《表1 平均梯度测试数据：基于Retinex理论的低照度图像增强技术》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Retinex理论的低照度图像增强技术》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文采用平均梯度、信息熵与结构相似性（SSIM）作为图像增强效果的客观评价指标。平均梯度反映图像的清晰度，信息熵反映图像信息量的大小，结构相似性用于衡量处理前后两幅图像的相似度，取值为0～1，值越大，结构失真越小。下页表1～表3分别为增强图像的平均梯度、信息熵与SSIM客观指标，其中，编号为1～4的图像为图5中的低照度图像，5～8为图6中的低照度图像。由测试数据可知，本文算法的客观指标较文献[10]算法的客观指标均有所提升，说明本文算法处理的结果清晰度高、信息量大、失真少；文献[9]算法在处理照度不均的低照度图像时，信息熵反而下降，这说明该算法在处理类似图像时造成了细节信息丢失。综上所述，本文算法在处理照度缓慢变化与照度不均的低照度图像时，能够在提高清晰度与信息量的同时，减少细节丢失与颜色失真。