项目名称：低能见度图像增强

　　项目简介：

　　目的和意义： 夜、雾环境下，能见度低，是犯罪的高发时段，也容易被犯罪分子利用于逃亡、流窜。因此，通过对夜、雾环境下的监控视频进行处理，提高夜、雾间的监控视频质量，消除恶劣环境对视频的影响，将信息量低的视频处理成富含有用信息丰富的视频，并且利用有用的图像信息来认识和判断事物，锁定嫌疑人和可嫌疑车辆的行踪，能够有效地帮助公安部门解决实际违法犯罪问题，具有极高的应用价值。

　　操作：输入需要增强的图像或视频，用户可自主选择增强的方式，在所有增强后的图像中选择最满意的一张作为输出图像。可供选择的增强方式有：直方图均衡化（HE）、部分子块重叠的直方图均衡化（POSHE）、带色彩恢复因子的多尺度Retinex算法（MSRCR）、基于混合灰度转换函数和子带分解的Retinex算法（SDMSR_HITF）、基于图像融合的Retinex算法（MSR_Fusion）和基于图像分割的Retinex算法（MSR_Segmentation）。

　　项目流程图：

MSR_Segmentation算法分别应用于RGB空间和YCbCr空间，基本思路分别如下：

YCbCr空间上的MSR_Segmentation算法

　　项目结果分析：

　　部分图像最佳增强结果图：

　　结果分析：

图（a）~图（e）是五组不同的图像和它们的增强图像。其中左列是原图，右列是增强图像。针对不同图像的特点使用不同的增强算法，会取得更好的效果。如图（a）和图（e），图像的整体灰度值极低，使用HE和POSHE算法增强后，图像的基本轮廓可以看清。图（b）~图（d）属于局部光照偏低，其中，图（c）和图（d）还存在灰度范围大，有低光和高光两部分的问题。因此，对图（b）使用MSRCR算法，而图（c）和图（d）分别使用MSR_Fusion和MSR_Segmentation算法。图（b）中人脸部分灰度较低，增强后可以看清楚人脸的细节。图（c）增强后可以看清书架。图（d）增强后图像的整体灰度有了一定的提高，并且不影响原本高亮的部分，如路灯，天空。