在霧霾或大霧天氣下,室外獲取的圖像清晰度低,使得交通部門的圖像處理系統(tǒng)的處理性能下降,對物體的識別能力急劇降低。因此如何對有霧圖像進(jìn)行有效的去霧和增強(qiáng)操作,是一個非常有現(xiàn)實意義的研究課題。本文提出了一種基于單幅圖像的快速去霧算法。在前人使用大氣光模型的基礎(chǔ)上,引入了改進(jìn)的濾波算法。在使用大氣光模型測試環(huán)境光后,我們用具有邊緣保護(hù)特性的雙邊濾波平滑塵霧濃度圖,可以很好地保留場景深度發(fā)生突變的邊緣;然后,利用偏中值濾波可以對高頻噪聲進(jìn)行有效抑制的特性,我們使用偏中值濾波平滑邊角處,從而可以避免在小目標(biāo)周圍保留一定量的霧,并能保留房屋等建筑邊角處發(fā)生突變的邊緣,使得圖像去霧結(jié)果更具魯棒性。實驗結(jié)果驗證了本文算法可以很好的避免圖像過飽和及光暈效應(yīng)的產(chǎn)生。對圖像進(jìn)行去霧操作不可避免的會造成圖像特征弱化。在一些特殊場景下,我們也會拍攝到特征弱化的圖像。對于特征弱化的圖像進(jìn)行圖像增強(qiáng)操作是進(jìn)行很多其他操作的基礎(chǔ)。本文提出了一種新的基于改進(jìn)Lab色彩空間Retinex算法的圖像增強(qiáng)算法。利用Lab色彩空間亮度分量和色度分量互不干擾的特性,我們將簡單預(yù)處理后的圖像轉(zhuǎn)換到Lab色彩空間。在此空間中,我們將... 

