图像质量评价与图像增强技术研究

论文摘要

多变的外界环境会造成获取的图像对比度低、色彩偏暗,图像信息不够丰富,不利于图像进一步在监控、目标检测、目标分类、目标跟踪的应用。论文针对以上情况的图像增强及图像质量评价进行分析和研究。Log系数变换域的直方图方法在增强图像对比度的同时能够保留图像细节信息。它与HSI颜色空间相结合对彩色图像进行增强有很好的颜色保持作用,而且具有高鲁棒性,对于多种环境都适用。故论文详细分析了3种变换域直方图方法:变换域直方图均衡化、变换域直方图平移、变换域直方图匹配。并利用基于对比度熵的图像质量评价标准来对这几种方法的增强效果进行评价,指导算法选取最优变换和最优参数。面向结构的噪声估计方法通过亮度一致性度量来区分图像噪声和结构信息,从而准确估计噪声大小。自适应邻域去噪方法的优点是能够很好地抑制图像加性噪声并较好地保持图像边缘、结构等信息。论文提出一种基于面向结构噪声估计的自适应邻域去噪方法,将二者结合可得到较好的去噪效果。并用基于视觉特性的图像质量评价方法对结合去噪的增强效果进行评价。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 图像增强
• 1.2 图像质量评价
• 1.3 图像去噪及噪声估计
• 1.3.1 图像去噪
• 1.3.2 噪声估计
• 1.4 本文的研究工作及章节安排
• 2 Log系数变换域的直方图技术
• 2.1 基于空域的方法
• 2.1.1 直方图均衡化
• 2.1.2 直方图规定化
• 2.1.3 对数变换
• 2.2 傅立叶变换
• 2.2.1 离散傅立叶变换
• 2.2.2 二维离散傅立叶变换
• 2.3 Log系数变换域直方图法
• 2.3.1 Log系数变换域直方图特点
• 2.3.2 变换域直方图均衡化
• 2.3.3 变换域直方图平移
• 2.3.4 变换域直方图匹配
• 2.4 小结
• 3 基于对比度熵的图像质量评价和参数选取
• 3.1 传统的图像质量评价标准
• 3.2 基于对比度熵的图像质量评价标准
• 3.3 选取最优评价标准
• 3.4 选取最优变换和最优参数
• 3.5 小结
• 4 基于面向结构噪声估计的自适应邻域去噪算法
• 4.1 噪声类型
• 4.2 传统图像去噪算法
• 4.2.1 均值滤波
• 4.2.2 快速中值滤波
• 4.3 自适应邻域去噪算法
• 4.3.1 自适应邻域
• 4.3.2 自适应邻域滤波算法
• 4.3.3 倒数加权的窗口自适应邻域滤波算法
• 4.4 噪声估计
• 4.4.1 局部标准差法
• 4.4.2 快速噪声确定法
• 4.4.3 面向结构的噪声估计法
• 4.4.4 噪声估计方法的比较
• 4.5 基于面向结构噪声估计的自适应邻域去噪方法
• 4.6 小结
• 5 基于视觉特性的图像质量评价方法
• 5.1 人眼视觉特性
• 5.1.1 视觉幅度非线性
• 5.1.2 多通道和掩蔽效应
• 5.2 图像视觉心理评价
• 5.2.1 失真敏感度
• 5.2.2 边缘失真
• 5.2.3 清晰度
• 5.3 基于图像客观保证度的客观评价
• 5.3.1 亮度
• 5.3.2 对比度表现度
• 5.3.3 结果相似度
• 5.3.4 客观保证度
• 5.4 图像质量综合评价方案
• 5.4.1 图像质量综合评价模型
• 5.4.2 前置去噪和后置去噪的综合评价
• 5.5 小结
• 6 不同环境下的颜色保持
• 6.1 颜色空间
• 6.1.1 RGB颜色空间
• 6.1.2 YUV颜色空间
• 6.1.3 HSI颜色空间
• 6.1.4 YUV颜色空间与HSI颜色空间的颜色保真评价
• 6.2 基于HSI颜色空间的Log系数变换域直方图方法
• 6.2.1 多种恶劣天气条件下彩色图像增强
• 6.2.2 图像质量较高与图像质量退化情况下的增强效果比较
• 6.3 小结
• 7 总结与展望
• 7.1 本文的研究工作
• 7.2 不足与展望
• 致谢
• 参考文献