图像去雾与增强技术的研究与应用
发布时间：2020-12-29 19:05
在雾霾或大雾天气下,室外获取的图像清晰度低,使得交通部门的图像处理系统的处理性能下降,对物体的识别能力急剧降低。因此如何对有雾图像进行有效的去雾和增强操作,是一个非常有现实意义的研究课题。本文提出了一种基于单幅图像的快速去雾算法。在前人使用大气光模型的基础上,引入了改进的滤波算法。在使用大气光模型测试环境光后,我们用具有边缘保护特性的双边滤波平滑尘雾浓度图,可以很好地保留场景深度发生突变的边缘;然后,利用偏中值滤波可以对高频噪声进行有效抑制的特性,我们使用偏中值滤波平滑边角处,从而可以避免在小目标周围保留一定量的雾,并能保留房屋等建筑边角处发生突变的边缘,使得图像去雾结果更具鲁棒性。实验结果验证了本文算法可以很好的避免图像过饱和及光晕效应的产生。对图像进行去雾操作不可避免的会造成图像特征弱化。在一些特殊场景下,我们也会拍摄到特征弱化的图像。对于特征弱化的图像进行图像增强操作是进行很多其他操作的基础。本文提出了一种新的基于改进Lab色彩空间Retinex算法的图像增强算法。利用Lab色彩空间亮度分量和色度分量互不干扰的特性,我们将简单预处理后的图像转换到Lab色彩空间。在此空间中,我们将...
【文章来源】：齐鲁工业大学山东省
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 本论文选题的背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 图像去雾技术研究的国内外现状
1.2.2 图像增强技术研究的国内外现状
1.2.3 车牌识别技术研究的国内外现状
1.3 本论文各章节的主要内容
第2章 图像去雾与图像增强技术综述
2.1 图像去雾方法介绍
2.2 图像增强方法介绍
2.3 MATLAB相关简介
第3章 一种基于改进双边滤波的图像去雾算法
3.1 暗通道统计先验
3.2 大气散射模型
3.2.1 白平衡
3.2.2 环境光的粗估计
3.2.3 基于双边滤波的细化操作
3.2.4 偏中值滤波平滑
3.3 图像恢复
3.4 本文算法流程及实验结果
3.4.1 算法流程
3.4.2 实验结果及分析
3.5 本章结论
第4章 基于Lab色彩空间的改进Retinex算法的图像增强算法
4.1 Retinex算法介绍
4.2 图像增强预处理
4.3 Lab色彩空间处理
4.4 改进的Retinex算法
4.4.1 Retinex理论基础
4.4.2 改进的引导滤波
4.4.3 反射分量提亮
4.4.4 图像结合
4.5 本文算法流程及实验结果
4.5.1 算法流程
4.5.2 实验结果及分析
4.6 本章结论
第5章 车牌识别系统
5.1 图像预处理
5.2 车牌定位
5.2.1 霍夫变换直线检测
5.2.2 数学形态学运算
5.3 车牌字符分割
5.3.1 水平投影分析
5.3.2 垂直投影分析
5.4 车牌字符识别
5.4.1 卷积神经网络（CNN）
5.4.2 字符识别
5.5 实验结果
5.6 结论
第6章 总结与展望
参考文献
致谢
在学期间主要科研成果
一、发表的学术论文
二、其他科研成果
【参考文献】：
期刊论文
[1]基于深度学习的时间序列算法综述[J]. 沈旭东. 信息技术与信息化. 2019(01)
[2]深度学习算法在山区植被分类中的应用[J]. 王健. 价值工程. 2019(04)
[3]基于Hough变换的无人机航线自动生成[J]. 李航,沙月进,胡伍生. 测绘通报. 2018(S1)
[4]基于深度数据的车辆目标检测与跟踪方法[J]. 陆德彪,郭子明,蔡伯根,姜维,王剑,上官伟. 交通运输系统工程与信息. 2018(03)
[5]改进的异质大气光估计的图像去雾算法[J]. 余朋,文小琴,汪兆栋,贺乐. 计算机工程与设计. 2018(03)
[6]自适应双边滤波的Retinex图像增强算法[J]. 李大军,杜神斌,郭丙轩,聂欣然,杨力伟. 电子技术应用. 2018(03)
[7]基于机器学习的多车牌识别算法应用研究[J]. 郑顾平,闫勃勃,李刚. 计算机技术与发展. 2018(06)
[8]图像处理与识别技术的发展应用[J]. 郭元戎. 电子技术与软件工程. 2018(01)
[9]群智能算法优化的结合熵的最大类间方差法与脉冲耦合神经网络融合的图像分割算法[J]. 程述立,汪烈军,秦继伟,杜安钰. 计算机应用. 2017(12)
[10]基于改进Retinex的城市交通图像增强[J]. 王峰萍,王卫星,杨楠,隋立春. 交通运输系统工程与信息. 2017(05)
博士论文
[1]图像快速去雾与清晰度恢复技术研究[D]. 嵇晓强.中国科学院研究生院（长春光学精密机械与物理研究所） 2012
[2]雾天降质图像增强方法研究及DSP实现[D]. 许志远.大连海事大学 2010
硕士论文
[1]基于彩色QR-Code的LCD-Camera可见光通信系统[D]. 张奇.南京邮电大学 2018
[2]基于卷积神经网络的建筑风格图像分类的研究[D]. 郭昆.武汉理工大学 2017
[3]基于复合神经网络的开放域问题分类方法研究与实现[D]. 周忠诚.国防科学技术大学 2017
[4]基于二维码的爆破设备管理系统的设计与开发[D]. 姚昕.湖南大学 2017
