基于BM3D滤波与自适应伽马校正的融合框架在低光照图像增强中的应用研究

本文推荐一篇创新性研究，提出结合BM3D（块匹配三维滤波）与自适应伽马校正（AGCWD）的融合框架，有效解决低光照图像（LLI）增强中的噪声抑制与对比度提升难题。通过Retinex分解、形态学操作（CLAHE）及多尺度金字塔融合，显著提升图像质量，为计算机视觉领域提供高效解决方案。

　　

亮点

本研究提出一种基于多尺度融合的低光照图像增强方法，在反射分量中应用BM3D滤波，既能有效降噪又保持色彩恒常性。通过引入光照优化和自适应伽马校正（AGCWD）作为融合输入，实现了自然对比度增强和细节还原。

创新性权重函数

我们设计了两类可解释的融合权重函数：基于亮度的高斯加权和HSV色彩敏感度分段函数，可动态适应不同环境条件下的增强需求。实验证明，该方法在定量指标上显著优于现有技术。

结论

与传统方法相比，本方案结构简洁且效果卓越。通过反射分量降噪与对比度增强的协同作用，解决了低光照图像中可见性与质量难以兼顾的核心问题，为实际应用提供了可靠框架。

作者贡献声明

Sarmin Akter Mim：研究设计、方法论实现、软件验证及论文撰写；Jian Cheng与Junchao Zhang：概念构建与论文修订。

利益冲突声明

作者声明无任何可能影响本研究结果的财务或个人利益冲突。

致谢

本研究得到智能采矿与地层控制国家重点实验室开放基金（SKLIS202404）、国家自然科学基金（U24A20265）等项目的支持。