暗光图像、低光照图像、夜间图像增强数据集（DICM、NPE、LIME等等）

夜间图像光照不均匀, 存在色偏, 去雾难度较大。目前图像去雾算法主要针对白天场景, 有关夜间图像去雾算法的研究较少。基于结构-纹理分层模型提出新的夜间图像去雾算法, 将夜间有雾图像分解为结构层和纹理层。在结构层采用中值滤波器估计环境光, 利用加权范数L1正则化模型对其进行优化, 并进行去雾和颜色校正处理；在纹理层利用离散余弦变换系数估计透射率。最终融合纹理层与去雾后的结构层得到去雾图像。实验结果表明, 采用该算法对夜间图像去雾后图像细节清晰, 颜色自然, 去雾效果显著。

实现夜间图像增强，使得图像对比度更强，细节信息更丰富

夜间图像去雾对夜间场景中的视频监控、目标识别等有重要应用价值。目前夜间图像去雾研究较少，且处理结果存在失真度高、细节模糊、稳健性差等缺点。针对以上情况，结合大气散射模型和夜间雾天图像成像特点，提出基于Retinex理论和暗通道先验的去雾算法。首先，根据Retinex理论求得夜间场景的有雾入射光图像和有雾反射光图像；其次，利用暗通道先验得到场景的无雾反射光图像；然后，分别根据夜间雾天图像和有雾反射光图像求得光源位置和景深，利用相机成像机理求得场景点与各光源的距离之和，进而求得无雾入射光图像；最后，利用Retinex理论复原得到夜间无雾图像。实验结果表明，本文算法不仅能彻底去雾，提高图像对比度，更能大幅度降低去雾过程中的颜色失真。

retinex.m是用MATLAB编写的夜间图像增强算法retinex，经过测试，增强效果较好。

在图像增强技术中，现有的夜间图像增强算法在对夜间图像进行处理时，总是伴随着处理后图像存在暗区亮度过 度增强和噪声放大的现象。因此，提出一种基于 Retinex 改进的夜间图像增强算法，该方法通过将图像转换到 HSV 空间对 V 通道图像进行导向滤波获得亮度分量图像，并对传统的颜色恢复函数进行改进，从而解决了传统夜间图像增强过程中造 成的暗区过度增强、噪声放大、实时性差的问题。实验结果证明，改进的夜间图像增强方法优于现有的算法，并且该算法 可以在对夜间图像增强的基础上有效的提高算法的实时性。