低照度图像增强与超分辨率重建算法研究

发布时间：2021-03-10 08:31

　　因雨、雾、霾等光线不足的自然环境影响,或因成像系统精度低等采集设备的物理条件限制,图像通常存在亮度过低、噪声明显、细节缺失或分辨率模糊等问题,导致人们无法直接获取其中蕴含的有用信息。因此,本文以低照度降质图像和低分辨率降质图像为研究对象,提出了基于加权引导滤波的低照度图像增强算法,以及基于深度残差学习的图像超分辨率重建算法。主要研究工作和成果如下:（1）针对低照度降质图像亮度低、对比度差、目标物难分辨等缺陷,本文在现有Retinex图像增强算法的研究基础上,提出了一种基于加权引导滤波的低照度图像增强算法。该算法两次利用加权引导滤波,一次用于图像光照成分估计,并对其结果进行局部光照提升,克服了Retinex算法存在的光晕、细节模糊等缺陷;一次用于处理反射分量,防止噪声放大;同时,通过S型双曲正切函数调整图像亮度,增加图像对比度。此外,利用颜色空间转换和线性色彩恢复方法处理彩色图像,从而有效避免了Retinex算法发生的色彩扭曲、失衡现象。经实验验证,该增强算法对图像的整体亮度、细节清晰度和对比度都有很好的增强效果,且色彩自然,视觉感官效果更佳。（2）针对SRCNN和FSRCNN图像重建模... 

【文章来源】：西安科技大学陕西省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

里不同类型的中心哪绕型及.tin助算法增强结果

本节主要对基于插值、重建、学习这三大类超分辨率重建方法中一些典型重本理论进行介绍。??１?Ｂｉｃｕｂｉｃ插值方法??图像插值技术是最早用处理ＬＲ图像重建任务的方法，它依据图像邻域内相邻的强相关性构建特定的插值函数，从己知点的像素值中估计出需插值的未知像，最为经典的是Ｂｉｃｕｂｉｃ插值方法。??Ｂｉｃｕｂｉｃ插值方法计算未知像素点的值，主要是根据该未知点与其周边４ｘ４邻１６个像素点的关联性，采用三次多项式函数／〇〇作为插值核进行加权内插而图２．５为Ｂｉｃｕｂｉｃ插值方法的示意过程。这里，假设输入图像为＾，待插值的像（／?＋?？，＿／?＋?１），？＾￡［０，１］，则別〇１１＾插值方法的基本插值公式为：??Ｉｈ（ｉ?＋?ｕ，ｊ?＋?ｖ）?＝?ＡｘＢｘＣ?（２其中，??Ａ?＝?［／（ｌ?＋?Ｍ），?ｆ（ｕ），?／（Ｉ?－ｕ），?ｆ（２?－?ｕ）］?（２从－１，／）从－１，＿／?＋?１）?／，（ｆ－ｌ，＿／?＋?２）??

辨率重建任务领域，并采用ＳＧＤ?（随机梯度下降）法优化ＭＳＥ?（最小均方误差）损失??函数，使得ＬＲ降质图像的重建质量比传统重建方法有了较大程度的提高。但该模型网??络层数太浅，无法学习到更深层次的图像特征；同时，采用Ｂｉｃｕｂｉｃ插值方法作为模型??初始化输入的预处理操作，这在一定程度上降低了该模型的计算效率，因此，在后期发??展中反卷积、Ｓｕｂ－ｐｉｘｅｌ卷积等操作逐步取代Ｂｉｃｕｂｉｃ插值操作。??

【参考文献】：
期刊论文
[1]融合同态滤波和小波变换的图像去雾算法研究[J]. 董静薇,赵春丽,海博.  哈尔滨理工大学学报. 2019(01)
[2]图像抛物线插值空间大容量可逆信息隐藏算法[J]. 王继军,孙泽锐,李国祥.  电子学报. 2019(01)
[3]梯度优化的有理函数图像插值[J]. 杜宏伟,张云峰,包芳勋,王平,张彩明.  中国图象图形学报. 2018(05)
[4]图像超分辨率重建的研究进展[J]. 曾凯,丁世飞.  计算机工程与应用. 2017(16)
[5]图像梯度场双区间均衡化的细节增强[J]. 丁畅,董丽丽,许文海.  电子学报. 2017(05)
[6]基于深度学习的图像超分辨率复原研究进展[J]. 孙旭,李晓光,李嘉锋,卓力.  自动化学报. 2017(05)
[7]基于域滤波的自适应Retinex图像增强[J]. 涂清华,戴声奎.  计算机工程与科学. 2016(09)
[8]一种煤矿井下图像增强算法[J]. 程德强,郑珍,姜海龙.  工矿自动化. 2015(12)
[9]自适应正则MAP的CT图像重建方法研究[J]. 何玲君,潘晋孝,孔慧华.  计算机工程与应用. 2011(28)
[10]一种基于单尺度Retinex的雾天降质图像增强新算法[J]. 黄黎红.  应用光学. 2010(05)

硕士论文
[1]基于深度学习的图像超分辨率重建技术研究[D]. 崔顺.西安电子科技大学 2017



本文编号：3074380