長春理工大學光電工程學院牛群團隊在《紅外技術》發表論文《細節保留與亮度融合的微光圖像增強算法》，針對微光環境下CMOS相機拍攝圖像對比度低、噪聲大、細節模糊的問題，提出一種兼顧亮度提升與細節保留的增強方法，通過自適應濾波、分層處理與圖像融合技術，顯著改善了微光圖像質量，相關指標表現優于現有主流算法。

　　微光圖像增強技術廣泛應用于醫療內窺鏡、安防監控、智能交通等領域，但傳統算法往往只注重亮度提升，容易導致細節丟失或圖像失真。牛群團隊研發的新算法創新性地采用“噪聲抑制-分層處理-融合增強”的技術路徑：首先通過自適應濾波器分兩步處理RGB三通道，有效抑制條紋噪聲和隨機噪聲，解決了微光圖像噪點密集的問題;隨后將濾波后的圖像分解為細節層和基本層，細節層通過粗照度與光照分量提取紋理信息，基本層則利用Alpha算法融合原圖與兩次伽馬校正結果，實現亮度精準提升;最后將兩層亮度通道融合，形成兼具清晰度與細節完整性的增強圖像。

　　實驗結果顯示，該算法處理后的圖像平均梯度提升最高達46.67%，信息熵提升最高達43.62%，在結構相似性(SSIM)指標上全面超越CLAHE、MSRCR等5種主流算法，最高達0.965，表明圖像失真極小。在無參考圖測試中，其BRISQUE值最低僅為5.8177，圖像視覺質量優異;運行效率方面，無需迭代計算，處理1920×1080分辨率圖像僅需1.873秒，兼顧精度與速度。

　　該算法的提出有效解決了微光圖像增強中“亮度與細節難以兼顧”的行業痛點，為低光照場景下的圖像采集與處理提供了新方案，有望在安防監控、醫療影像等領域實現落地應用，提升相關設備在復雜光照條件下的工作性能。