4):35 －41.

［6］HASAN D.Satellite Image contrast enhancement using discrete wavelet transform and singular value decomposition［J］.IEEE Geoscience And Remote Sensing Letters，2010，7(2):333－337.

［7］ANUSTUP C.Color contrast enhancement for visually impaired people［C］.IEEE Conference of Communication，2010:33－40.

［8］KIM Y T.Contrast enhancement using brightness preserving bi－ histogram equalization［J］.IEEE Transactions on Consumer Electronics，1997，43(1):1 －8.

［9］CHEN SD，RAMLI A R.Contrast enhancement using recursive mean—separate histogram equalization for scalable brightness preservation［J］.IEEE Transactions on Consumer Electronics，2003，49(4):1301 －1309.

［10］WANG Y，CHEN Q，ZHANG B.Image enhancement based on equal area dualistic sub－image histogram equalization method ［J］.IEEE Transactions on Consumer Electronics，1999，45(1):68 －75.

［11］SIM K S，TSO C P，TAN Y Y.Recursive sub—image histngram equalization applied to gray scale images［J］.Pattern Recognition Letters，2007，28(10):1209 －1221.

［12］CHEN SD，RARNLI A R.Minimum mean brightness error bihistogram equalization in contrast enhancement［J］.IEEE Transactions on Consumer Electronics，2003，49(4):1310 －1319.

［13］扈佃海，呂緒良，文劉強(qiáng).一種改進(jìn)的直方圖均衡化圖像增強(qiáng)方法［J］.光電技術(shù)應(yīng)用，2012，27(3):65 －68.

［14］ANISH KUMAR.Illumination reduction for low contrast color image enhancement with homomorphic filtering technique［C］.International Conference on Communication Systems and Network Technologies，2012:171 －173

［15］LIN Pinghsien，SHEN Chihtsung.Contrast enhancement on color images using iterative histogram rearrangement［C］.The 13th IEEE International Symposium on Consumer Electronics，2009:382 －386.

［16］YANG Hongbo，WANG Jiuhe.Color image contrast enhancement by co－occurrence histogram equalization and dark channel prior［C］.2010 3rd International Congress on Image and Signal Processing，2010:659 －663.

［17］王明泉，馮曉夏，梁君婷.基于直方圖均衡的射線圖像增強(qiáng)算法［J］.中國科技論文在線，2011，6(1):67 －70.

［18］陳文飛，許雪峰，苗作華，等.亮度自適應(yīng)的保熵直方圖均衡化方法［J］，計(jì)算機(jī)工程與應(yīng)用，2012，48(16):157－161.

［19］TARIK ARICI.A histogram modi?cation framework and Its application for image contrast enhancement［J］.IEEE Transactions on Image Processing，2009，18(9):1921 －1935.

［20］RITU C，SARITA SB.An improved image contrast enhancement based on histogram equalization and brightness preserving weight clustering histogram equalization［C］.International Conference on Communication Systems and Network Technologies，2011:597 －600.

［21］YANG Fan，WU Jin.An improved image contrast enhancement in multiple－peak images based on histogram equalization［C］.2010 International Conference on Computer Design and Applications，2010:346 － 349.

［22］KWOK N M，HA Q P，F(xiàn)ANG G.Color image contrast enhancement using a local equalization and weighted sum approach［C］.Toronto，Ontario，Canada:6th Annual IEEE Conference on Automation Science and Engineering，2010:568－573.

［23］SUNDARAN M，RAMAR K.Histogram based contrast enhancement for mammogram images［C］.Proceedings of 2011 International Conference.Computing and Networking Technologies，2011:842 － 846.

［24］ZHANG Dongni，WON － JAE PARK.Histogram partition based gamma correction for image contrast enhancement［C］.IEEE 16th International Symposium.2012:1－4.

［25］NYAMLKHAGVA S，ALTANSUKH S.Image contrast enhancement using bi－h(huán)istogram equalization with neighborhood metrics［J］.IEEE Transactions on Consumer Electronics，2010，56(4):2727 －2734.

［26］許欣，陳強(qiáng)，孫懷江，等.改進(jìn)的自動(dòng)顏色均衡化圖像對比度增強(qiáng)［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46(18):4 －6.

［27］王永強(qiáng)，江培蕾，李慶利.基于約束PDF的均衡直方圖圖像增強(qiáng)技術(shù)［J］.機(jī)械設(shè)計(jì)與制造，2010，5(5):231－232.

［28］武治國，王延杰.一種基于直方圖非線性變換的圖像對比度增強(qiáng)方法［J］.光子學(xué)報(bào)，2010，39(4):755 －758.

［29］LAND E.Recent advances in retinex theory and some implications for cortical computations:color vision and the natural images［J］.Proceedings of National Academy of Sciences，1983，80(16):5163 －5169.

［30］JOBSON D J，RAHMAN Z，WOODELL G A.Properties and performance of a center/surround Retinex［J］.IEEE Trans on Image Processing，1997，6(3):451 －462.

［31］趙曉霞，王汝林.改進(jìn)的多尺度Retinex算法及其應(yīng)用［J］.計(jì)算機(jī)工程，2011，37(6):209 －211.

［32］李冠章，羅武勝.一種高效地修正Retinex圖像自適應(yīng)對比度增強(qiáng)算法［J］.測試技術(shù)學(xué)報(bào)，2009，23(5):445 －451.

［33］JIAO Zhuqing，XU Baoguo.An image enhancement approach using retinex and YIQ［C］.2009 International Conference on Information Technology and Computer Science，2009:476－479.

［34］YOUHEI T，TOMIO G.Color image contrast enhancement by retinex model［C］.The 13th IEEE International Symposium on Consumer Electronics，2009:392 － 393.

