基于CLAHE的雾霾图像对比度增强与降噪技术研究及其在图像分析中的应用价值

《NATIONAL ACADEMY SCIENCE LETTERS-INDIA》：CLAHE-Based Contrast Improvement and Noise Reduction for Foggy Images

针对雾霾图像存在的低对比度与高噪声问题，研究人员开展了一项基于限制对比度自适应直方图均衡化（CLAHE）的图像增强研究。该技术通过分阶段处理RGB模型的红色通道和HSV模型的饱和度/明度分量，在保留色调的同时显著提升图像质量。实验结果显示，该方法在RMSE（10.927）和PSNR（31.12）指标上优于传统算法，为恶劣能见度环境下的图像分析提供了创新解决方案。

　　

雾霾图像常因低对比度和高噪声导致视觉质量下降，影响图像分析效果。为解决此问题，本研究提出一种基于限制对比度自适应直方图均衡化（CLAHE）的创新增强技术。该方法分两阶段实施：首先对RGB色彩模型中散射影响最显著的红_red通道应用CLAHE处理；随后在HSV色彩模型中调整饱和度_saturation和明度_value分量，同时保持色调_hue不变。两阶段结果融合后生成最终增强图像。通过均方根误差（RMSE）和峰值信噪比（PSNR）指标评估显示，该方法在Img2上获得最低RMSE值（10.927）和最高PSNR值（31.12），显著优于直方图均衡化、去雾和百分位基等传统方法。实验证实该CLAHE基技术能有效提升雾霾图像的细节保留与对比度增强性能，为恶劣能见度条件下的高质量图像分析提供可靠工具。