高清图像处理与显示关键技术研究

发布时间：2017-05-01 12:07

  本文关键词：高清图像处理与显示关键技术研究，由笔耕文化传播整理发布。

【摘要】：随着半导体技术的不断发展,以及图像采集与显示设备质量的不断提高,高清图像在影视娱乐,视频监控以及工业生产等领域的作用愈发凸显,广大消费者对高清图像的期望也越来越高。但是,受到图像采集设备、采集环境、传输过程以及终端显示设备的局限性等因素的影响,最终获得图像的质量低于预期的水平。本文就此方面的若干关键问题进行了研究,并在图像对比度增强、图像去雾、图像脉冲噪声去除和显示器亚像素渲染清晰化显示等方面取得了先进的理论成果和目前国际前沿水平的处理效果。本文的主要创新点有如下四点：(1)图像对比度增强可以大大提高图像的质量和视觉观感效果。目前许多主流的图像对比度增强算法都是基于图像直方图的增强方法,不论是传统的图像直方图还是基于扩展的二维直方图,都获得一个目标灰度变换函数。整幅图像采用同一个目标变换函数,而没有根据图像灰度所处的图像局部环境不同,而采用不同的处理方法,进而限制了图像对比度的增强效果。本文以增强所有非噪声图像细节为目的,通过模仿人类进行手工图像对比度增强的过程,将图像对比度和对比度所在的局部环境亮度联合考虑,提出了一种基于图像亮度自适应线性变换的图像对比度增强方法。该方法计算图像中每个像素位置的对比度和局部背景值,通过志愿者手工增强的图像效果,得到对比度和背景值的目标映射函数。然后通过对每个像素点值的线性变化来实现目标对比度和背景值,并且在此过程中利用交叉双边带滤波器平滑两个线性参数图像,最终达到增强图像所有非噪声细节的目的。(2)针对雾霾天气条件下,空气中悬浮颗粒和小液滴对光的散射效应导致拍摄到的室外图像对比度偏低且颜色淡化,质量严重退化的问题。目前大多数图像去雾霾方法都是基于简化的有雾图像生成模型,通过参数估计重构出无雾清晰图像,但是由于许多参数设置和简化近似使得清晰无雾图像很难被精确地估计出来。本文将有雾图像生成的简化模型,在HSV颜色空间进行推导分析,推到出HSV颜色空间与RGB颜色空间相比更适合解决图像去雾霾问题,且图像去雾霾问题可以看作是一个特殊的图像对比度增强问题。基于这两个观察,我们将图像去雾霾问题和图像对比度增强问题无缝隙的综合在一起,提出一种基于暗通道先验恢复图像饱和度,基于图像对比度增强方法调整图像亮度的单幅图像去雾霾方法。(3)脉冲噪声是图像获取和传输过程中常见的一种图像噪声,目前发表的脉冲噪声去除方法都是按照脉冲噪声噪声点检测和噪声点像素值重建两个标准步骤进行噪声去除的,没有更进一步的处理。而本文通过实验发现目前的图像脉冲噪声去除方法重建的噪声点像素值中含有服从近似拉普拉斯分布的重建误差,基于这个发现本文提出了一种带有后处理的图像脉冲噪声去除新框架,来进一步滤除这种重建误差,进而得到更好的图像脉冲噪声去除效果。实验仿真结果也表明,不论是从主观视觉观察还是客观PSNR值上看,我们提出的图像脉冲噪声去除新框架得到了目前最好的脉冲噪声去除效果。(4)亚像素渲染显示技术通过单独控制显示器的每个亚像素,可以明显提高显示器的显示分辨率,但是这会使得显示效果中出现走样现象和颜色失真假象。为了更好地抑制图像走样现象和颜色失真现象,本文将像素的亚像素几何结构和人类视觉系统的感知特性综合考虑,提出了一种基于人类视觉系统感知质量最优化的亚像素渲染显示技术,也就是使得人类视觉系统感知到的图像与真实场景的图像之间的差别最小。这是一个有约束的最优化过程,如果用传统的迭代方法求解,需要较高的计算复杂度。因此本文将问题变换到频域,进行分析推导,找出了一个快速的求解方法,这个求解方法可以直接解出显示图像各个频率的系数。实验结果表明,本文的亚像素渲染显示技术,与最先进的其他亚像素渲染技术相比,得到的显示效果图像边缘更加锐利,更加清晰,且颜色失真更少,同时计算复杂度保持在FFT的水平。
