基于双域分解的复杂环境下奶牛监测图像增强算法

针对天气变化及光照不足导致的奶牛监测图像降质问题，提出一种基于双域分解的复杂环境下奶牛图像增强算法。该算法首先采用双域滤波图像去噪，将输入图像分解为低频图像和高频图像；其次根据贝叶斯估计得到不同高频图像的小波阈值，利用改进的Garrote阈值函数进行小波去噪，并结合伽马变换对去噪的高频图像进行矫正，实现对高频图像的滤波和对比度调整；再次通过暗通道先验对低频图像进行去雾，并结合对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)算法对去雾后整体偏暗的低频图像进行增强，进一步提高图像的对比度和整体亮度；最后将处理后的高频图像和低频图像进行重构，得到最终的增强图像。以不同时段光照、复杂气象条件下实地拍摄的奶牛场监测图像为样本，采用主观视觉和客观评价将该算法与现有算法进行试验对比。结果表明，该算法能够对复杂光照下奶牛图像有效去噪、增强整体和细节信息、改善图像视觉效果等，相比于HE算法、Retinex算法、CLAHE算法、自适应Retinex算法，标准差分别平均提高1.929 5、4.681 2、3.245...