1.基于双边伽马校正和多尺度图像融合的图像增强方法，其特征在于，包括如下步骤：s1、双边伽马校正

根据伽马校正算法设计两条校正曲线，分别是伽马取值范围为(0,1)的上边伽马校正曲线和伽马取值范围为(1,+∞)的下边伽马校正曲线；

两条伽马校正曲线中都包含斜率大于1和斜率小于1的两段曲线段；

利用上边伽马校正曲线中斜率大于1的曲线段校正原始图像，生成一幅改善了过暗区域视觉效果的图像；

利用下边伽马校正曲线中斜率大于1的曲线段校正原始图像，生成一幅改善了过亮区域视觉效果的图像；

s2、多尺度图像融合

利用拉普拉斯金字塔分解算法分别对双边伽马校正后的两幅图像进行多尺度拉普拉斯金子塔图像分解，分解成两个N层的多尺度图像序列，每层包含低频子带图像和高频子带图像；

将两个图像序列中每层的低频子带图像采用加权平均融合规则进行图像融合，生成一个N层的多尺度图像序列；

将两个图像序列中每层的高频子带图像采用平均选择融合规则进行图像融合，生成一个N层的多尺度图像序列；

将生成的两个N层的多尺度图像序列采用拉普拉斯逆金子塔变换重构成一幅输出图像。

2.根据权利要求1所述基于双边伽马校正和多尺度图像融合的图像增强方法，其特征在于，所述步骤s1中伽马值的确定方法如下：设点A和点C分别是上边伽马校正曲线和下边伽马校正曲线中斜率等于1的点，通过A点的位置确定上边伽马校正曲线，通过C点的位置确定下边伽马校正曲线；

γ

伽马校正算法的表达式为：g(u)＝u (1)其中，γ是参数伽马，取值为大于零的实数；

u是校正前图像中像素点的灰度值，采用256级灰度，取值范围为[0,255]；g(u)是校正后图像中像素点的灰度值，采用256级灰度，取值范围为[0,255]；

γ-1

根据公式(1)求导可得：dg(u)/du＝γu (2)令 则可导出uA关于γ的函数为：

令 则可导出uC关于γ的函数为：

由公式(3)和公式(4)可知，在已知uA的情况下求出上边伽马校正曲线的γ，在已知uC的情况下求出下边伽马校正曲线的γ。

3.根据权利要求2所述基于双边伽马校正和多尺度图像融合的图像增强方法，其特征在于，根据灰度图像的灰度统计直方图，找出过暗区域的灰度值分界点来确定参数值uA，找出过亮区域的灰度值分界点来确定参数值uC。

4.根据权利要求1所述基于双边伽马校正和多尺度图像融合的图像增强方法，其特征在于，所述步骤s2进一步包括：s21、多尺度图像分解

设fA表示输入的灰度图像；fB和fC分别表示经上边伽马校正曲线和下边伽马校正曲线校正后的两幅灰度图像，采用拉普拉斯金字塔分解算法将fB和fC分解成具有N层的两个多尺度图像序列 和 每一层包含两个子带图像， 和 分别表示为：其中， 和 分别为 和 的第k层上的低频子带图像， 和 分别为 和的第k层上的高频子带图像；

s22、低频子带图像融合

采用加权平均融合规则融合每层的两个低频子带图像 和 计算融合后的每层低频子带图像 的过程如下：设mA为输入图像的灰度均值，mB和mC分别是经上边和下边伽马校正后生成的两幅图像的灰度均值，融合后每层的低频子带图像 为：s23、高频子带图像融合

采用平均选择融合规则融合每层的两个高频子带图像 和 计算融合后的每层高频子带图像 的过程如下：a分别计算 和 在像素p处的局部区域能量 和 表达式为：其中， 和 分别表示图像fB和fC中的第k层上，以p为中心的区域Qp内的局部区域能量；w(q)为权值，且满足b计算高频子带图像 和 对应区域的匹配度 表达式为：c确定融合算子

给定匹配度阈值T，并满足0.5≤T≤1的条件，若 则：若 则：

其中，

s24、多尺度图像重构

经过两种规则在低频和高频进行图像融合后得到了N层图像序列 每层包含融合后的低频子带图像 和高频子带图像 其表达式为：最后，采用拉普拉斯逆金子塔变换，对融合后的图像序列进行重构，生成输出图像。