图像对比度增强研究的进展

３叶弑２０１３年第２６卷第５期　Ｅｌｅｃｔｒｏｎｉｃ　Ｓｃｉ．＆Ｔｅｃｈ．／Ｍａｙ．１５．２０１３　图像对比度增强研究的进展　王俊平，李摘锦　（西安电子科技大学通信工程学院，陕西西安７１００７１）　要　图像对比度能增加图像变化的动态范围以利于后续处理。随着原始图像特征和应用需求的变化，图像对　比度增强的研究也在继续。文中系统讨论了图像对比度增强研究的目的和现状，分析了图像对比度增强研究中主流算　法的特点和局限性，最后指出了图像对比度增强研究的未来发展方向。　关键词　图像处理；对比度增强；图像处理算法　中图分类号ＴＰ３９１．４１　文献标识码Ａ　文章编号１００７—７８２０（２０１３）０５—１６０—０６　Ｄｅｖｅｌｏｐｍｅｎｔ　ａｎｄ　Ｐｒｏｓｐｅｃｔ　ｏｆ　Ｉｍａｇｅ　Ｃｏｎｔｒａｓｔ　Ｅｎｈａｎｃｅｍｅｎｔ　ＷＡＮＧ　Ｊｕｎｐｉｎｇ，ＬＩ　Ｊｉｎ　（Ｓｃｈｏｏｌ　ｏｆ　Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉｄｉａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００７１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ　Ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｉｓ　ａｎ　ｉｍｐｏｒｔａｎｔ　ｒｅｓｅａｒｃｈ　ｃｏｎｔｅｎｔ　ｉｎ　ｔｈｅ　ｆｉｅｌｄ　ｏｆ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ｔｅｃｈｎｏｌ－　ｏｇｙ，ａｎｄ　ｉｔ　ｃａｎ　ｅｘｔｅｎｄ　ｔｈｅ　ｇｒａｙ－ｖａｌｕｅ　ｄｙｎａｍｉｃ　ｒａｎｇｅ．Ｔｈｅ　ｔｅｃｈｎｏｌｏｇｙ　ｓｉｇｎｉｉｃａｎｔｌｙ　ｉｍｐｒｏｖｅｓ　ｔｈｅ　ｖｉｆｓｕａｌ　ｅｆｆｅｃｔｓ　ａｎｄ　ｐｒｏ－　ｖｉｄｅｓ　ｐｒｏｃｅｓｓｅｄ　ｉｍａｇｅｓ　ｍｏｒｅ　ｓｕｉｔａｂｌｅ　ｔｏ　ａｎａｌｙｚｅ．Ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｈａｓ　ｂｅｅｎ　ｓｔｕｄｉｅｄ　ｆｏｒ　ｄｅｃａｄｅｓ．Ｈｏｗｅｖｅｒ，ｗｉｔｈ　ｔｈｅ　ｃｈａｎｇｅ　ｏｆ　ｔｈｅ　ｏｒｉｇｉｎａｌ　ｉｍａｇｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎ　ｒｅｑｕｉｒｅｍｅｎｔｓ　ｃｈａｎｇｅ，ｔｈｅ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｒｅ—　ｓｅａｒｃｈ　ｃｏｎｔｉｎｕｅｓ　ｔｏ　ｐｒｏｃｅｅｄ．Ｔｈｉｓ　ｐａｐｅｒ　ｓｙｓｔｅｍａｔｉｃａｌｌｙ　ｉｎｔｒｏｄｕｃｅｓ　ｔｈｅ　ｐｕｒｐｏｓｅ　ａｎｄ　ｔｈｅ　ｃｕｒｒｅｎｔ　ｒｅｓｅａｒｃｈ　ｓｔａｔｕｓ　ｏｆ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ，ａｎｄ　ａｎａｌｙｚｅｓ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ａｎｄ　ｌｉｍｉｔａｔｉｏｎｓ　ｏｆ　ｔｈｅ　ｍａｉｎｓｔｒｅａｍ　ａｌｇｏｒｉｔｈｍ　ａｂｏｕｔ　ｉｍａｇｅ　ｃｏｎ—　ｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｉｎ　ｒｅｃｅｎｔ　ｙｅａｒｓ．Ｆｉｎａｌｌｙ，ｔｈｉｓ　ｐａｐｅｒ　ｐｏｉｎｔｓ　ｏｕｔ　ｔｈｅ　ｆｕｔｕｒｅ　ｄｉｒｅｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅ—　ｍｅｎｔ　ｔｅｃｈｎｉｑｕｅ．　Ｋｅｙｗｏｒｄｓ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ；ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ；ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ａｌｇｏｒｉｔｈｍ　在图像处理技术中，图像对比度增强的研究有着　广泛的应用范围，如它可用于改善光照不均图像的视　觉效果，增强对比度较差的医学图像Ｈ＿２　Ｊ，对于雾天降　质图像的清晰化处理　Ｊ，改善信噪比低、对比度差的红　外图像的视觉效果　、水下图像处理　Ｊ、卫星遥感图　像处理　和专为有视力障碍的人的彩色图像对比度增　１　基于图像特征的方法　图像灰度是图像的基本特征，即使对于彩色和多　波段图像也可以通过转化后的相应灰度值进行处理。　因为图像灰度分布的统计分析常用直方图来表征，因　此直方图修正就成为图像对比度增强的常用方法。　基于直方图修正的增强方法包括直方图均衡化和　规定化，且研究大多数集中于直方图均衡化　Ｉ２　方　强　等方面。尽管通过对图像对比度的增强研究，能　使图像获得更好的视觉和应用效果，然而随着图像采　集设备的不断改进和图像应用需求的不断变化，加之　图像对比度增强的效果并没有客观统一的评价标准，　这就增加了图像对比度增强研究的难度。　面。针对传统直方图均衡化后图像过增强问题，Ｋｉｍ　提出了均值分割的ＢＢＨＥ算法　Ｊ，Ｃｈｅｎ提出递归均值　分割直方图的ＲＭＳＨＥ算法　ｊ，Ｗａｎｇ等提出的等面积　的双子图像的ＤＳＩＨＥ算法　，Ｓｉｍ等提出了递归的　ＲＳＩＨＥ算法　１１］，Ｃｈｅｎ等提出了最小均值误差的　ＭＭＢＥＢＨＥ算法＿ｌ　。针对有些图像部分灰度级，特别　是图像细节的灰度级被过度合并，而导致图像部分细　本文在研究近年来图像对比度增强中出现的６０　多种算法的基础上，从图像特征、图像视觉效果、图像　增强所用理论及图像增强的自动实现方面总结了相关　算法的特点和局限性，并指出其未来的发展方向。　节信息丢失而使局部变得模糊的不足，文献［１３］中提　出了一种均衡化处理后再增加图像灰度级的方法。