低照度图像增强算法研究

论文摘要

在数字图像处理中,图像增强处理通常不考虑图像质量下降的原因,只根据图像特点和处理目的,采用一定的技术,有选择地突出图像中感兴趣的特征,同时可能会压制另一部分信息,从而达到改善图像的视觉效果,或者是为了方便人或计算机对图像的分析和处理,它的主要目的是提高图像的可懂度。根据不同的作用域传统图像增强方法可分为空间域和频率域方法。空间域法是指在空间域内直接对像素的灰度值进行运算处理,常用的空间域法有图像的灰度变换、直方图修正、图像空间平滑和锐化处理、伪彩色处理等。频率域法是在图像的某种变换域内,对图像的变换值进行增强处理,然后通过逆变换获得增强图像。传统的增强方法由于具有方法简单、效果明显等特点,许多方法已经在实际中得到广泛的应用。但是,传统的这些方法中使用了大量的假设,而研究表明算法中的假设越多,其性能越差。图像处理算法的自适应则是一种合理的解决方法。因为针对不同情况进行处理时,其假设条件会减少并且更接近实际情况。本文首先针对常见的基于直方图均衡化图像增强算法进行了研究、比较,分析了其在图像增强中存在的不足。然后列出了几种改进的方法,结合实验结果和数据,指出其优点和进一步改进的地方。接着,本文针对常见的固定监控视频图像,提出了基于像素统计的自适应图像增强方法,这种方法对较为简单的场景能获得较好的效果,但是需要先验的白天图像,因而受先验的客观条件影响较大。为此,本文最后又根据前人工作提出了一种改进的基于时空域累积滤波去噪和色调映射函数。它不依赖于先验的白天图像,主要利用相邻帧的信息来增强当前像素。对以上两种图像增强方法,本文分别给出了算法实现过程,并做了大量的实验进行验证,从而使提出的改进方法对于某些图像能获得比传统的增强方法更好的效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 数字图像处理研究的内容与方法
• 1.2 课题的背景
• 1.3 研究现状
• 1.4 论文内容安排
• 第二章 图像增强的基本理论
• 2.1 数字图像的基本概念
• 2.1.1 数字图像的表示
• 2.1.2 采样
• 2.1.3 量化
• 2.2 图像增强的基本方法
• 2.2.1 灰度变换
• 2.2.2 直方图修正
• 2.2.3 噪声去除
• 2.2.4 同态滤波
• 2.2.5 双边滤波
• 2.3 图像质量的评价标准
• 2.3.1 均值
• 2.3.2 均方误差
• 2.3.3 信息熵
• 2.3.4 峰值信噪比
• 2.4 本章小结
• 第三章 基于直方图均衡化的改进算法
• 3.1 直方图均衡化缺点分析
• 3.1.1 直方图均衡化与图像灰阶关系
• 3.1.2 直方图均衡化与图像噪声关系
• 3.2 改进的直方图均衡化算法
• 3.2.1 改进算法1
• 3.2.2 改进算法2
• 3.2.3 改进算法3
• 3.3 实验结果
• 3.4 本章小结
• 第四章 基于融合方法的增强技术
• 4.1 基于融合技术的相关理论基础
• 4.1.1 前景和背景提取
• 4.1.2 融合方法
• 4.2 基于统计方法的融合算法过程
• 4.2.1 夜景视频图像预增强
• 4.2.2 基于统计方法产生映射关系来增强夜景视频图像
• 4.3 实验结果
• 4.4 本章小结
• 第五章 基于时空域增强方法的改进
• 5.1 前人方法的分析
• 5.2 改进的算法过程
• 5.3 实验结果
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间的科研学术情况