在数字图像的采集过程中会由于各种各样的退化原因导致图像模糊或者失真。图像增强就是针对图像退化的一种图像处理技术,它本身属于一种失真过程,但是可以增强图像中的有用信息,改善人类对观察场景的主观视觉效果。而图像退化的原因有多种多样,本文将它分为两大类:1.人为因素,2.自然因素。其中由人为因素导致的图像退化主要包括:由拍摄抖动造成的运动模糊,相机电路问题产生的噪声,曝光不足,甚至相机本身的低分辨率。而自然因素主要包括了:天气原因导致的图像模糊,如烟,雨,雾,霾。光照原因导致的图像过暗或过亮,如光照不均,夜间图像,曝光不足,逆光,水下等等。这些都对图像的清晰度产生了不同程度的干扰,降低了视觉效果,甚至影响后续的图像分析工作。而这些环境通常是交叉变换的,这为实时监控系统造成了不小的困扰。本课题的研究内容根据工程实际应用场景,针对几类不同的图像退化问题进行了实时图像增强算法的研究,并基于人眼视觉特性,建立了具有自适应性的图像增强模型,该模型对各种自然环境因素导致成像质量退化的图片或视频都具有较好的增强效果。在Matlab2016上对固定噪声,光照不均,去雾,水下增强等问题进行了实验,并使用VS2012、Opencv等工具将所提算法实际应用在工程监控中。本文具体的研究内容主要从三个方面进行:1.传统的固定噪声去除方法通常基于多帧处理,或者附加额外设备。基于多帧会产生的鬼影现象,附加额外设备会增加成本开销。为了解决这类问题,本文提出了一种基于单帧的固定噪声的去除方法。常见的固定噪声有椒盐噪声,竖条纹噪声,横条纹噪声以及网格噪声。根据工程需求,本文对竖条纹类的固定噪声进行了研究。首先,利用双边滤波将图像分为高频和低频两部分,其中高频信息主要包含了固定噪声。然后,假设固定噪声与像素值之间存在某种多项式关系,并建立N次多项式表示噪声。这样就可以通过以列为单位的最小二乘方式拟合出高频信息中的噪声信息。最后利用全变分的理论减去拟合出的噪声即可还原去噪图像。根据固定噪声的特征还建立了多线程的模型,在不影响处理效果的同时,对噪声的估计从逐帧估计改为隔帧估计,大大提高了算法的处理时间。所提算法具有较好的可扩展性,通过不同设计,同样可以对横纹及网纹噪声进行处理。实验结果表明,此算法具有良好去噪效果和实时性,并能够自适应的区分条纹边缘与噪声,在分辨率为320×256的14位红外图像上能达到1.5毫秒/帧。2.针对光照不均问题,由于Retinex理论的算法通常耗时过久,并需要较多的参数,在场景切换时需要及时调整,因此,本文提出了具有实时性和自适应性的基于亮通道的Retinex算法,在参数固定的情况,依然可以有效的校正光照不均或低光照问题。本文受暗原色先验算法对场景透射率估计的启发,提出了亮通道先验算法来估计光强。首先,采用时间复杂度为O(n)的最大滤波器计算图像的局部最大值,彩色图像需要取3通道最大值作为预处理,从而得到粗糙的光照图像;然后,为了细化粗糙的光照图像,分析了快速的引导滤波算法的处理过程,结合对光照图像的假设,进一步优化了引导滤波算法的步骤,提高了算法的计算速度;最后,利用Retinex理论,在估计出场景照明光以后,求出物体反射率作为输出。为了进一步提高算法的计算速度,在对光照估计的时候采用了1/4下采样技术,由于光照图像本身具有空间光滑特性,因此在使用上/下采样技术后并不会对结果产生明显影响。实验结果表明此算法能够良好的校正光照不均,夜间低照度等图像退化,并且在分辨率为640×360的RGB彩色图像上能达到7毫秒/帧。3.图像退化原因中,包括光照不均,雾天,雨天,水下模糊等,均可以归结为直方图分布不均的问题。但由于环境的多样性,很难得到一个可以适应多种环境的算法。本文根据人眼视觉特性,提出了图像的有效空间概念,并建立了一种新的图像增强模型来描述这个有效空间。首先,分析了人眼视觉的特性以及人眼错觉的一些成因,并将图像转化至3D表面图中进行实验,观察到一种可以描述图像值真实活动范围的有效空间;然后,假设人眼系统能够自动识别这个有效空间,并经过大脑皮层对其进行拉伸处理;随后,我们定义图像有效空间内的信息是等价的,并基于等价关系建立了有效空间的图像增强模型,采用亮通道与暗通道结合的方式表达这个有效空间;最后,分析了所提算法模型与其他图像增强模型之间的关系,从数学上验证了所提模型在场景切换时的自适应性。此外,由于色彩偏置现象在彩色图像中普遍存在,尤其是在清晨,黄昏,以及水下场景时。针对偏色问题本文还提出了一种基于直方图分配的快速白平衡算法。在实时优化上采用了多线程技术,将亮通道与暗通道分开计算,并使用1/4尺度的下采样提高实时性。实验表明,该模型可以有效的提高去雾算法中普遍偏暗的现象,同时能够处理无雾图像中的光照不均问题,并且在加入白平衡步骤以后,对水下图像增强也具有明显效果。算法参数依赖于主观感受,在场景切换时,不改变参数依然能够达到较好的增强效果。本文算法在主频为2.7G的4核CPU,4G内存的硬件环境下,处理720P的彩色图像的速度能够达到15毫秒/帧,满足工程需求。