该　收稿日期：２０１２—１１—２０　作者简介：王俊平（１９６４一），女，博士，教授，硕士生导师。　研究方向：图像处理及其应用，ＳＯＣ设计及设计方法学。Ｅ—　方法首先在空间域或频域中，提取原图像的高频细节　信息，使其与原图像直方图均衡化处理后的结果进行　加权叠加，此外还可以通过调整高频成分的权值因子　获得细节，从而得到所需的不同增强程度的图像。相　ｍａｉｌ：ｊｐｗａｎｇ＠ｍａｉｌ．ｘｉｄｉａｎ．ｅｄｕ．ｃａ。李锦（１９８７一），女，硕士　研究生。研究方向：图像处理及其应用。　１６０——ＷＷＷ．ｄｉａｎｚｉｋ叫Ｉ．０ｒｑ　王俊平，等：图像对比度增强研究的进展　对于传统直方图均衡化算法，使用该方法处理后的图　像。不仅增强了整体图像对比度，而且更多地保留了原　始图像的细节信息。为了使图像细节提取精度有所提　高，文中从准确、快速提取图像细节信息以及定量评估　图像增强算法的有效性方面展开。为了得到图像的细　节和突出的有用信息，文献［１４］提出了采用同态滤波　技术来减少照明，并且对比结果，采用有限的自适应直　方图均衡化技术（ＣＬＡＨＥ），成功地给出了一个彩色图　像增强方法消除了乘性噪声，同时使灰度范围压缩、对　比度增强。　人的研究，尤其是在图像对比度增强方面取得了一定　的成果。Ｒｅｔｉｎｅｘ是于１９６３年Ｌａｎｄ　等提出的一个　关于人类视觉系统如何调节感知到物体的颜色和亮度　模型。后来，Ｊｏｂｓｏｎ　等人以此为基础，发展了单尺度　Ｒｅｔｉｎｅｘ（ＳＳＲ）、多尺度Ｒｅｔｉｎｅｘ（ＭＳＲ）和多尺度Ｒｅｔｉｎｅｘ　彩色恢复（ＭＳＲＣＲ）算法。　Ｒｅｔｉｎｅｘ算法的基本内容是：图像由亮度图像和反　射图像构成，分别用Ｌ（　，Ｙ）和Ｒ（　，Ｙ）表示，三者关系　可由下式表示　，（　，Ｙ）＝Ｌ（　，Ｙ）×　（　，Ｙ）　（１）　对于能在保留亮度的同时更好地增强对比度，文　献［１５］提出了使用迭代直方图重排使彩色图像对比　式中，亮度分量　是被观察者或图像采集设备收到的　构成图像；反射分量Ｒ决定图像的内在性质。Ｒｅｔｉｎｅｘ　度增强的方法。结合两个阶段迭代子直方图均衡　（ＩＳＨＥ）和直方图调整，达到了良好的增强效果。该方　方法对图像处理的目的就是从图像，中获得物体的反　射性质分量尺。　文献［３０］提出了几点Ｒｅｔｉｎｅｘ方法需要考虑的地　法简单有效，已被应用于电子产品当中。针对低对比　度的彩色图像，文献［１６］提出共生直方图均衡化和暗　原色先验的方法处理彩色图像对比度增强，这种方法　对于给定的彩色通道，通过空间领域灰度级得到增强，　灰度级共生直方图被地均衡。同时暗原色先验的　方：对图像进行对数函数的位置、中心函数、连续环绕　空间的大小以及输出结果之前的处理。针对这些问　题，国内外学者也提出了各种改进方法　卜　。　方法又弥补了图像色调改变和失真的缺陷。所以，这　种方法用于增强对比度低的彩色图像是有效的。针对　Ｒｅｔｉｎｅｘ图像增强算法具有提高全局对比度和局　部对比度、增强边缘、颜色恒常、颜色高保真等特性。　众多学者基于这个理论的基础上提出一些新的算法，　射线图像噪声大、对比度差的特点，文献［１７］提出基　于直方图均衡的射线图像增强算法，对原始图像进行　全局直方图均衡，然后用保持形状的局部反差增强技　例如针对于雾天降质图像，文献［３１］提出一种新的增　益函数，对ＭＳＲ算法进行改进，计算图像亮度及邻近　局部亮度的平均值的比值来消除光照影响后的反射分　量自适应进行增强，此方法有效地克服图像在平滑区　术使图像按水平集分层，并在每层内实施反差增强，对　每层的子直方图进行去噪处理，之后再进行合成。该　方法避免了传统算法中噪声过于增强的问题。既能改　善细节图像的对比度，又在增强的同时使噪声得到抑　制，保持了图像的平滑性　直方图均衡化虽然简单有效，但无法保持图像的　均值亮度和熵值，针对这一缺点，文献［１８］提出了一　种直方图规定化的方法一亮度自适应的保熵直方图均　域和高对比度边缘出现过增强而导致噪声放大和边缘　晕环的问题，从而得到更清晰的细节和更自然的场景　轮廓，取得较好的去雾效果。　常规的Ｒｅｔｉｎｅｘ算法由于受多尺度卷积运算的影　响，运算复杂度普遍较高，针对这一缺点，文献［３２］引　入了非线性变换函数修正彩色图像的反射分量和照射　分量，修正了Ｒｅｔｉｎｅｘ的图像对比度增强方法。为了改　善全局视觉效果，全局对比度增强函数拉伸了图像照　射分量。非线性ｓ型函数对中间值的改变较大，对较　大和较小的反射分量值改变较小，因此改善了图像局　部对比度。此方法克服了常规方法的不足，在ＲＧＢ彩　色空间和许多分离色度亮度的彩色空间的处理速度都　衡化，使直方图分布尽可能均匀。同时，又结合变分法　求出一个在熵值不变的条件下图像均值亮度最大化的　直方图，最后将原始直方图转化成直方图规定化的目　标直方图。与ＨＥ／ＤＳＩＨＥ／ＭＭＢＥＢＨＥ／ＢＰＨＥＭＥ方法　比较，此方法能在保持熵值不变的条件下有效增强对　比度，可广泛应用于消费型和专业型电子产品中。未　来研究方向可以是：如何在人类视觉系统的基础上更　很快，参数自适应较好，处理图像也没有出现明显的彩　色失真现象。对反射分量和照射分量所使用的非线性　变换函数还有很多，因此，进一步探索性能更优异的非　线性变换函数是下一阶段的研究方向。　好地利用图像的梯度或显著性等信息和选择阈值，使　图像对比度增强的同时还能更好地保持其原有特征。　２　基于图像视觉效果的方法　人类视觉系统是世界上最好的图像处理系统，近　３基于图像增强所用理论的方法　在图像处理发展的过程中，数学始终起着举足轻　年来，国内外许多专家学者对人类视觉系统进行了深　重的作用，并渗透到图像处理的所有分支中。由于数　—　１６１　ＷＷＷ．ｄｉａｎｚｉｋ　ｉ．ｅｒｒｔ］—王俊平，等：图像对比度增强研究的进展　学理论及方法的引入，促进了图像处理理论与技术的　视觉特征的同时抑制噪声过放大，明显改善了图像视　觉效果、增强了层次感，从而有利于图像的后续处理。　近年来　偏微分方程在图像处理领域中的应用研　究相对活跃，目前已积累了丰富的研究成果。文献　丰富和发展，尤其在图像对比度增强这一分支领域中　也得到了广泛的应用。　