导读:本文包含了梯度域论文开题报告文献综述及选题提纲参考文献，主要关键词:低照度图像,图像增强,梯度域引导滤波,Retinex理论
梯度域论文文献综述
李红,王瑞尧,耿则勋,胡海峰[1]（2019）在《基于多尺度梯度域引导滤波的低照度图像增强算法》一文中研究指出针对低照度彩色图像整体亮度较低,增强图像中颜色易失真,部分图像细节淹没在较低灰度值像素中等问题,提出一种改进的低照度图像增强算法。首先,把待处理图像转换到色调、饱和度、亮度(HSI)颜色空间,对亮度分量进行非线性全局亮度校正;然后,提出多尺度梯度域引导滤波的亮度增强模型,利用该模型对校正后的亮度分量进行增强,接着对增强后的亮度分量进一步实施避免颜色失真的亮度校正;最后,将图像再转换回红绿蓝(RGB)颜色空间。实验结果表明,增强后的图像亮度平均提高90.0%以上,清晰度平均提高123.8%以上,这主要得益于多尺度梯度域引导滤波具有更好的亮度平滑和增强能力;同时由于减小了颜色失真,使增强图像的细节表现能力平均提高18.2%以上;由于采用了多尺度梯度域引导滤波的亮度增强模型与直方图自适应的亮度校正算法,使提出的低照度图像增强算法适宜应用于夜间等弱光源条件下的彩色图像增强。(本文来源于《计算机应用》期刊2019年10期）
郭业才,郑慧颖,叶飞[2]（2019）在《梯度域和深度学习的图像运动模糊盲去除算法》一文中研究指出针对传统图像去运动模糊方法易放大噪声,产生振铃效应等问题,提出一种基于梯度域和深度学习的图像运动模糊盲去除算法。该算法利用引导滤波和L0滤波对图像进行预处理,将预处理后的梯度域图像块送入设计的卷积神经网络进行训练;提取训练好的模型参数,实现模糊核估计与图像复原;在图像复原过程中使用TV正则项进行图像去模糊。与其他算法相比,该算法能有效地抑制振铃效应和减弱噪声,去运动模糊效果较好。(本文来源于《实验室研究与探索》期刊2019年06期）
朱程涛,李锵[3]（2018）在《基于梯度域引导滤波的视差精炼迭代算法》一文中研究指出在立体匹配算法中,视差精炼过程是影响立体匹配精度的重要步骤.针对传统基于权重中值滤波的视差精炼算法,其滤波性能不佳导致精炼后的立体匹配精度不高的问题,本文提出了一种基于梯度域引导滤波的视差精炼迭代算法.该算法首先依据梯度域引导滤波的原理,将其应用于视差精炼的过程,得到改进后的权重中值滤波算法;同时对视差图进行迭代精炼,以提高立体匹配精度.实验仿真结果表明,相较于传统方法,本文算法能够有效地降低视差精炼的平均误差,获得较高精度的视差图.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2018年06期）
古博[4]（2018）在《梯度域多曝光图像融合》一文中研究指出为解决多曝光图像融合的问题,提出了一种新颖的直接将多曝光图像融合成适合显示的低动态范围图像的方法,并且具备消除运动伪影的能力。使用联合柱状图探究两幅图像之间像素值的对应关系,对每幅图像检测分别得到一幅伪影权值图,用来构造融合时的度量。在梯度域中进行融合,根据多维黎曼流形几何(Riemannian Geometry),从多个输入图像的结构张量中推导得出融合的梯度域,然后使用均值滤波器在多尺度上进行梯度域的非线性修改,通过解泊松方程得到融合图像。最后,还提出了一种新颖的色彩复原算法,用以避免造成色彩偏差。实验表明,该方法能够有效融合含运动物体的多曝光图像,无论哪幅图像被选作参考图像,都能获得高质量的结果图像。该算法同时具有处理的有效性和时间的高效性。(本文来源于《电讯技术》期刊2018年05期）
赵宇飞[5]（2018）在《基于梯度域的多源图像融合关键技术研究》一文中研究指出图像融合学科是图像处理与信息融合两大学科的交集,而图像融合学科中的一个重要的研究内容便是多传感器图像的融合问题。不同传感器在成像原理上存在本质区别,多源图像之间在各个方面均存在较大差异。这些差异一方面使得多源图像融合结果可以提供更多信息,另一方面也使得许多应用在同源图像融合上的方法不再适用。如何使异源图像中的显着信息以符合人眼视觉特性的方式,在融合结果中无失真地显现是多源图像融合研究中需要解决的核心问题。图像的梯度,无论在何种图像源中都反映了图像中的边缘,纹理等显着变化的信息,这些变化的信息恰恰是最容易被人眼视觉系统捕捉的信息。