發(fā)布時間：2020-04-08 11:14

【摘要】：圖像作為信息的載體,在通信、交通、監(jiān)測、遙感、機器人等領域廣泛應用,海量的圖像中,因為拍攝環(huán)境因素造成的低照度圖像占了很大的比例。低照度圖像一般具有亮度比較低、細節(jié)不清晰、顏色失真嚴重、噪聲大等缺點,其應用價值大打折扣,因此研究低照度圖像增強具有重要的實踐意義。Retinex算法是基于人眼視覺系統(tǒng)感知物體亮度和顏色的模型,具有恒常性,并且可以做到亮度提升、細節(jié)增強和顏色保真的統(tǒng)一,對低照度提升比較全面。針對部分圖像在光照不均勻和過暗下出現(xiàn)的對比度低、細節(jié)不可見等問題,基于Retinex理論,提出了兩種算法。一種是多層融合和細節(jié)恢復圖像增強方法。將輸入圖像轉換至HSV空間,將V通道等價復制為三層:Retinex增強層、亮度增強層、細節(jié)突出層。在Retinex增強層中,利用加權引導濾波和形態(tài)學結合來消除光暈現(xiàn)象,并引入整體亮度和局部細節(jié)調(diào)節(jié)因子改進單尺度Retinex模型達到提高圖像整體亮度、突出細節(jié)的效果;在亮度增強層,利用反三角函數(shù)性質(zhì),提出新的歸一化函數(shù)進一步增強了圖像的亮度;在細節(jié)突出層,采用人工蜂群算法優(yōu)化改進了一種局部線性模型來突出圖像細節(jié)。根據(jù)Gamma校正特性和鄰域像素關系,提出細節(jié)恢復方案避免了三層融合后造成的部分細節(jié)模糊。仿真實驗結果表明該算法無論主觀還是客觀上都能夠有效地提高圖像對比度和突出細節(jié)。另一種是改進的多尺度Retinex算法圖像增強算法。將輸入圖像轉換至HSV空間,將V通道等價復制為兩層,記為Retinex增強層和細節(jié)恢復層。在Retinex增強層中,對V通道進行三層不同尺度的高斯濾波,將濾波輸出結果的均值作為亮度估計,并用整體亮度調(diào)節(jié)因子和局部細節(jié)調(diào)節(jié)因子改進單尺度Retinex模型達到突出細節(jié)、提高亮度的效果。在細節(jié)恢復層中,對V通道采用三層不同尺度的高斯模糊,達到細節(jié)恢復增強的效果。將兩層結果按照多尺度方式融合,最后進行實驗仿真。結果表明該算法能有效地提高圖像對比度,且具有最小的亮度失真率。
【圖文】：

低照度環(huán)境通常指環(huán)境照度低于規(guī)定的照度正常條件，低照度圖像就是在一個低照度環(huán)境下采集到的圖像。在圖像處理領域，對于低照度環(huán)境目前還沒有公認的統(tǒng)一標準。通常在攝影中，當環(huán)境中光線照度低于水平 100 燭光每英尺稱為低照度環(huán)境[60]，，但在人們實際生活中，環(huán)境中的光線對物體的照明程度會受到很多其他因素的制約，例如空氣中有煙塵時，光會發(fā)生散射。所以，只要圖像采集設備采集的圖像開始出現(xiàn)噪聲、細節(jié)丟失以及顏色失真，就認為其所處的環(huán)境為低照度環(huán)境。隨著成像技術逐漸成熟，成像設備增多，采集圖像不僅是專業(yè)攝影師利用專業(yè)設備在良好環(huán)境下進行。越來越小、輕、便攜的攝像機、智能手機以及監(jiān)控走入尋常百姓生活中，人們可不分時間地點地采集圖像。由于圖像采集的隨意性，導致拍攝環(huán)境不能達到理想情況。圖像整體或者部分亮度偏低的原因有很多，例如設備在采集的時候，環(huán)境光線不充足，拍攝位置逆光，所處環(huán)境光照不均勻等

電大學碩士學位論文 第 2 章 基本理論和相關方1) 人們所處的環(huán)境其實是沒有顏色的，人眼之所以感知環(huán)境中不同的和物質(zhì)的相互作用。比如我們平時看到的水是沒有顏色的，但是人卻有不同的顏色，那是水膜表面光的干涉現(xiàn)象。2) 每一顏色區(qū)域由以下固定波長的三原色構成：紅、綠、藍。3) 每個單位像素點的顏色由紅、綠、藍三原色決定。上面三個假設可知，人類視覺系統(tǒng)看到的物體的顏色由長波、中波波形的反射能力決定。長波對應紅色。中波對應綠色。短波對應藍和光照的非均勻性對物體實際呈現(xiàn)在人眼視覺系統(tǒng)的顏色沒有影響。
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751

