低照度环境下彩色图像增强算法研究

发布时间：2021-07-07 08:10

　　毫无疑问,高可见度图像反映了目标场景的清晰细节,这对于许多基于视觉的技术至关重要,例如物体检测和跟踪等。但是,在低光照度件下拍摄的图像通常具有较低的可见度。因此,为了提升图像的视觉效果,开展图像增强算法研究具有非常重要的理论意义与应用价值。本文首先介绍了一些低照度图像增强的基本理论,其次研究并分析了现有的一些图像增强算法,并根据相关算法存在的缺陷和实际情况对现有的算法进行改进和完善。本文的具体研究内容如下:1.本文提出了一种基于内容自适应直方图均衡化的图像增强算法。为了在图像增强时色彩不受影响,本文选择在HSI（Hue,Saturation,Intensity）颜色空间对图像进行处理。首先对强度I的直方图分量进行重新分布。其次,由于全局图像增强不能在不同区域均匀地增强图像的细节,因此在这种情况下需要对图像进行局部增强,所以采用了局部对比度调节的增强方案,并采用高斯滤波器来消除局部增强产生的棋盘效应。实验结果表明,本文提出的增强算法可以有效提高图像细节区域的对比度,使得增强后的图像更加符合人眼的视觉特性。2.本文提出了一种基于双树复数小波变换（Dual-tree Complex Wave... 

【文章来源】：南京邮电大学江苏省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

常见的低照度图像

南京邮电大学专业学位硕士研究生学位论文 第二章 图像增强的基础理论与方法范围的输入，现在具有强度值 的像素的概率由下式给出： (2.17)式中， 表示的是图像中第 个强度出现的次数， 是从 0 到 的强度值， 是图像中的像素总数。累积分布函数（Cumulative Distribution Function, CDF）通过公式以概率分布函数表示： (2.18)但是当像素值具有高概率时，全局直方图均衡化不是完美的解决方案，因为这些像素得到过度增强，而低概率的像素值得到低增强，这可能导致图像中目标对象质量下降，经典的直方图均衡化增强后的效果图如下所示：

( ) ( ) ( ) ( ) ( ) ( ( ) ( )) (2.19)式中， ( )为原始图像， ( )为反射分量， ( )为光照分量， 表示第i个色彩通道的反射图像，用 来表示卷积运算符， ( )是中心环绕函数，其可以表示为： ( ) ( ) (2.20)其中， 表示为高斯环绕的尺度函数， 是一个尺度函数，它的取值必须满足以下条件： ( ) (2.21)从上面的式子可以看出，环绕空间常数负责动态范围压缩和整体再现之间的调整。利用具有较小幅度的尺度可以导致更大的动态范围压缩，并且通过利用具有大幅度的内核可以实现更多的颜色恒定性。从上式我们可以看到，为了估计反射率，我们必须具有与图像一起的照度估计。因此，我们可以使用各种滤波器来进行照度估计，也可以使用滤镜来平滑图像，并且图像的平滑版本可以充当基于 Retinex 的大多数图像增强方法中的照明。

【参考文献】：
期刊论文
[1]海面目标的红外景象增强技术研究[J]. 丁畅,董丽丽,许文海.  光学学报. 2018(06)
[2]“直方图”均衡化图像增强技术研究综述[J]. 丁畅,董丽丽,许文海.  计算机工程与应用. 2017(23)
[3]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)
[4]小波阈值去噪法的深入研究[J]. 陈晓曦,王延杰,刘恋.  激光与红外. 2012(01)



本文编号：3269273