生活中的图像拍摄经常会遇到光照不足的情况，导致拍摄出来的照片图像质量较低并具有大量噪声，尤其是计算机视觉高度发展的今天，图像的低质量和大量噪声可会造成非常严重的影响。例如在夜晚时分，因为低照度的光照往往会导致监控系统拍摄的车牌照片模糊不清，从而不利于监控等设备的正常运行。在智能交通和监控系统迅速发展的今天，图像的采集需要能够在包括低光照的不同的条件下稳定工作，因此，低光照图像的增强与去照就显得尤为重要了。

低照度图像是指在光照水平较低或者环境光、背景光微弱的条件下采集到的，因此低照度图像普遍存在灰度水平低、信息不明显和噪声含量高等特点。

针对低照度图像的这些特点，一系列的低照度图像增强方法被提出，其中列举一些如下：

1. 灰度的线性与非线性变换法：灰度的线性与非线性变化采用的是通过一个线性或非线性函数将将像素做一个映射，从而达到图像增强的效果。

2. 直方图均衡法：直方图均衡法本质上来说就是使原直方图变换为具有均匀密度分布的直方图。

3. Retinex法：Retinex基于人眼感知到某点的光照不仅取决于该点反射出的绝对光照值，还与该点周围反射出的光照值有关的理论，通过将图像分为亮度图像和反射图像两部分，然后通过降低亮度图像对反射图像的影响来起来增强图像的目的。

在完成低照度增强的图像上，往往会有噪声的引入，，因此我拟采用一些方法来达成图像的去噪工作。因为经过低照度增强的图像噪声并非人为加上的泊松分布或者高斯分布的噪声，我们将此类图像去噪工作定义为真实图像去噪工作。因为真实图像的噪声分布与泊松、高斯分布噪声存在你较大差异，因此我们并不能轻松通过经高斯分布训练得到的CNN模型完成去噪工作，经查阅资料可知以往深度卷积神经网络的效果往往不如BM3D和K-SVD等代表性的传统方法。因此现在针对此类真实图像，主要是以采用双边滤波器等传统方法。

通过图像的增强与去噪能够极大的增强低照度图像的质量与清晰度，这将有利于监控领域、智能交通等一系列可能存在低照度的领域的发展。

2. 研究的基本内容与方案

本次设计的基本内容与目标主要是对低照度图像进行研究分析，并且对低照度图像完成增强和去噪两部分工作。

在本次设计中的图像增强部分中，我们采用的是基于去雾技术的低照度图像增强方法。通过将低照度图像经过翻转并与有雾条件下获取的图像进行比较，证实了经翻转的低照度图像与有雾图像呈现了较大的相似性。因此，在图像增强方面，本研究采用基于去雾技术的低照度图像增强技术。