基于Retinex理论的图像增强算法研究

论文摘要

图像增强是数字图像处理方法中的常用方法之一。图像增强就是根据特定的需要突出一幅图像中的某些信息,同时削弱或除去某些不需要的信息的处理方法。图像增强的主要目的是使处理后的图像对某种特定的应用来说,比原始图像更适用,处理的结果使图像更适合人眼的观察或机器的识别。目前,图像增强广泛应用于模式识别、医学图像、遥感图像以及计算机视觉等领域。传统的空域和频域两类图像增强算法功能单一,只能够增强某一类图像,或是增强图像的某一些特征,而基于Retinex理论的增强算法具有锐化、颜色恒常性、动态范围压缩大、色彩逼真度高的优点。本文对Retinex增强算法进行了全面的分析和深入的研究,对McCann算法进行了改进和实现。主要工作如下：(1)提出了一种新的初始值估计方法。对于亮度差异较大的彩色图像,会因为设置非平滑的初始估计值而产生块状效应,针对这一缺点,本文以最大的等分区域均值来替代全局均值的方法作为图像初始估计,从而更好的修正了增强的图像,提高了图像的亮度和对比度,达到很好的视觉效果。(2)提出了新的明暗关系比较路径。在新路径能够展现图像中照度的变化情况同时又不减弱McCann算法增强效果的基础上,在估计亮度时,通过减少参与比较的像素点的个数,来提高算法的执行效率。(3)改进了基于McCann的彩色图像增强算法。本文在HSI空间中处理彩色图像,在对图像进行拉伸时,采用两种不同拉伸方法得到增强图像后,然后再进行图像融合得到最终的增强图像。不仅提高了图像的亮度,而且能减少颜色失真。(4)基于本文提出的改进方法,对多组灰度图像和彩色图像进行了仿真实验。灰度图像增强的实验表明,图像的亮度和信息熵都有所提高,在图像局部区域增强效果比较理想,本文算法得到的增强图像具有较大的动态范围；彩色图像增强实验表明,本文算法具有更好的色彩恒定性,具有较高的色彩保真度和亮度。最后,对增强图像的结果进行了简单分析,得出了本文的改进算法有效的结论。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 图像增强选题背景与研究意义
• 1.2 图像增强技术国内外的研究现状
• 1.2.1 基于空域的图像增强算法
• 1.2.2 基于频域的图像增强算法
• 1.3 论文完成的主要工作和论文结构
• 1.4 本章小结
• 第二章 Retinex理论图像增强算法概述
• 2.1 Retinex理论简介
• 2.2 Retinex理论图像增强技术概述
• 2.2.1 Retinex理论算法概述
• 2.2.2 基于中心环绕的Retinex理论算法
• 2.3 Retinex理论增强算法缺陷
• 2.4 本章小结
• 第三章 基于Retinex理论的McCann算法
• 3.1 McCann算法描述
• 3.1.1 前期的数据转换
• 3.1.2 像素间的明暗关系校正
• 3.1.3 后期数据显示
• 3.1.4 数据转换流程
• 3.2 彩色图像的McCann算法
• 3.2.1 RGB彩色模型的McCann算法
• 3.2.2 HSI彩色模型的McCann算法
• 3.2.3 YUV彩色模型
• 3.2.4 各种彩色图像增强方法比较
• 3.3 本章小结
• 第四章 改进型McCann算法
• 4.1 图像初始估计值研究
• 4.2 选择新的明暗关系比较路径
• 4.3 灰度图像改进型McCann算法
• 4.3.1 灰度图像改进型McCann算法描述
• 4.3.2 灰度图像实验结果
• 4.4 彩色图像改进型McCann算法
• 4.4.1 HSI彩色模型McCann算法描述
• 4.4.2 HSI模型彩色图像拉伸方法研究
• 4.5 本章小结
• 第五章 彩色图像增强实验对比与分析
• 5.1 实验一——彩色图像模型对比实验
• 5.2 实验二——改进型McCann算法增强实验
• 5.3 实验三——彩色图像的对比分析实验
• 5.4 实验四——块状效应修正实验
• 5.5 本章小结
• 第六章 工作总结与展望
• 6.1 主要工作与研究成果
• 6.2 不足与展望
• 致谢
• 参考文献
• 附录 攻读硕士学位期间发表的论文