小波变换是２０世纪８０年代后期发展起来的应用　数学分支，与傅里叶变换相比，小波变换是时域和频域　［４８］就基于偏微分方程提出了一种改进型保持形状　的图像对比度增强算法。这种方法不仅修改并推广了　原有的基于ＰＤＥ的灰度增强方法，使之可适用于任何　的局部变换，因而能有效地从信号中提取信息，通过伸　缩和平移等运算功能，对函数或信号进行多尺度分析。　与数字图像处理结合，是小波分析研究领域的重要内　容之一。其中，把小波分析应用于图像增强的研究比　较少。但是最近几年，出现了一些基于小波变换的图　像对比度增强算法　－４７１。　针对成像质量差、图像对比度低的问题，文献　设定的灰度拉伸函数，而且给出了一种通用的分段线　性拉伸函数设计方法，相比采用累积直方图作为灰度　变换函数可达到更好的直方图均衡化效果。还提出了　一种松弛阈值化方法用以消除局部反差增强时可能出　自然图像，增强效果良好。由此可以找到待研究问题：　现的“斑点效应”。这里提出的改进算法适用于多种　首先，在本文所涉及灰度图像增强的过程中，算法是建　立在基于直方图均衡的ＰＤＥ模型上的，这表明了图像　增强ＰＤＥ方法的有效性。因此，继续寻求其他更优秀　的灰度图像对比度增强方法对应的ＰＤＥ。模型是今后　研究工作的一个重要方向。其次，由偏微分方程求解　保持彩色图像形状的灰度图像中，结果存在边缘模糊　化的缺点，这也可以是在后续的研究中要致力解决的　问题。　［４１］中提出了一种基于小波变换的直方图均衡算法　来增强图像对比度。这种方法首先对图像作直方图均　衡化，然后对小波变换的一级或二级近似系数的非线　性增强处理。利用在这种方法处理图像，在保留了边　界信息的同时也使图像细节清晰可辨。传统空域图像　对比度增强算法，存在灰度级空间分配不合理和噪声　敏感问题，针对这些问题，文献［４２］基于图像的局部　细节信息分析，提出了一种新的基于小波变换和反锐　化掩膜的图像对比度增强算法。该算法依据反锐化掩　膜（ＵＭ）算法的思想，运用小波变换作为工具在各频　数学形态学是一门建立在严格数学理论基础上的　段内计算出代表图像局部细节信息和噪声信息的统计　量，运用反锐化掩膜的思想，计算出代表局部细节信　息，且同时考虑了图像中的噪声信息的统计量，最终将　新的统计量用于重新分配灰度级空间，从而使图像的　整体对比度得到有效增强，同时也相对明显地抑制了　图像的噪声。相对于传统的直方图均衡化算法和反锐　化掩膜算法，这种算法结合了小波变化的理论，在处理　航拍、医学等特殊领域和一些信噪比低的图像时，获得　了更显著的对比度增强效果。　针对小波适用于具有各向同性奇异性的对象，对　于各向异性的奇异性，例如表示图像中的边界以及线　状特征等时，小波并非总是理想表示工具。因此，１９９９　年Ｃａｎｄｅｓ＆Ｄｏｎｏｈｏ在小波变换的基础上提出了曲波　学科，其基本思想和方法对图像处理的理论和技术产　生了重大影响。如今，数学形态学已经构成一种新的　图像处理方法和理论，成为计算机数字图像处理及分　型理论的一个重要研究领域，并且已经应用在多门学　科的数字图像分析和处理的过程中。形态学方法已成　为图像应用领域工程技术人员的必备工具。目前，数　学形态学的技术已经应用在图像对比度增强上。　文献［４９］提出一种数学形态学图像对比度增强　方法，基于数学形态学边缘提取算法优于微分边缘提　取算法的前提，结合数学形态学的相关原理，使用多结　构元素、双梯度多尺度进行边缘检测，进而使用这些检　测出来的连续边缘进行图像对比度增强，成功地实现　了对边缘模糊化的模糊处理。这种方法不仅去模糊效　变换，这种方法适合表示各向异性的多尺度分析，其基　函数具有多方向和各向异性等特性，能很好地处理高　果好，而且提取出的图像边缘较好地保持了原始的细　节特征，从而图像的对比度也得到明显的增强。目前，　维函数，可有效地逼近图像中的奇异曲线。由于曲波　变换能用极少的非零系数精确表达图像边缘，因此使　把数学形态学应用在图像对比度增强上的研究还不　多，所以，数学形态学将是未来图像对比度增强的发展　方向。　图像数据更简洁精确，且保证较低的均方误差。文　献［４３］结合人眼的视觉特性，用曲波作为图像各向异　性的多尺度表征方法，提出一种新的非线性图像对比　度增强算法，自适应地调整增强函数的控制参量，对图　像的不同区域进行不同的处理。经实验表明，用此方　法可明显增强图像的对比度，在有效增强图像的重要　１６２——ＷＷＷ．尽管上述方法从不同方面解决了处理图像增强的　问题，但多数没有考虑图像采集过程，这直接影响图像　的视觉质量。而且大多数对比度增强方法没有考虑自　然图像的统计特性，文献［５０］中提出了贝叶斯框架把　上述问题考虑进去。基于一些可能影响采集的图像质　ｄｉ￣ｒｌｚｉｋＰｊｉ．ｏｒｇ　王俊平．等：图像对比度增强研究的进展　量的因素，如快门速度和相机的反映作用，设计了一种　可能的贝叶斯模型。另一方面，设计了基于所观察图　像和一些自然图像的统计特性的先验模型。用这种方　法提出的可能模型和先验模型，其框架能有效地增强　在自然方式下图像的对比度，同时抑制了噪声。而且，　由于所提出的贝叶斯框架是一个高维优化处理，耗时　受到ＧＬＧ方法的启发，文献［５７］提出了一种复杂　度低，又能保持图像自然度的ＣＥ算法，通过对直方图　各灰度级的合并和扩展，加上对比度增强程度的控制　算法，提高了图像的视觉质量，同时又防止了对比度过　增强的现象，使图像看起来更加真实。这种算法有可　调的参数，后续工作可以深入研究如何通过设备和图　像的清晰度来算出该参数从而达到最佳效果。　近几年来，大量新兴的对比度增强算法　们　也不　断涌现。针对不同的应用环境还有很多新方法，在这　较长，进一步提出了简化的贝叶斯框架，其低运算复杂　度能达到相对较好的效果。　模糊集是１９６５年由Ｌ．Ａ．Ｚａｄｅｈ首次提出。模糊　集理论作为解决和分析不确定性问题的一种有力工　里就不一～列举了　具，已经被成功地应用在模式识别和图像处理领域。　近年来，该理论也应用到了图像对比度增强中，以下对　５存在的问题和进一步的研究方向　基于模糊集的图像对比度增强方法　卜弱　进行简要　近年来，上述几类方法在不断改进。直方图均衡　介绍。　化法趋向于与人体视觉相结合，在增强图像的同时保　针对在雾天条件下，户外采集图像对比度下降严　持图像的原始形态。