彩色图像增强算法的研究与FPGA实现
发布时间：2021-11-27 02:51
随着通信技术和微电子技术的不断发展,图像和视频的应用越来越广泛。然而由于恶劣天气、光照不足以及成像设备较差等原因,经常会导致获取到的图像较暗且细节不清晰,这会严重影响到图像的视觉效果和有效信息提取。利用图像增强的方法,可以突出强调图像中有用信息,提升图像质量,使得处理之后的图像能够适用于后续的应用场景。因此,对图像增强技术的研究具有重要意义。本文针对一些经典的图像增强方法进行了优化和改进,并在此基础上提出了基于纹理抑制的全变分Retinex增强算法和邻域直方图均衡算法,本文的研究内容和成果如下:（1）本文提出了基于纹理抑制的全变分Retinex增强方法,该方法通过采用对光照分量的L-1正则化约束抑制了传统Retinex方法产生的图像光晕效应,通过引入对光照分量的纹理抑制,使得增强后图像的细节纹理信息较好的保存了下来。实验证明经该方法增强之后的图像在主观质量评价和客观质量评价均优于近期文献中同类方法。（2）本文提出了邻域直方图均衡算法,将邻域信息引入到直方图统计中,从而避免了直方图均衡过程中出现的尖峰情况。另一方面,通过在直方图均衡过程中加入比例因子,有效的对增强幅度进行控制,改善了图像...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
SSR算法增强的结果
第二章 图像增强理论与方法概述31( , )( , ) ( )( , )iiiiS x yC x y f S x y(2-25f 是映射函数，一般来说采用对数函数作为映射函数，因为对数函数更加符合人类视觉系统。MSRCR 算法的计算公式如下：1( , ) (log( ( , )) log( ( , )* ( , )))Ni i j i i jjr x y C S x y S x y F x y(2-26MSRCR 算法相较于 SSR 和 MSR 算法可以较好的保存图像的色彩信息，然而对于一些原本就有色彩丢失的图像来说，MSRCR 算法也无法起到较好的作用，增强的效果会不理想。图 2-9 为 MSR 算法以及 MSRCR 算法的增强结果。MSR 三个环绕尺度分别为1 2 3c 15, c 80, c 250。
第二章 图像增强理论与方法概述2(l r s )dx 是数据保真项，为了保证光照和反射率图像不偏离原始观测图像。2l dx 为理论值设定，μ 的值一般是接近于 0 的较小的数。利用 split Bergman 方法对(2-29)中的正则化函数进行求解，与 kimmel 所提出的方法步骤一样，在估计出光照图像 l 之后，采用伽马校正之后重新与反射率图像合并，即可得到最终增强的图像。图 2-10 为 kimmel 模型以及 Ng 模型的增强效果比较。
本文编号：3521417
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
SSR算法增强的结果
第二章 图像增强理论与方法概述31( , )( , ) ( )( , )iiiiS x yC x y f S x y(2-25f 是映射函数，一般来说采用对数函数作为映射函数，因为对数函数更加符合人类视觉系统。MSRCR 算法的计算公式如下：1( , ) (log( ( , )) log( ( , )* ( , )))Ni i j i i jjr x y C S x y S x y F x y(2-26MSRCR 算法相较于 SSR 和 MSR 算法可以较好的保存图像的色彩信息，然而对于一些原本就有色彩丢失的图像来说，MSRCR 算法也无法起到较好的作用，增强的效果会不理想。图 2-9 为 MSR 算法以及 MSRCR 算法的增强结果。MSR 三个环绕尺度分别为1 2 3c 15, c 80, c 250。
第二章 图像增强理论与方法概述2(l r s )dx 是数据保真项，为了保证光照和反射率图像不偏离原始观测图像。2l dx 为理论值设定，μ 的值一般是接近于 0 的较小的数。利用 split Bergman 方法对(2-29)中的正则化函数进行求解，与 kimmel 所提出的方法步骤一样，在估计出光照图像 l 之后，采用伽马校正之后重新与反射率图像合并，即可得到最终增强的图像。图 2-10 为 kimmel 模型以及 Ng 模型的增强效果比较。
本文编号：3521417
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3521417.html
