基于偏振成像的低光环境视觉增强技术：散射介质退化图像的创新解析与优化

本文推荐一篇创新性研究：作者团队通过分析低光图像反转后与散射退化图像的灰度直方图相似性，提出基于偏振分解（polarization decomposition）的增强方法。该方法结合偏振差图像优化（EME评价指标）和参数估计，实现了复杂场景下低光图像的自动增强，有效解决了非均匀光照干扰问题，为智能交通（intelligent transportation）、视觉监控（visual surveillance）等领域提供了无需深度学习训练的轻量化解决方案。

　　

Highlight

偏振成像在散射介质穿透成像中展现出巨大潜力，但其在低光视觉增强领域的应用尚未深入探索。本文通过分析低光图像反转版本与散射退化图像灰度直方图的窄范围分布相似性，提出了一种创新的低光图像能见度提升方法。

Theoretical Basis

根据Dong的方法，低光环境下捕获的图像反转后与雾霾光照条件下的图像具有相似性。图1展示了金属硬币在正常光、低光及散射介质（水奶混合液模拟雾霾）中的强度图像及其灰度直方图对比，验证了这种相似性特征。

Experimental Setup

我们在暗室中搭建偏振成像系统进行验证：采用620 nm中心波长的LED光源（Daheng GCI-060401）和单色CMOS相机（Daheng MER-2000-19U3M），通过0°、45°、90°、135°偏振角图像采集，结合优化后的偏振去散射模型处理反转图像。

Conclusion

本研究提出的基于偏振去散射模型的低光增强方法，通过建立带约束条件的分解模型，可自动提升不同偏振特性复杂场景的能见度，并部分缓解非均匀光照影响。室内外实验证明该方法在多种场景下的有效性。

（注：翻译部分保留了专业术语如EME（Enhancement Measure Evaluation）、LED（Light-Emitting Diode）等中英文对照，并采用_下标和^上标规范表达，如H₂O。）