基于 Retinex 理论的 SSR MSR等 算法

资 源 简 介

基于 Retinex 理论的 SSR MSR等 算法

详 情 说 明

Retinex理论是一种经典的图像增强算法，主要用于解决不均匀光照条件下的图像质量问题。其核心思想是将图像分解为反射分量和光照分量的乘积，通过处理光照分量来达到增强效果。该理论衍生出多种实用算法，其中最具代表性的是SSR（单尺度Retinex）和MSR（多尺度Retinex）。

SSR算法通过高斯环绕函数对原始图像进行卷积运算，得到光照分量的估计值，然后用对数域减法分离出反射分量。这种单尺度处理能有效改善光照不均，但容易在强光区域产生光晕现象。典型的改进方向包括动态调整高斯核大小、引入权重因子等。

MSR算法则是SSR的升级版本，它结合了多个不同尺度的高斯核处理结果。通过加权融合不同尺度的输出，既能保留大尺度下的整体光照校正效果，又能维持小尺度下的局部细节增强。改进MSR时通常会优化三尺度权重分配，或采用自适应尺度选择策略。

在自主改进算法方面，常见的技术路线包括：融合色彩恢复因子解决MSR的色偏问题，结合双边滤波保留边缘信息，引入引导滤波优化光照估计精度，或应用深度学习方法构建端到端的Retinex网络。这些改进使算法在低照度图像增强、雾天图像复原等场景表现更优。