频域方法、Ｒｅｔｉｎｅｘ方法则倾向于　重的问题，文献［５１］综合考虑降质图像的模糊特性和　与其他方法的结合，其降低噪声的功能可以弥补其他　大气散射所造成的对比度衰减规律，提出了一种基于　方法的不足。一些基于数学理论的方法重在计算效率　模糊逻辑的雾天降质图像的对比度增强算法。该算法　上的改进。笔者认为如下几个方面仍需进一步研究：　通过预处理降质图像，降低不同雾况对灰度级分布范　首先，是计算效率的问题。例如局部直方图均衡化法、　围的影响，并根据大气散射对对比度衰减的影响规律，　Ｒｅｔｉｎｅｘ方法虽然处理效果好，但缺乏快速算法，这些　在模糊域内对规范化后的图像实现对比度增强处理。　算法仅适用于图像分析，不能实时使用，局限了其应用　这种算法可以有效改善远景和近景的对比度。文献　范围。其次，是处理问题的范围，多数算法还具有一定　［５２］针对于遥感图像的特点，也提出一种基于广义模　的局限性，因此，针对不同的应用环境，进一步找出适　糊集在非下采样轮廓波域局部对比度模糊增强方法，　应性和鲁棒性更强的方法。将来对于图像对比度增强　这种方法相对来说更具有效性和自适应性。　的研究方向可以从两方面展开：一是将对比度增强的　除这些理论之外，还有很多基于数学理论的对比　方法应用于一个新的领域。二是在对传统算法不断改　度增强方法　。针对不同的问题和应用环境，取得　进的基础上，引入一些新的方法，将原有理论与新概念　了良好的处理效果，达到了预期的目的。因此，结合数　有效地融合在一起而形成的新方法，可以是应用新的　学理论及方法研究图像对比度增强问题，针对图像处　数学模型，或者是把前人的几种优化算法结合到一起　理问题进行数学建模、理论分析以及算法研究具有重　形成一种新的对比度增强的方法。这类方法可以同时　要的理论意义和应用前景。　发挥不同方法的优点，取得更好的增强效果。　综上所述，到目前为止，图像对比度增强已有多种　４基于图像增强的自动实现算法　经典算法，但没有一个通用算法。因为原始图像的质　传统的对比度增强技术对于各种低对比度的图像　量不同，图像主要特征不同，算法所需要的消耗时间不　不能产生理想的效果，而且也不能自动应用到不同的　同，处理的目标对象不同，所以只能从实际问题出发选　图像，因为他们的参数必须根据所给的图像人为地设　择合适的算法。对于具体的图像，具体的应用环境，选　定才能产生理想的效果。文献［５６］提出一种自动的　择用何种对比度增强算法，还有许多值得探讨和研究　对比度增强的方法。基本的过程就是，首先按照一个　的地方。　选好的标准将一幅低对比度的图像的直方图组成群分　参考文献　为适当数量的组分，然后重新均匀分配这些按照灰度　阶，并且最后取消之前分好的灰度级组。这种基本的　［１］ＡＩＭＩ　ＳＡＬＩＨＡＨ，ＭＡＳＨＯＲ　Ｍ　Ｙ．Ｉｍｐｒｏｖｉｎｇ　ｃ０１叫ｉｍａｇｅ　ｓｅｇ－　ｍｅｎｔａｔｉｏｎ　ｏｎ　ａｃｕｔｅ　ｍｙｅｌｏｇｅｎｏｕｓ　ｌｅｕｋａｅｍｉａ　ｉｍａｇｅｓ　ｕｓｉｎｇ　ｃｏｎ－　ＧＬＧ方法也为技术的扩展提供了平台，例如选择性的　ｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｔｅｃｈｎｉｑｕｅｓ［Ｃ］．Ｋｕａｌａ　Ｌｕｍｐｕｒ，Ｍａｌａｙｓｉａ：　灰度级组合法（ＳＧＬＧ）等。但是，Ｃｈｅｎ的这种灰度级　ＩＥＥＥ　ＥＭＢＳ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｂｉｏｍｅｄｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ　组合法　卯　同样存在算法复杂度高和对比度增强过　＆Ｓｃｉｅｎｃｅｓ，２０１０：２４６—２５１．　大的缺点。　［２］杨先，张静，彭博．基于相似性度量的加权医学超声图像　ＷＷＷ．ｄｉａｎｚｉｋｅｊｉ．ｏｒｇ—————————　１６３　王俊平，等：图像对比度增强研究的进展　对比度增强方法［Ｊ］．计算机工程与设计，２０１１，３２（３）：　９９５一ｌ１０１．　衡化方法［Ｊ］，计算机工程与应用，２０１２，４８（１６）：　１５７—１６１．　［３］　尹传历，张葆，戴明，等．嵌入式雾天降质图像对比度增强　系统设计［Ｊ］．电视技术，２００９，３３（１２）：９０—９１．　［４］　白俊奇，陈钱，王娴雅，等．红外图像噪声滤波对比度增强　［１９］ＴＡＲＩＫ　ＡＲＩＣＩ．Ａ　ｈｉｓｔｏｇｒａｍ　ｍｏｄｉ？ｃａｔｉｏｎ　ｆｒａｍｅｗｏｒｋ　ａｎｄ　Ｉｔｓ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆｒ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ—　ａｃｔｉｏｎｓ　ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，２００９，１８（９）：１９２１—１９３５．　算法［Ｊ］．红外与激光工程，２０１０，３９（４）：７７７—７８０．　［５］　江晋剑，王远志，钱萌．基于小波的水下图像对比度增强　方法研究［Ｊ］．计算机技术与发展，２００８，１８（４）：３５—４１．　［２０］ＲＩＴＵ　Ｃ，ＳＡＲＩＴＡ　Ｓ　Ｂ．Ａｎ　ｉｍｐｒｏｖｅｄ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅ—　ｍｅｎｔ　ｂａｓｅｄ　ｏｎ　ｈｉｓｔｏｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ　ａｎｄ　ｂｒｉｇｈｔｎｅｓｓ　ｐｒｅｓｅｒ－　ｖｉｎｇ　ｗｅｉｇｈｔ　ｃｌｕｓｔｅｒｉｎｇ　ｈｉｓｔｏｒａｍ　ｅｑｕａｌｇｉｚａｔｉｏｎ［Ｃ］．Ｉｎｔｅｒｎａ—　ｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｓｙｓｔｅｍｓ　ａｎｄ　Ｎｅｔｗｏｒｋ　Ｔｅｃｈｎｏｌｏｇｉｅｓ，２０１　１：５９７—６００．　［６］ＨＡＳＡＮ　Ｄ．