基于相对梯度正则化的Retinex变分模型及其应用

针对全变分 Retinex 模型使用反射分量的全变分作为正则项存在的不足,引入相对梯度并构建扩展的全变分正则项,提出一种新的Retinex变分模型。相比于变分Retinex模型、全变分Retinex模型,该模型获取的照度分量更加光滑,同时反射分量能够分辨更多结构信息和细节要素。进而,提出一种综合考虑照度分量和反射分量的图像增强模型。通过调整模型参数,可有效应用于高动态范围图像色调映射、非均匀照度增强等图像处理领域。与其他算法的对比显示,该图像增强模型能够有效处理上述问题并取得较好的效果。