【相似文獻】

相關期刊論文 前10條

1 余春艷;徐小丹;林暉翔;葉鑫焱;;應用霧天退化模型的低照度圖像增強[J];中國圖象圖形學報;2017年09期

2 孫玲姣;;基于Retinex理論的圖像增強算法研究[J];數(shù)碼世界;2016年12期

3 朱振軍;賈少華;;QMV141型微光圖像增強儀[J];輕兵器;2017年09期

4 程景云 ,朱泉生;用對流—擴散方程的差分格式實現(xiàn)圖像增強的機理[J];上海海運學院學報;1989年04期

5 張春森;;利用TM資料提取森林信息的波段選擇及圖像增強方法探討[J];遙感信息;1989年04期

6 王超;;基于圖像增強的幾種霧天圖像去霧算法[J];自動化應用;2018年02期

7 李杰美慧;王謀;韓江鴻;吳丹陽;王惠剛;;小波變換在水下圖像增強中的應用[J];技術與市場;2016年07期

8 胡布欽;莫曉麗;;降質(zhì)圖像增強及評價的應用[J];數(shù)字技術與應用;2015年09期

9 侯艷芹;李均利;魏平;陳剛;;一種基于二維離散小波變換的醫(yī)學圖像增強算法[J];計算機工程與應用;2006年07期

10 王罡;;基于人眼視覺特性的艦船圖像增強方法[J];艦船科學技術;2019年04期

相關會議論文 前10條

1 王穎斌;;標清轉高清的圖像增強算法探討[A];第24屆中國數(shù)字廣播電視與網(wǎng)絡發(fā)展年會暨第15屆全國互聯(lián)網(wǎng)與音視頻廣播發(fā)展研討會論文集[C];2016年

2 余張蕾;楊兵;;基于小波變換的X線圖像增強[A];第十二屆全國圖象圖形學學術會議論文集[C];2005年

3 陳浩;崔玉柱;劉清華;;工業(yè)X射線多尺度圖像增強方法研究[A];2014年全國射線數(shù)字成像與CT新技術研討會論文集[C];2014年

4 張斌;吳鵬;袁杰;孫凌卿;傅啟明;陸宇;;一種基于人眼視覺特性的Curvelet域紫外圖像增強算法[A];數(shù)字中國 能源互聯(lián)——2018電力行業(yè)信息化年會論文集[C];2018年

5 虞學良;金浩然;楊克己;;水冷散熱板內(nèi)流道超聲成像的圖像增強[A];2017遠東無損檢測新技術論壇論文集[C];2017年

6 肖斌;張眾;張旭東;;通過Matlab開發(fā)DSP的圖像增強算法[A];全國第三屆信號和智能信息處理與應用學術交流會�？痆C];2009年

7 詹潔;嚴非;;一種新的變分Retinex圖像增強方法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

8 黃松威;朱兆彤;胡友峰;;基于多尺度Curvelet變換聲納圖像增強改進算法研究[A];2018年水下無人系統(tǒng)技術高峰論壇論文集[C];2018年

9 張玉成;孟凡勇;楊民;;小波變換和自適應鄰域?qū)Ρ榷认碌腦射線圖像增強[A];第十五屆中國體視學與圖像分析學術會議論文集[C];2017年

10 黃華;蔣永馨;王孝通;徐曉剛;;一種基于Ardely分割算法的夜間圖像增強方法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

相關重要報紙文章 前4條

1 王齊強;我國圖像增強算法領域還需加強專利布局[N];中國知識產(chǎn)權報;2017年

2 霍林濤;用ACDSee美化圖片[N];中國電腦教育報;2004年

3 吳語;無限樂趣在其中[N];中國計算機報;2000年

4 廣文;揭秘6色真相[N];中國計算機報;2002年

相關博士學位論文 前10條

1 陳杰;基于色彩信息的圖像增強研究[D];南京郵電大學;2017年

2 張憲紅;基于動力系統(tǒng)的圖像增強與分割算法及在林火遙感中應用[D];東北林業(yè)大學;2017年

3 丁暢;復雜海況環(huán)境下海面圖像增強方法研究[D];大連海事大學;2018年

4 向文鼎;霧天及海洋環(huán)境下的圖像增強與復原技術研究[D];中國科學院大學(中國科學院光電技術研究所);2019年

5 劉玉紅;基于生物視覺感知機制的圖像增強及質(zhì)量評價的研究[D];電子科技大學;2018年

6 孔令海;基于PDE和曲率策動流的圖像增強去噪模型研究[D];中國工程物理研究院;2005年

7 王彥臣;基于多尺度數(shù)字X光圖像增強方法的研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2005年

8 侯國家;水下圖像增強與目標識別算法研究[D];中國海洋大學;2015年

9 趙欣慰;水下成像與圖像增強及相關應用研究[D];浙江大學;2015年

10 陳燕;工業(yè)X射線圖像增強算法研究[D];中北大學;2016年

相關碩士學位論文 前10條

1 陳程俊;彩色圖像增強算法的研究與FPGA實現(xiàn)[D];華南理工大學;2019年

2 秦月雅;交通標志檢測與識別關鍵技術研究[D];長春理工大學;2019年

3 李寧;基于視覺注意機制的圖像增強方法研究及應用[D];濟南大學;2019年

4 魏妍妍;低照度圖像增強與超分辨率重建算法研究[D];西安科技大學;2019年

5 秦嘉奇;基于CNN的場景圖像分類與弱光圖像增強研究[D];桂林電子科技大學;2019年

6 尹超;基于Retinex的低照度圖像增強算法研究[D];重慶郵電大學;2018年

7 胥培;基于Retinex理論圖像增強研究[D];重慶郵電大學;2018年

8 黃勇;基于雞群優(yōu)化的圖像增強方法研究[D];重慶郵電大學;2018年

9 卿文楊;單幅水下圖像增強算法研究[D];云南大學;2018年

10 王仕女;全局與局部融合的圖像增強算法研究[D];杭州電子科技大學;2019年

本文編號：2619275