［35］DANIEL J J，ZIA － UR R.Properties and performance of a center/surround retinex［C］.IEEE Transactions on Image Processing，1997，6(3):451 －462.

［36］WANG Jinhua，BI Haijiang.Retinex － based color correction for displaying high dynamic range images［C］.ICSP2010 Proceedings，2010:1021 －1024.

［37］SU Jang，LEE T H.Adaptive color enhancement based on multi－scaled retinex using local contrast of the Input Image［C］.Optomechatronic Technologies(ISOT)，2010 International Symposium on，2010:1 －6.

［38］李冠章，羅武勝，李沛，等.修正Retinex照射反射模型的彩色圖像增強(qiáng)［J］.光學(xué)技術(shù)，2010，36(2):205 －208.

［39］劉偉華，隋青美.基于色調(diào)恒定的MSR圖像增強(qiáng)算法［J］.光子學(xué)報(bào)，2011，40(4):642 －646.

［40］李冠章，羅武勝.適應(yīng)彩色空間的圖像對比度增強(qiáng)算法［J］.傳感技術(shù)學(xué)報(bào)，2009，22(6):833 －837.

［41］李云，劉學(xué)誠.基于小波變換的圖像對比度增強(qiáng)算法研究［J］.計(jì)算機(jī)應(yīng)用與軟件，2008，25(8):100 －103.

［42］牛和明，陳祥軍，張建勛，等.基于小波變換與反銳化掩模的圖像對比度增強(qiáng)［J］.高技術(shù)通訊，2011，21(6):600－606.

［43］羅忠亮，林土勝.基于曲波變換的圖像非線性對比度增強(qiáng)［J］.數(shù)據(jù)采集與處理，2009，24(4):413 －417.

［44］ZHANG Changjiang，WANG Jinshan，WANG Xiaodong，et al.Contrast enhancement for image with incomplete beta transform and wavelet neural network［C］.International Conference on Neural Networks and Brain，2005.ICNN＆B'05，2005，2:1236 －1241.

［45］EHSAN N，MOHAMMAD.Image contrast enhancement by contourlet transform［C］.Zadar，Croatia:48th International Symposium ELMAR －2006，2006:81 －84.

［46］XU Jianmao，SU Junzhong，ZHANG Changjiang.Non － linear algorithm for contrast enhancement for image using wavelet neural network［C］.9th International Conference on Control，Automation，Robotics and Vision，ICARCV'06，2006:1－6.

［47］HASAN DEMIREL，CAGRI OZCINAR.Satellite image contrast enhancement using discrete wavelet transform and singular value decomposition［J］.IEEE Geoscience And Remote Sensing Letters，2010，7(2):333 －337.

［48］KE Jing，HOU Yuqing.An improved algorithm for shape preserving contrast enhancement［J］.Acta Photonica Sinica，2009，38(1):214 －219.

［49］萬麗，陳普春.一種基于數(shù)學(xué)形態(tài)學(xué)的圖像對比度增強(qiáng)算法［J］.現(xiàn)代電子技術(shù)，2009，13(300):131 －133.

［50］JEN Tzucheng，WANG Shengjyh.Bayesian structure－preserving image contrast enhancement and its simpli?cation［J］.IEEE Transaction on Circuits and Systems for Video Technology，2012，22(6):831 －843.

［51］翟藝書，柳曉鳴，涂雅瑗.基于模糊邏輯的霧天降質(zhì)圖像對比度增強(qiáng)算法［J］.計(jì)算機(jī)應(yīng)用，2008，28(3):662－664.

［52］ZHAO Jie，YANG Jianlei.Regional contrast fuzzy enhancement for remote sensing image based on the generalized fuzzy set in nonsubsampled contourlet domain［C］.International Asia Symposium on Intelligent Interaction and Affective Computing，2009:120 －123.

［53］FU Bin，CUI Jianwen.A Novel adaptive vein image contrast enhancement method based on fuzzy and retinex theory［C］.Harbin，China:Proceedings of the 2010 IEEE International Conference on Information and Automation，2010:2447 －2450.

［54］YANG Qingyun.An adaptive image contrast enhancement based on differential evolution［C］.2010 3rd International Congress on Image and Signal Processing，2010:631 －634.

［55］何為，趙魯陽，魏建明.基于非完全貝塔變換的圖像對比度增強(qiáng)算法［J］.儀器儀表學(xué)報(bào)，2008，29(4):53 －56.

［56］CHEN Zhiyu，BESMA R A.A generalized and automatic image contrast enhancement using gray level grouping［C］.ICASSP 2006 Proceedings，IEEE International Conference，2006，2:965 －968.

［57］CHEN Zhiyu，BASMA R A.Gray－ Level Grouping(GLG):An automatic method for optimized image contrast enhancement—part II:the variations［J］.IEEE Transactions on Image Processing，2006，12(8):2303 －2314.

［58］姚遠(yuǎn)，門愛東.基于GLG算法的彩色圖像對比度增強(qiáng)改進(jìn)方法［J］.電視技術(shù)，2009，33(S2):133－135.

［59］趙靜.基于多獨(dú)立通道自適應(yīng)性對比度增強(qiáng)算法［J］.電視技術(shù)，2012，36(11):24 －26.

［60］ASIM A K，ROLAND G.Biologically inspired contrast enhancement using asymmetric gain control［M］.Boston:Digital Image Computing:Techniques and Applications，2009.

［61］KE Weiming，CHENChihrung.BiTA/SWCE:image enhancement with bilateral tone adjustment and saliency weighted contrast enhancement［J］.IEEE Transactions on Circuits and Systems for Video Technology，2011，21(3):360 －364.