基于Retinex理论的低照度图像与视频增强算法研究

发布时间：2021-08-18 04:45

　　图像和视频信息在目前的生产生活中发挥着巨大的作用,它们作为重要的信息载体,促进着信息的交流,帮助着人们更加直观的去认知这个世界。但是在夜晚或者昏暗的照明环境下,采集设备捕获到的图片和视频往往都会存在着大量的噪声,而且一些有用的细节信息会直接丢失,它们会直接限制和影响人眼的观察效果,同时还会严重的影响到计算机视觉与图像处理相关应用。本文的研究目的是针对低照度图像和低照度视频进行有效的增强,在分析传统的增强算法的基础之上,重点研究了 Retinex算法理论以及对数图像处理（LIP）模型,提出了有效的低照度图像增强算法,并在提出的低照度图像增强算法之上,利用光流法原理,形成了一种有效的低照度视频增强算法。本文的主要工作和创新点如下:（1）在夜间采集到的图像由于受到灯光的影响,靠近灯光的部分比较亮,大部分细节清晰可见,但是远离灯光的部分,细节部分不可见,形成了高对比度的低照度图像。如果直接对此类图像进行整幅图像的对比度拉伸,往往会造成亮区域过度增强的现象。所以,为了解决对比度较大的这部分图像过度增强的问题,文中提出了一种基于Retinex自适应反射分量估计和对数图像处理减法后处理的低照度图像增... 

【文章来源】：南京邮电大学江苏省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

RGB色彩空间

学位论文 第二章S）和明度（V），色度表示图像的色彩信息，也就是示，从 开始逆时针计算， 表示红色， 表示绿为青色和品红。饱和度是表示图像的颜色接近光谱色其实可以看作光谱色与白色的混合，如果饱和度就是越饱和。亮度则表示颜色的明亮程度，不过在强度相混淆，它们之间没有直接的联系。其具体的

图 2.3 图像成像示意图son 与 Rahaman 研究得出 SSR[4]，SSR 的出现大大加快了图像SR 算法在对低照度彩色图像增强时，为了得到图像本质的反计，因此照度分量的估计成为了 Retinex 图像增强算法研究学家们发现将原始图像与中心环绕函数进行卷积能近似地估计什么样的函数能够近似准确的估计出图像的照度分量，研究出结论，高斯函数是最适合的中心环绕函数，因而在接下来的出成为了最常用的照度估计函数。SSR 算法的具体计算公式 ( ) = ( ) ( ) ( ) ， ( )表示经过处理之后的反射分量，接下来再对得到的对数域转换到实数域，最终得到增强后的图像( )。( )号， ( )表示估计照度分量的中心环绕函数，一般取高斯函( ) = x2 y2

【参考文献】：
期刊论文
[1]高动态范围图像及反色调映射算子[J]. 霍永青,彭启琮.  系统工程与电子技术. 2012(04)



本文编号：3349220