[5]基于暗通道的图像去雾算法研究[D]. 贺晓燕.湖南大学 2015
[6]基于卷积神经网络的人脸识别研究[D]. 叶浪.东南大学 2015
[7]雾霾图像清晰化处理算法的研究[D]. 胡媛媛.南京理工大学 2014
[8]复杂背景下的车牌图像增强与字符识别研究[D]. 余维.武汉理工大学 2013
[9]电路板芯片引脚焊接缺陷机器视觉检测系统[D]. 吴君强.天津科技大学 2013
[10]基于SIFT算法的车牌识别系统研究[D]. 郭金芝.西安电子科技大学 2012
本文编号：2946140
【文章来源】：齐鲁工业大学山东省
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 本论文选题的背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 图像去雾技术研究的国内外现状
1.2.2 图像增强技术研究的国内外现状
1.2.3 车牌识别技术研究的国内外现状
1.3 本论文各章节的主要内容
第2章 图像去雾与图像增强技术综述
2.1 图像去雾方法介绍
2.2 图像增强方法介绍
2.3 MATLAB相关简介
第3章 一种基于改进双边滤波的图像去雾算法
3.1 暗通道统计先验
3.2 大气散射模型
3.2.1 白平衡
3.2.2 环境光的粗估计
3.2.3 基于双边滤波的细化操作
3.2.4 偏中值滤波平滑
3.3 图像恢复
3.4 本文算法流程及实验结果
3.4.1 算法流程
3.4.2 实验结果及分析
3.5 本章结论
第4章 基于Lab色彩空间的改进Retinex算法的图像增强算法
4.1 Retinex算法介绍
4.2 图像增强预处理
4.3 Lab色彩空间处理
4.4 改进的Retinex算法
4.4.1 Retinex理论基础
4.4.2 改进的引导滤波
4.4.3 反射分量提亮
4.4.4 图像结合
4.5 本文算法流程及实验结果
4.5.1 算法流程
4.5.2 实验结果及分析
4.6 本章结论
第5章 车牌识别系统
5.1 图像预处理
5.2 车牌定位
5.2.1 霍夫变换直线检测
5.2.2 数学形态学运算
5.3 车牌字符分割
5.3.1 水平投影分析
5.3.2 垂直投影分析
5.4 车牌字符识别
5.4.1 卷积神经网络（CNN）
5.4.2 字符识别
5.5 实验结果
5.6 结论
第6章 总结与展望
参考文献
致谢
在学期间主要科研成果
一、发表的学术论文
二、其他科研成果
【参考文献】：
期刊论文
[1]基于深度学习的时间序列算法综述[J]. 沈旭东. 信息技术与信息化. 2019(01)
[2]深度学习算法在山区植被分类中的应用[J]. 王健. 价值工程. 2019(04)
[3]基于Hough变换的无人机航线自动生成[J]. 李航,沙月进,胡伍生. 测绘通报. 2018(S1)
[4]基于深度数据的车辆目标检测与跟踪方法[J]. 陆德彪,郭子明,蔡伯根,姜维,王剑,上官伟. 交通运输系统工程与信息. 2018(03)
[5]改进的异质大气光估计的图像去雾算法[J]. 余朋,文小琴,汪兆栋,贺乐. 计算机工程与设计. 2018(03)
[6]自适应双边滤波的Retinex图像增强算法[J]. 李大军,杜神斌,郭丙轩,聂欣然,杨力伟. 电子技术应用. 2018(03)
[7]基于机器学习的多车牌识别算法应用研究[J]. 郑顾平,闫勃勃,李刚. 计算机技术与发展. 2018(06)
[8]图像处理与识别技术的发展应用[J]. 郭元戎. 电子技术与软件工程. 2018(01)
[9]群智能算法优化的结合熵的最大类间方差法与脉冲耦合神经网络融合的图像分割算法[J]. 程述立,汪烈军,秦继伟,杜安钰. 计算机应用. 2017(12)
[10]基于改进Retinex的城市交通图像增强[J]. 王峰萍,王卫星,杨楠,隋立春. 交通运输系统工程与信息. 2017(05)
博士论文
[1]图像快速去雾与清晰度恢复技术研究[D]. 嵇晓强.中国科学院研究生院（长春光学精密机械与物理研究所） 2012
[2]雾天降质图像增强方法研究及DSP实现[D]. 许志远.大连海事大学 2010
硕士论文
[1]基于彩色QR-Code的LCD-Camera可见光通信系统[D]. 张奇.南京邮电大学 2018
[2]基于卷积神经网络的建筑风格图像分类的研究[D]. 郭昆.武汉理工大学 2017
[3]基于复合神经网络的开放域问题分类方法研究与实现[D]. 周忠诚.国防科学技术大学 2017
[4]基于二维码的爆破设备管理系统的设计与开发[D]. 姚昕.湖南大学 2017
[5]基于暗通道的图像去雾算法研究[D]. 贺晓燕.湖南大学 2015
[6]基于卷积神经网络的人脸识别研究[D]. 叶浪.东南大学 2015
[7]雾霾图像清晰化处理算法的研究[D]. 胡媛媛.南京理工大学 2014
[8]复杂背景下的车牌图像增强与字符识别研究[D]. 余维.武汉理工大学 2013
[9]电路板芯片引脚焊接缺陷机器视觉检测系统[D]. 吴君强.天津科技大学 2013
[10]基于SIFT算法的车牌识别系统研究[D]. 郭金芝.西安电子科技大学 2012
本文编号：2946140
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2946140.html