Ｓａｔｅｌｌｉｔｅ　Ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｕｓｉｎｇ　ｄｉｓ—　ｃｒｅｔｅ　ｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ　ａｎｄ　ｓｉｎｇｕｌａｒ　ｖａｌｕｅ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ　［Ｊ］．ＩＥＥＥ　Ｇｅｏｓｃｉｅｎｃｅ　Ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｌｅｔｔｅｒｓ，２０１０，７　［２１］ＹＡＮＧ　Ｆａｎ，ＷＵ　Ｊｉｎ．Ａｎ　ｉｍｐｒｏｖｅｄ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅ—　（２）：３３３—３３７．　ｍｅｎｔ　ｉｎ　ｍｕｌｔｉｐｌｅ—－ｐｅａｋ　ｉｍａｇｅｓ　ｂａｓｅｄ　ｏｎ　ｈｉｓｔｏｇｒａｍ　ｅｑｕａｌｉｚａ・　［７］　ＡＮＵＳＴＵＰ　Ｃ．Ｃｏｌｏｒ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｆｏｒ　ｖｉｓｕａｌｌｙ　ｉｍ—　ｔｉｏｎ［Ｃ］．２０１０　Ｉｎｔｅｎｒａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｄｅｓｉｇｎ　ｐａｉｒｅｄ　ｐｅｏｐｌｅ［Ｃ］．ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｆ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ，　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ，２０１０：３４６—３４９．　２０１０：３３—４０．　［２２］ＫＷＯＫ　Ｎ　Ｍ，ＨＡ　Ｑ　Ｐ，ＦＡＮＧ　Ｇ．Ｃｏｌｏｒ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎ—　［８］　ＫＩＭ　Ｙ　Ｔ．Ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｕｓｉｎｇ　ｂｒｉｇｈｔｎｅｓｓ　ｐｒｅｓｅｒｖｉｎｇ　ｈａｎｃｅｍｅｎｔ　ｕｓｉｎｇ　ａ　ｌｏｃａｌ　ｅｑｕａｌｉｚａｔｉｏｎ　ａｎｄ　ｗｅｉｇｈｔｅｄ　ｓｕｍ印・　ｂｉ—ｈｉｓｔｏｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｃｏｎ—　ｐｒｏａｃｈ［Ｃ］．Ｔｏｒｏｎｔｏ，Ｏｎｔａｉｒｏ，Ｃａｎａｄａ：６ｔｈ　Ａｎｎｕａｌ　ＩＥＥＥ　ｓｕｍｅｒ　Ｅｌｅｃｔｒｏｎｉｃｓ，１９９７，４３（１）：１—８．　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ａｕｔｏｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１０：　［９］　ＣＨＥＮ　Ｓ　Ｄ，ＲＡＭＬＩ　Ａ　Ｒ．Ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｕｓｉｎｇ　ｒｅｃｕｒ－　５６８—５７３．　ｓｉｖｅ　ｍｅａｎ－－ｓｅｐａｒａｔｅ　ｈｉｓｔｏｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ　ｆｏｒ　ｓｃａｌａｂｌｅ　［２３］ＳＵＮＤＡＲＡＮ　Ｍ，ＲＡＭＡＲ　Ｋ．Ｈｉｓｔｏｇｒａｍ　ｂａｓｅｄ　ｃｏｎｔｒａｓｔ　ｅｎ－　ｂｒＪ【ｇｈｔｎｅｓｓ　ｐｒｅｓｅｒｖａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｃｏｎｓｕｍｅｒ　ｈａｎｃｅｍｅｎｔ　ｏｆｒ　ｍａｍｍｏｇｒａｍ　ｉｍａｇｅｓ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　２０１　１　Ｅｌｅｃｔｒｏｎｉｃｓ，２００３，４９（４）：１３０１—１３０９．　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ．Ｃｏｍｐｕｔｉｎｇ　ａｎｄ　Ｎｅｔｗｏｒｋｉｎｇ　Ｔｅｃｈ—　［１０］ＷＡＮＧ　Ｙ，ＣＨＥＮ　Ｑ，ＺＨＡＮＧ　Ｂ．Ｉｍａｇｅ　ｅｎｈａｎｃｅｍｅｎｔ　ｂａｓｅｄ　ｎｏｌｏｇｉｅｓ，２０１　１：８４２—８４６．　ｏｎ　ｅｑｕａｌ　ａｒｅａ　ｄｕａｌｉｓｔｉｃ　ｓｕｂ—ｉｍａｇｅ　ｈｉｓｔｏｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ　［２４］ＺＨＡＮＧ　Ｄｏｎｇｎｉ，ＷＯＮ—ＪＡＥ　ＰＡＲＫ．Ｈｉｓｔｏｇｒａｍ　ｐａｒｔｉｔｉｏｎ　ｍｅｔｈｏｄ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｃｏｎｓｕｍｅｒ　Ｅｌｅｃｔｒｏｎｉｃｓ，　ｂａｓｅｄ　ｇａｍｍａ　ｃｏｒｒｅｃｔｉｏｎ　ｆｏｒ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　１９９９，４５（１）：６８～７５．　［Ｃ］．ＩＥＥＥ　１６ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ．２０１２：１—４．　［１１］ＳＩＭ　Ｋ　Ｓ，ＴＳＯ　Ｃ　Ｐ，ＴＡＮ　Ｙ　Ｙ．Ｒｅｃｕｒｓｉｖｅ　ｓｕｂ－－ｉｍａｇｅ　ｈｉｓｔ－　［２５］ＮＹＡＭＬＫＨＡＧＶＡ　Ｓ，ＡＬＴＡＮＳＵＫＨ　Ｓ．Ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎ—　ｎｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ　ａｐｐｌｉｅｄ　ｔｏ　ｇｒａｙ　ｓｃａｌｅ　ｉｍａｇｅｓ［Ｊ］．