借助梯度域,可以将不同图像源中的变化信息高效地整合至融合图像中。因此,基于梯度域的多源图像融合方法具有重要的研究价值与意义,也是当前多源图像融合领域中的一类重要方法。本文主要对多源图像在梯度域融合过程中涉及的关键技术进行了研究与探索。首先对图像融合技术的背景与发展过程,研究现状进行了归纳与总结。随后对多源图像融合领域常用的异源图像对,及其成像原理进行了分析与总结。阐述了异源图像融合的应用价值及其面临的问题。其次,对数字图像信号的梯度场构建与基于梯度场的数字图像信号重建方法进行了详细的阐述与理论推导,为多源图像的梯度域融合与重构提供了坚实的理论支撑。在梯度域方法中,基于结构张量的融合方法,是近年来新兴的一种性能优异的多源融合方法。本文详细介绍了结构张量的概念,分析了当前基于结构张量的多源图像梯度域融合方法存在的优势与弊端。并在此基础上,首先提出了一种图像局部结构相似性度量来衡量不同梯度场的局部相似性,随后利用该相似性度量对结构张量融合梯度场进行自适应尺度的相似性滤波。从而实现对融合梯度场的精细调整,使得显着目标更加突出,同时提升算法的鲁棒性与抗噪声性能。最后,本文设计了详尽的实验,对本文算法的各个组成部分逐一进行了可行性测试,同时将不同经典以及较新的多源图像融合方法与本文所提方法,在客观,主观,细节表现,抗噪声能力,鲁棒性等方面进行了详细地对比。实验结果表明,本文所提的基于局部结构相似性度量的梯度域尺度自适应滤波算法,可以有效地提升融合后图像的整体质量,融合更多的显着信息,同时兼具更好的抗噪声性能。(本文来源于《电子科技大学》期刊2018-04-02）
占文枢,伦增珉,陈洪刚,周霞,陈敬勖[6]（2018）在《基于像素及梯度域双层深度卷积神经网络的页岩图像超分辨率重建》一文中研究指出实际采集的页岩图像存在分辨率低等不足,有时难以满足实际应用的需求。针对此问题,构建了一种基于双层深度卷积神经网络的页岩图像超分辨率重建算法。算法以深度卷积神经网络为基础,引入残差训练及批规范化层来加速网络的收敛,并且在此神经网络的基础上提出图像像素域及梯度域结合的页岩图像超分辨率重建算法。算法大致过程为首先利用像素域的卷积神经网络对输入的低分辨率页岩图像进行上采样;然后对上采样图像提取梯度信息并利用梯度域的卷积神经网络对其进行转换;最后利用转换后的梯度信息作为正则项来约束高分辨率图像的重建,从而得到重建的高分辨率页岩图像。实验表明,与主流的超分辨率重建算法相比,重建得到的页岩图像具有更好的主观视觉效果与更高的客观评价参数,更利于后续的处理及分析。(本文来源于《科学技术与工程》期刊2018年03期）
乔滨[7]（2017）在《基于全变分Retinex及梯度域的雾天图像增强算法》一文中研究指出雾天交通能见度低,对于道路交通和行车安全而言十分不利,容易引发交通事故,因此需要利用技术手段使图像在雾天可以增强。本文将通过目前研究领域常见的全变分Retinex和梯度域两种算法对雾天图像进行增强,并对增强结果进行分析,为雾天图像增强和像素取值技术提供参考和支持。(本文来源于《电子技术与软件工程》期刊2017年24期）
齐秀梅[8]（2017）在《基于梯度域结构稀疏性的单次测量相位恢复算法研究》一文中研究指出相位成像的关键是相位恢复,相位恢复是指利用某种线性变换的幅值对原始图像进行重建。本文研究在SPICA(Single-shot Phase Imaging with a Coded Aperture)成像模型下的近场相位恢复算法。由于相位信息的缺失,该问题是病态的,具有不适定性。本文在稀疏表示的基础上,利用图像的全变差和图像梯度域的重迭组结构稀疏性,对近场相位恢复算法进行研究,具体研究内容如下:首先,针对SPICA成像模型中包含两个菲涅尔衍射过程,利用复图像幅值部分和相位部分的全变差,改进了两步求解的单次测量相位恢复算法。算法分为两个步骤,第一步利用HIO算法恢复掩膜之后的光场,第二步将幅值和相位的全变差作为正则项来求解对应的压缩感知问题。对第二步的求解使用了两种方法,实验结果验证了本章算法的有效性。其次,将SPICA成像模型中的两个菲涅尔衍射过程看作一个整体过程,同样利用幅值部分和相位部分的全变差,提出了基于全变差的单次测量相位恢复算法。然后通过对离散全变差求偏导,使用最速下降法求解相应的最优化问题。通过实验结果,表明该算法的重构结果明显优于对比算法。最后,针对全变差在图像处理中引起的阶梯效应问题,提出了基于结构稀疏性的单次测量相位恢复算法。该算法利用图像全变差的重迭组结构稀疏性,将重迭的结构稀疏正则项以卷积形式表示,使求解过程更简单,并利用最速下降法求解相应的优化问题。实验结果表明,该算法在有噪声的情况下也能够有效地实现对复图像的重构。(本文来源于《燕山大学》期刊2017-05-01）
