L0范数在图像增强变分模型中的应用

发布时间：2024-06-04 21:50

　　图像是人类感知世界、认识世界最有效的途径,具有很好地视觉信息。但是由于图像在传送或获取的途中,往往会受到外界众多事物的影响而导致误差的存在。这不仅影响图像的整体效果,而且会对图像的后续处理造成一定的影响,因此,对于图像的增强这一技术的研究尤为重要。近几年。图像增强技术的发展越来越成熟,基于变分的图像增强技术也越来越普遍。尤其是Retinex变分模型提出后,众多学者在此基础上相继提出许多的改进模型,例如被广泛的应用到图像增强中的TV-Retinex模型。同样,利用大气散射模型对图像增强的技术应用也越来越广泛,尤其是应用到图像去雾方面。本文在详细研究这两种经典的图像增强方法基础上,利用L0范数的稀疏性,对经典的图像增强算法做如下改进:首先,本文在TV-Retinex变分模型的基础上,提出了基于L0范数和Retinex理论的图像增强变分模型。由于L0范数相较于L1范数具有更好的稀疏性,本文改进的模型将照度分量的正则项约束由L1范数改进为L0范数,并应用到Retinex变分模型当中。实验结果表明,利用本文算法得到的照度分量比其他方法得到的要光滑很多,与图像照度分量空间平滑性的设想相同。此外,利...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景
    1.2 图像增强研究现状
    1.3 本文内容安排
第二章 图像增强的基本理论与方法
    2.1 人眼视觉特性
        2.1.1 视觉关注
        2.1.2 亮度及对比敏感度
        2.1.3 视觉掩盖
    2.2 基本理论
        2.2.1 Retinex理论
        2.2.2 大气散射模型
    2.3 图像增强的经典方法
        2.3.1 基于大气散射模型图像去雾算法
        2.3.2 基于Retinex理论的图像增强算法
    2.4 图像的质量评价标准
        2.4.1 主观评价
        2.4.2 客观评价
    2.5 本章小结
第三章 基于L0 范数的Retinex图像增强变分模型
    3.1 改进的新模型
    3.2 模型的求解
    3.3 实验结果与分析
    3.4 本章小结
第四章 基于L0范数的图像去雾变分模型
    4.1 本章改进的算法
    4.2 模型的求解
    4.3 实验结果与分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文主要工作
    5.2 相关工作展望
参考文献
致谢
作者简介



本文编号：3989213