Ｐａｔｔｅｒｎ　ｈａｎｃｅｍｅｎｔ　ｕｓｉｎｇ　ｂｉ—ｈｉｓｔｏｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ　ｗｉｔｈ　ｎｅｉｇｈｂｏｒ－　Ｒｅｃｏｇｎｉｔｉｏｎ　Ｌｅｔｔｅｒｓ，２００７，２８（１０）：１２０９—１２２１．　ｈｏｏｄ　ｍｅｔｉｒｃｓ『Ｊ］．ＩＥＥＥ　Ｔｒｎａｓａｃｔｉｏｎｓ　ｏｎ　Ｃｏｎｓｕｍｅｒ　Ｅｌｅｃｔｒｏｎ．　［１２］ＣＨＥＮ　Ｓ　Ｄ，ＲＡＲＮＬＩ　Ａ　Ｒ．Ｍｉｎｉｍｕｍ　ｍｅａｎ　ｂｒｉｇｈｔｎｅｓｓ　ｅｒｒｏｒ　ｂｉ　ｉｃｓ，２０１０，５６（４）：２７２７—２７３４．　—ｈｉｓｔｏｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ　ｉｎ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ［Ｊ］．ＩＥＥＥ　［２６］许欣，陈强，孙怀江，等．改进的自动颜色均衡化图像对比　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｃｏｎｓｕｍｅｒ　Ｅｌｅｃｔｒｏｎｉｃｓ，２００３，４９（４）：　度增强［Ｊ］．计算机工程与应用，２０１０，４６（１８）：４—６．　１３１０—１３１９．　［２７］王永强，江培蕾，李庆利．基于约束ＰＤＦ的均衡直方图图　［１３］扈佃海，吕绪良，文刘强．一种改进的直方图均衡化图像　．像增强技术［Ｊ］．机械设计与制造，２０１０，５（５）：２３１—２３２．　增强方法［Ｊ］．光电技术应用，２０１２，２７（３）：６５—６８．　［２８］武治国，王延杰．一种基于直方图非线性变换的图像对比　『１４］ＡＮＩＳＨ　ＫＵＭＡＲ．Ｉｌｌｕｍｉｎａｔｉｏｎ　ｒｅｄｕｃｔｉｏｎ　ｆｏｒ　ｌｏｗ　ｃｏｎｔｒａｓｔ　ｃｏｌｏｒ　度增强方法［Ｊ］．光子学报，２０１０，３９（４）：７５５—７５８．　ｉｍａｇｅ　ｅｎｈａｎｃｅｍｅｎｔ　ｗｉｔｈ　ｈｏｍｏｍｏｒｐｈｉｃ　ｆｉｌｔｅｒｉｎｇ　ｔｅｃｈｎｉｑｕｅ　［２９］ＬＡＮＤ　Ｅ．Ｒｅｃｅｎｔ　ａｄｖａｎｃｅｓ　ｉｎ　ｒｅｔｉｎｅｘ　ｔｈｅｏｒｙ　ａｎｄ　ｓｏｍｅ　ｉｍｐｌｉ－　［Ｃ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｓｙｓｔｅｍｓ　ｃａｔｉｏｎｓ　ｆｏｒ　ｃｏｒｔｉｃａｌ　ｃｏｍｐｕｔａｔｉｏｎｓ：ｃｏｌｏｒ　ｖｉｓｉｏｎ　ａｎｄ　ｔｈｅ　ｎａｔｕｒａｌ　ａｎｄ　Ｎｅｔｗｏｒｋ　Ｔｅｃｈｎｏｌｏｇｉｅｓ，２０１２：１７１—１７３　ｉｍａｇｅｓ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｎａｔｉｏｎａｌ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，　［１　５］ＬＩＮ　Ｐｉｎｇｈｓｉｅｎ，ＳＨＥＮ　Ｃｈｉｈｔｓｕｎｇ．Ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｏｎ　１９８３。８０（１６）：５１６３—５１６９．　ｃｏｌｏｒ　ｉｍａｇｅｓ　ｕｓｉｎｇ　ｉｔｅｒａｔｉｖｅ　ｈｉｓｔｏｒｇａｍ　ｒｅａｒｒａｎｇｅｍｅｎｔ［Ｃ］．　［３０］ＪＯＢＳＯＮ　Ｄ　Ｊ，ＲＡＨＭＡＮ　Ｚ，ＷＯＯＤＥＬＬ　Ｇ　Ａ．Ｐｒｏｐｅｒｔｉｅｓ　ａｎｄ　Ｔｈｅ　１３ｔｈ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｃｏｎｓｕｍｅｒ　Ｅｌｅｃ－　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ａ　ｃｅｎｔｅｒ／ｓｕｒｒｏｕｎｄ　Ｒｅｔｉｎｅｘ『Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ　ｔｒｏｎｉｃｓ，２００９：３８２—３８６．　ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，１９９７，６（３）：４５１—４６２．　［１６］ＹＡＮＧ　Ｈｏｎｇｂｏ，ＷＡＮＧ　Ｊｉｕｈｅ．Ｃｏｌｏｒ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅ—　［３１］赵晓霞，王汝林．改进的多尺度Ｒｅｔｉｎｅｘ算法及其应用　ｍｅｎｔ　ｂｙ　ｃｏ—ｏｃｃｕｒｒｅｎｃｅ　ｈｉｓｔｏｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ　ａｎｄ　ｄａｒｋ　［Ｊ］．计算机工程，２０１１，３７（６）：２０９—２１１．　ｃｈａｎｎｅｌ　ｐｒｉｏｒ［Ｃ］．２０１０　３ｒｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｇｒｅｓｓ　ｏｎ　Ｉｍａｇｅ　［３２］李冠章，罗武胜．一种高效地修正Ｒｅｔｉｎｅｘ图像自适应对　ａｎｄ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，２０１０：６５９—６６３，　比度增强算法［Ｊ］．测试技术学报，２００９，２３（５）：　［１７］王明泉，冯晓夏，梁君婷．基于直方图均衡的射线图像增　４４５—４５１．　强算法［Ｊ］．中国科技论文在线，２０１１，６（１）：６７—７０．　［３３］ＪＩＡＯ　Ｚｈｕｑｉｎｇ，ＸＵ　Ｂａｏｇｕｏ．Ａｎ　ｉｍａｇｅ　ｅｎｈａｎｃｅｍｅｎｔ　ａｐｐｒｏａｃｈ　［１８］陈文飞，许雪峰，苗作华，等．亮度自适应的保熵直方图均　ｕｓｉｎｇ　ｒｅｔｉｎｅｘ　ａｎｄ　ＹＩＱ［ｃ］．２００９　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉ　ｗｗｗ．ｄｉａｎｚｉｋｅｊｉ．ｏｒｏ　王俊平，等：图像对比度增强研究的进展　Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，２００９：　［４８］ＫＥ　Ｊｉｎｇ，ＨＯＵ　Ｙｕｑｉｎｇ．Ａｎ　ｉｍｐｒｏｖｅｄ　ａｌｇｏｒｉｔｈｍ　ｏｆｒ　ｓｈａｐｅ　ｐｒｅ—　４７６—４７９．　