【关键词】：高清图像 对比度增强 图像去雾霾 HSV颜色空间 脉冲噪声去除 椒盐噪声 亚像素渲染 图像显示 人类视觉系统
【学位授予单位】：兰州大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 中文摘要3-5
• Abstract5-10
• 第一章 绪论10-22
• 1.1 高清图像概述10-12
• 1.2 高清图像增强研究背景12-17
• 1.2.1 图像对比度增强研究背景12-14
• 1.2.2 图像去雾霾研究背景14-15
• 1.2.3 图像脉冲噪声去除研究背景15-17
• 1.3 图像亚像素渲染显示研究背景17-19
• 1.4 论文主要工作19-20
• 1.5 论文章节安排20-22
• 第二章 高清图像对比度增强22-42
• 2.1 图像对比度增强的研究现状22-25
• 2.2 基于自适应线性变换的图像对比度增强方法25-31
• 2.2.1 图像对比度增强的算法描述26-30
• 2.2.2 图像对比度增强的具体实现步骤30-31
• 2.3 图像对比度增强实验结果及效果比较31-36
• 2.4 本章小结36-42
• 第三章 高清图像去雾霾42-66
• 3.1 雾产生机理及有雾图像简化模型42-47
• 3.2 图像去雾霾方法的研究现状47-49
• 3.2.1 多幅图像去雾霾方法47-48
• 3.2.2 单幅图像去雾霾方法48-49
• 3.3 HSV颜色空间基于图像对比度增强的去雾霾方法49-57
• 3.3.1 有雾图像模型在HSV颜色空间的分析49-53
• 3.3.2 基于HSV颜色空间的图像去雾方法描述53-56
• 3.3.3 基于HSV颜色空间的图像去雾的具体实现步骤56-57
• 3.4 图像去雾霾实验结果及效果比较57-59
• 3.5 本章小结59-66
• 第四章 高清图像脉冲噪声去除66-82
• 4.1 图像脉冲噪声简介66-69
• 4.1.1 图像脉冲噪声数学模型67-68
• 4.1.2 基于中值滤波器的图像脉冲噪声去除方法68
• 4.1.3 基于变分法的图像脉冲噪声去除方法68-69
• 4.2 重建误差的发现和分析69-71
• 4.3 带有后处理的图像脉冲噪声去除新框架71-73
• 4.4 图像脉冲噪声去除实验结果及效果比较73-77
• 4.5 本章小结77-82
• 第五章 高清图像亚像素渲染显示82-102
• 5.1 亚像素渲染简介82-85
• 5.2 亚像素渲染的研究现状85-86
• 5.3 基于人类视觉系统感知的亚像素渲染86-93
• 5.3.1 基于人类视觉系统感知的图像显示模型86-90
• 5.3.2 有约束最优化问题的迭代求解方法90
• 5.3.3 最优化问题的频域直接快速求解90-93
• 5.4 亚像素渲染实验结果及效果对比93-96
• 5.5 本章小结96-102
• 第六章 总结与展望102-105
• 6.1 本文工作总结102-103
• 6.2 进一步研究工作展望103-105
• 参考文献105-115
• 在学期间的研究成果115-117
• 致谢117

【参考文献】

中国期刊全文数据库 前2条

1 丁骏;;照相机的发展史[J];初中生世界(初二物理版);2008年Z6期

2 撒尼;Cola;;由历史看趋势,数码相机发展史[J];消费;2007年12期

  本文关键词：高清图像处理与显示关键技术研究，，由笔耕文化传播整理发布。

本文编号：338871