潘磊,袁小珂,周欢[9]（2016）在《单幅图像梯度域实时去雾算法》一文中研究指出针对现有去雾算法实时性不足的缺陷,同时为了改善目前梯度域去雾算法易产生误差、稳定性较弱的问题,提出一种单幅图像的梯度域实时去雾算法。该算法基于大气光散射模型,根据透射率的估计值直接计算雾天图像的梯度衰减系数,并进行梯度复原。对于图像边界位置上的像素点,先在空间域上进行去雾处理,然后将处理后的像素值作为边界条件,从梯度域重建出最终的复原图像。实验结果表明,该算法能获得较好的去雾效果,且实时性较高。(本文来源于《计算机工程》期刊2016年10期）
于典[10]（2016）在《基于梯度域的静脉图像增强算法研究》一文中研究指出近些年来,静脉成像技术和静脉识别技术成为了一个热门的研究课题,愈来愈多的专家学者投入到了对静脉相关技术的研究当中。随着课题研究的深入,对成像和识别时所用手背静脉图像的质量要求也越来越高。没有高质量的手背静脉图像作为基础,即使拥有优秀的投影和匹配的方法,这些方法也无法展现它们的能力。因此,增强手背静脉图像,获得更多的特征信息,是后续工作得以有效进行的重要保障。本文将手背静脉图像增强作为研究对象,具体工作内容包括:1.合理地选择器件搭建了手背静脉图像采集系统,在采集阶段提高图像的采集质量。对初步采集的图像作归一化和滤波去噪预处理,为后续工作做准备。2.提出一种基于梯度域的手背静脉图像增强算法。用sobel梯度算子将原图像信息转换到梯度空间后,采用针对手背静脉图像提出的变换函数对原图像的梯度场进行修改,使得大梯度衰减、小梯度增强,并对x和y方向的梯度分配不同的权值获得新的梯度场,最后用离散正弦变换从新梯度场中重建出增强的图像。3.通过实验对所提出的梯度域方法进行了验证,并与两种常用手背静脉图像增强方法的处理效果进行了比较,实验结果表明,本文的方法比这两种方法有更好的评价效果,是一种能够快速有效增强手背静脉图像的新方法。(本文来源于《天津理工大学》期刊2016-01-01）
梯度域论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统图像去运动模糊方法易放大噪声,产生振铃效应等问题,提出一种基于梯度域和深度学习的图像运动模糊盲去除算法。该算法利用引导滤波和L0滤波对图像进行预处理,将预处理后的梯度域图像块送入设计的卷积神经网络进行训练;提取训练好的模型参数,实现模糊核估计与图像复原;在图像复原过程中使用TV正则项进行图像去模糊。与其他算法相比,该算法能有效地抑制振铃效应和减弱噪声,去运动模糊效果较好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
梯度域论文参考文献
[1].李红,王瑞尧,耿则勋,胡海峰.基于多尺度梯度域引导滤波的低照度图像增强算法[J].计算机应用.2019
[2].郭业才,郑慧颖,叶飞.梯度域和深度学习的图像运动模糊盲去除算法[J].实验室研究与探索.2019
[3].朱程涛,李锵.基于梯度域引导滤波的视差精炼迭代算法[J].天津大学学报(自然科学与工程技术版).2018
[4].古博.梯度域多曝光图像融合[J].电讯技术.2018
[5].赵宇飞.基于梯度域的多源图像融合关键技术研究[D].电子科技大学.2018
[6].占文枢,伦增珉,陈洪刚,周霞,陈敬勖.基于像素及梯度域双层深度卷积神经网络的页岩图像超分辨率重建[J].科学技术与工程.2018
[7].乔滨.基于全变分Retinex及梯度域的雾天图像增强算法[J].电子技术与软件工程.2017
[8].齐秀梅.基于梯度域结构稀疏性的单次测量相位恢复算法研究[D].燕山大学.2017
[9].潘磊,袁小珂,周欢.单幅图像梯度域实时去雾算法[J].计算机工程.2016
[10].于典.基于梯度域的静脉图像增强算法研究[D].天津理工大学.2016