ｓｅｒｖｉｎｇ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ［Ｊ］．Ａｃｔａ　Ｐｈｏｔｏｎｉｃａ　Ｓｉｎｉｃａ，　［３４］ＹＯＵＨＥＩ　Ｔ，ＴＯＭＩＯ　Ｇ．Ｃｏｌｏｒ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｂｙ　２００９，３８（１）：２１４—２１９．　ｒｅｔｉｎｅｘ　ｍｏｄｅｌ［Ｃ］．Ｔｈｅ　１３ｔｈ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　［４９］万丽，陈普春．一种基于数学形态学的图像对比度增强算　ｏｎ　Ｃｏｎｓｕｍｅｒ　Ｅｌｅｃｔｒｏｎｉｃｓ，２００９：３９２—３９３．　法［Ｊ］．现代电子技术，２００９，１３（３００）：１３１—１３３．　［３５］ＤＡＮＩＥＬ　Ｊ　Ｊ，ＺＩＡ—ＵＲ　Ｒ．Ｐｒｏｐｅｒｔｉｅｓ　ａｎｄ　ｐｅｒｆｏｍｒａｎｃｅ　ｏｆ　ａ　［５Ｏ］ＪＥＮ　Ｔｚｕｃｈｅｎｇ，ＷＡＮＧ　Ｓｈｅｎｇｊｙｈ．Ｂａｙｅｓｉａｎ　ｓｔｒｕｃｔｕｒｅ—ｐｒｅｓｅｒ－　ｃｅｎｔｅｒ／ｓｕｒｒｏｕｎｄ　ｒｅｔｉｎｅｘ［Ｃ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｍａｇｅ　ｖｉｎｇ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ａｎｄ　ｉｔｓ　ｓｉｍｐｌｉ？ｃａｔｉｏｎ［Ｊ］．　Ｐｒｏｃｅｓｓｉｎｇ，１９９７，６（３）：４５１—４６２．　ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎ　ｏｎ　Ｃｉｒｃｕｉｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ　ｆｏｒ　Ｖｉｄｅｏ　Ｔｅｃｈｎｏｌ—　［３６］ＷＡＮＧ　Ｊｉｎｈｕａ，ＢＩ　Ｈａｉｊｉａｎｇ．Ｒｅｔｉｎｅｘ—ｂａｓｅｄ　ｃｏｌｏｒ　ｃｏｒｒｅｃｔｉｏｎ　ｏｙｇ，２０１２，２２（６）：８３１—８４３．　ｆｏｒ　ｄｉｓｐｌａｙｉｎｇ　ｈｉｇｈ　ｄｙｎａｍｉｃ　ｒａｎｇｅ　ｉｍａｇｅｓ［Ｃ］．ＩＣＳＰ２０１０　［５１］翟艺书，柳晓鸣，涂雅瑷．基于模糊逻辑的雾天降质图像　Ｐｒｏｃｅｅｄｉｎｇｓ，２０１０：１０２１—１０２４．　对比度增强算法［Ｊ］．计算机应用，２００８，２８（３）：　［３７］ＳＵ　Ｊａｎｇ，ＬＥＥ　Ｔ　Ｈ．Ａｄａｐｔｉｖｅ　ｃｏｌｏｒ　ｅｎｈａｎｃｅｍｅｎｔ　ｂａｓｅｄ　ｏｎ　６６２—６６４．　ｍｕｈｉ—ｓｃａｌｅｄ　ｒｅｔｉｎｅｘ　ｕｓｉｎｇ　ｌｏｃａｌ　ｃｏｎｔｒａｓｔ　ｏｆ　ｔｈｅ　Ｉｎｐｕｔ　Ｉｍａｇｅ　［５２］ＺＨＡＯ　Ｊｉｅ，ＹＡＮＧ　Ｊｉａｎｌｅｉ．Ｒｅｇｉｏｎａｌ　ｃｏｎｔｒａｓｔ　ｆｕｚｚｙ　ｅｎｈａｎｃｅ－　［Ｃ］．Ｏｐｔｏｍｅｃｈａｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｉｅｓ（ＩＳＯＴ），２０１０　Ｉｎｔｅｒｎａ・　ｍｅｎｔ　ｆｏｒ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｇｅｎｅｒａｌｉｚｅｄ　ｆｕｚｚｙ　ｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ，２０１０：１—６．　ｓｅｔ　ｉｎ　ｎｏｎｓｕｂｓａｍｐｌｅｄ　ｃｏｎｔｏｕｒｌｅｔ　ｄｏｍａｉｎ［Ｃ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　［３８］李冠章，罗武胜，李沛，等．修正Ｒｅｔｉｎｅｘ照射反射模型的　Ａｓｉａ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｉｎｔｅｒａｃｔｉｏｎ　ａｎｄ　Ａｆｆｅｃｔｉｖｅ　Ｃｏｍ—　彩色图像增强［Ｊ］．光学技术，２０１０，３６（２）：２０５—２０８．　ｐｕｔｉｎｇ，２００９：１２０—１２３．　［３９］刘伟华，隋青美．基于色调恒定的ＭＳＲ图像增强算法　［５３］ＦＵ　Ｂｉｎ，ＣＵＩ　Ｊｉａｎｗｅｎ．Ａ　Ｎｏｖｅｌ　ａｄａｐｔｉｖｅ　ｖｅｉｎ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎ．　［Ｊ］．光子学报，２０１１，４０（４）：６４２—６４６．　ｈａｎｃｅｍｅｎｔ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｆｕｚｚｙ　ａｎｄ　ｒｅｔｉｎｅｘ　ｔｈｅｏｒｙ［Ｃ］．Ｈａｒ－　［４０］李冠章，罗武胜．适应彩色空间的图像对比度增强算法　ｂｉｎ，Ｃｈｉｎａ：Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２０１０　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒ－　［Ｊ］．传感技术学报，２００９，２２（６）：８３３—８３７．　ｅｎｅｅ　ｏｎ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ａｕｔｏｍａｔｉｏｎ，２０１０：２４４７—２４５０．　［４１］李云，刘学诚．基于小波变换的图像对比度增强算法研究　［５４］ＹＡＮＧ　Ｑｉｎｇｙｕｎ．Ａｎ　ａｄａｐｔｉｖｅ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　［Ｊ］．计算机应用与软件，２００８，２５（８）：１００—１０３．　ｂａｓｅｄ　ｏｎ　ｄｉｆｆｅｒｅｎｔｉｌａ　ｅｖｏｌｕｔｉｏｎ［Ｃ］．２０１０　３ｒｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　［４２］牛和明，陈祥军，张建勋，等．基于小波变换与反锐化掩模　Ｃｏｎｇｒｅｓｓ　ｏｎ　Ｉｍａｇｅ　ａｎｄ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，２０１０：６３１—６３４．　的图像对比度增强［Ｊ］．高技术通讯，２０１１，２１（６）：　［５５］何为，赵鲁阳，魏建明．基于非完全贝塔变换的图像对比　６００—６０６．　度增强算法［Ｊ］．仪器仪表学报，２００８，２９（４）：５３—５６．　［４３］罗忠亮，林土胜．基于曲波变换的图像非线性对比度增强　［５６］ＣＨＥＮ　Ｚｈｉｙｕ，ＢＥＳＭＡ　Ｒ　Ａ．Ａ　ｇｅｎｅｒａｌｉｚｅｄ　ａｎｄ　ａｕｔｏｍａｔｉｃ　ｉｍ．　［Ｊ］．数据采集与处理，２００９，２４（４）：４１３—４１７．　ａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｕｓｉｎｇ　ｇｒａｙ　ｌｅｖｅｌ　ｇｒｏｕｐｉｎｇ［Ｃ］．Ｉｃ—　［４４］ＺＨＡＮＧ　Ｃｈａｎｇｊｉａｎｇ，ＷＡＮＧ　Ｊｉｎｓｈａｎ，ＷＡＮＧ　Ｘｉａｏｄｏｎｇ，ｅｔ　ＡＳＳＰ　２００６　Ｐｒｏｃｅｅｄｉｎｇｓ，ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ。　ａ１．Ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｆｏｒ　ｉｍａｇｅ　ｗｉｔｈ　ｉｎｃｏｍｐｌｅｔｅ　ｂｅｔａ　２００６，２：９６５—９６８．　ｔｒａｎｓｆｏｒｍ　ａｎｄ　ｗａｖｅｌｅｔ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ［Ｃ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎ—　［５７］ＣＨＥＮ　Ｚｈｉｙｕ，ＢＡＳＭＡ　Ｒ　Ａ．Ｇｒａｙ—Ｌｅｖｅｌ　Ｇｒｏｕｐｉｎｇ（ＧＬＧ）：　ｆｅｒｅｎｃｅ　ｏｎ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋｓ　ａｎｄ　Ｂｒａｉｎ，２００５．ＩＣＮＮ＆Ｂ＇０５，　Ａｎ　ａｕｔｏｍａｔｉｃ　ｍｅｔｈｏｄ　ｆｏｒ　ｏｐｔｉｍｉｚｅｄ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅ—　２００５，２：１２３６—１２４１．　ｍｅｎｔ－ｐａｒｔ　ＩＩ：ｔｈｅ　ｖａｒｉａｔｉｏｎｓ　ｆ　Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｍ—　［４５］ＥＨＳＡＮ　Ｎ，ＭＯＨＡＭＭＡＤ．Ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｂｙ　ａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，２００６，１２（８）：２３０３—２３１４．　ｃｏｎｔｏｕｒｌｅｔ　ｔｒａｎｓｆｏｒｍ［ｃ］．Ｚａｄａｒ，Ｃｒｏａｔｉａ：４８ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　［５８］姚远，门爱东．基于ＧＬＧ算法的彩色图像对比度增强改　Ｓｙｍｐｏｓｉｕｍ　ＥＬＭＡＲ一２００６，２００６：８１—８４．　进方法［Ｊ］．电视技术，２００９，３３（ｓ２）：１３３—１３５．　［４６］ＸＵ　Ｊｉａｎｍａｏ，ＳＵ　Ｊｕｎｚｈｏｎｇ，ＺＨＡＮＧ　Ｃｈａｎｇｊｉａｎｇ．Ｎｏｎ—ｌｉｎｅａｒ　［５９］赵静．基于多通道自适应性对比度增强算法［Ｊ］．电　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｆｏｒ　ｉｍａｇｅ　ｕｓｉｎｇ　ｗａｖｅｌｅｔ　视技术，２０１２，３６（１１）：２４—２６．　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ［Ｃ］．９ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｎ—　［６０］ＡＳＩＭ　Ａ　Ｋ，ＲＯＬＡＮＤ　Ｇ．Ｂｉｏｌｏｇｉｃａｌｌｙ　ｉｎｓｐｉｒｅｄ　ｃｏｎｔｒａｓｔ　ｅｎ—　ｔｒｏｌ，Ａｕｔｏｍａｔｉｏｎ，Ｒｏｂｏｔｉｃｓ　ａｎｄ　Ｖｉｓｉｏｎ，ＩＣＡＲＣＶ＇０６，２００６：　ｈａｎｃｅｍｅｎｔ　ｕｓｉｎｇ　ａｓｙｍｍｅｔｒｉｃ　ｇａｉｎ　ｃｏｎｔｒｏｌ［Ｍ］．Ｂｏｓｔｏｎ：Ｄｉｇｉｔ—　ｌ一６．　ａｌ　Ｉｍａｇｅ　Ｃｏｍｐｕｔｉｎｇ：Ｔｅｃｈｎｉｑｕｅｓ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ，２００９．　［４７］ＨＡＳＡＮ　ＤＥＭＩＲＥＬ，ＣＡＧＲＩ　ＯＺＣＩＮＡＲ．Ｓａｔｅｌｌｉｔｅ　ｉｍａｇｅ　ｃｏｎ—　［６１］ＫＥ　Ｗｅｉｍｉｎｇ，ＣＨＥＮ　Ｃｈｉｈｒｎｎｇ．ＢｉＴＡ／ＳＷＣＥ：ｉｍａｇｅ　ｅｎｈａｎｃｅ—　ｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｕｓｉｎｇ　ｄｉｓｃｒｅｔｅ　ｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ　ａｎｄ　ｓｉｎ－　ｍｅｎｔ　ｗｉｔｈ　ｂｉｌａｔｅｒａｌ　ｔｏｎｅ　ａｄｊｕｓｔｍｅｎｔ　ａｎｄ　ｓａｌｉｅｎｃｙ　ｗｅｉｇｈｔｅｄ　ｇｕｌａｒ　ｖａｌｕｅ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｇｅｏｓｃｉｅｎｃｅ　Ａｎｄ　Ｒｅ—　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ［Ｊ］．ＩＥＥＥ　Ｔｒｎａｓａｃｔｉｏｎｓ　ｏｎ　Ｃｉｒｃｕｉｔｓ　ｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｌｅｔｔｅｒｓ，２０１０，７（２）：３３３—３３７．　ａｎｄ　Ｓｙｓｔｅｍｓ　ｏｆｒ　Ｖｉｄｅｏ　Ｔｅｃｈｎｏｌｏｇｙ，２０１１，２１（３）：３６０—３６４．　ｗｗｗ．ｄｉａｎｚｉｋＥ】ｊｉ．ｏｒ｜｜　ｌ６５