【文章來源】：齊魯工業(yè)大學(xué)山東省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 本論文選題的背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 圖像去霧技術(shù)研究的國內(nèi)外現(xiàn)狀
        1.2.2 圖像增強(qiáng)技術(shù)研究的國內(nèi)外現(xiàn)狀
        1.2.3 車牌識別技術(shù)研究的國內(nèi)外現(xiàn)狀
    1.3 本論文各章節(jié)的主要內(nèi)容
第2章 圖像去霧與圖像增強(qiáng)技術(shù)綜述
    2.1 圖像去霧方法介紹
    2.2 圖像增強(qiáng)方法介紹
    2.3 MATLAB相關(guān)簡介
第3章 一種基于改進(jìn)雙邊濾波的圖像去霧算法
    3.1 暗通道統(tǒng)計先驗
    3.2 大氣散射模型
        3.2.1 白平衡
        3.2.2 環(huán)境光的粗估計
        3.2.3 基于雙邊濾波的細(xì)化操作
        3.2.4 偏中值濾波平滑
    3.3 圖像恢復(fù)
    3.4 本文算法流程及實驗結(jié)果
        3.4.1 算法流程
        3.4.2 實驗結(jié)果及分析
    3.5 本章結(jié)論
第4章 基于Lab色彩空間的改進(jìn)Retinex算法的圖像增強(qiáng)算法
    4.1 Retinex算法介紹
    4.2 圖像增強(qiáng)預(yù)處理
    4.3 Lab色彩空間處理
    4.4 改進(jìn)的Retinex算法
        4.4.1 Retinex理論基礎(chǔ)
        4.4.2 改進(jìn)的引導(dǎo)濾波
        4.4.3 反射分量提亮
        4.4.4 圖像結(jié)合
    4.5 本文算法流程及實驗結(jié)果
        4.5.1 算法流程
        4.5.2 實驗結(jié)果及分析
    4.6 本章結(jié)論
第5章 車牌識別系統(tǒng)
    5.1 圖像預(yù)處理
    5.2 車牌定位
        5.2.1 霍夫變換直線檢測
        5.2.2 數(shù)學(xué)形態(tài)學(xué)運(yùn)算
    5.3 車牌字符分割
        5.3.1 水平投影分析
        5.3.2 垂直投影分析
    5.4 車牌字符識別
        5.4.1 卷積神經(jīng)網(wǎng)絡(luò)（CNN）
        5.4.2 字符識別
    5.5 實驗結(jié)果
    5.6 結(jié)論
第6章 總結(jié)與展望
參考文獻(xiàn)
致謝
在學(xué)期間主要科研成果
    一、發(fā)表的學(xué)術(shù)論文
    二、其他科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的時間序列算法綜述[J]. 沈旭東.  信息技術(shù)與信息化. 2019(01)
[2]深度學(xué)習(xí)算法在山區(qū)植被分類中的應(yīng)用[J]. 王健.  價值工程. 2019(04)
[3]基于Hough變換的無人機(jī)航線自動生成[J]. 李航,沙月進(jìn),胡伍生.  測繪通報. 2018(S1)
[4]基于深度數(shù)據(jù)的車輛目標(biāo)檢測與跟蹤方法[J]. 陸德彪,郭子明,蔡伯根,姜維,王劍,上官偉.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(03)
[5]改進(jìn)的異質(zhì)大氣光估計的圖像去霧算法[J]. 余朋,文小琴,汪兆棟,賀樂.  計算機(jī)工程與設(shè)計. 2018(03)
[6]自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)算法[J]. 李大軍,杜神斌,郭丙軒,聶欣然,楊力偉.  電子技術(shù)應(yīng)用. 2018(03)
[7]基于機(jī)器學(xué)習(xí)的多車牌識別算法應(yīng)用研究[J]. 鄭顧平,閆勃勃,李剛.  計算機(jī)技術(shù)與發(fā)展. 2018(06)
[8]圖像處理與識別技術(shù)的發(fā)展應(yīng)用[J]. 郭元戎.  電子技術(shù)與軟件工程. 2018(01)
[9]群智能算法優(yōu)化的結(jié)合熵的最大類間方差法與脈沖耦合神經(jīng)網(wǎng)絡(luò)融合的圖像分割算法[J]. 程述立,汪烈軍,秦繼偉,杜安鈺.  計算機(jī)應(yīng)用. 2017(12)
[10]基于改進(jìn)Retinex的城市交通圖像增強(qiáng)[J]. 王峰萍,王衛(wèi)星,楊楠,隋立春.  交通運(yùn)輸系統(tǒng)工程與信息. 2017(05)

博士論文
[1]圖像快速去霧與清晰度恢復(fù)技術(shù)研究[D]. 嵇曉強(qiáng).中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所） 2012
[2]霧天降質(zhì)圖像增強(qiáng)方法研究及DSP實現(xiàn)[D]. 許志遠(yuǎn).大連海事大學(xué) 2010

碩士論文
[1]基于彩色QR-Code的LCD-Camera可見光通信系統(tǒng)[D]. 張奇.南京郵電大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的建筑風(fēng)格圖像分類的研究[D]. 郭昆.武漢理工大學(xué) 2017
[3]基于復(fù)合神經(jīng)網(wǎng)絡(luò)的開放域問題分類方法研究與實現(xiàn)[D]. 周忠誠.國防科學(xué)技術(shù)大學(xué) 2017
[4]基于二維碼的爆破設(shè)備管理系統(tǒng)的設(shè)計與開發(fā)[D]. 姚昕.湖南大學(xué) 2017
[5]基于暗通道的圖像去霧算法研究[D]. 賀曉燕.湖南大學(xué) 2015
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別研究[D]. 葉浪.東南大學(xué) 2015
[7]霧霾圖像清晰化處理算法的研究[D]. 胡媛媛.南京理工大學(xué) 2014
[8]復(fù)雜背景下的車牌圖像增強(qiáng)與字符識別研究[D]. 余維.武漢理工大學(xué) 2013
[9]電路板芯片引腳焊接缺陷機(jī)器視覺檢測系統(tǒng)[D]. 吳君強(qiáng).天津科技大學(xué) 2013
[10]基于SIFT算法的車牌識別系統(tǒng)研究[D]. 郭金芝.西安電子科技大學(xué) 2012



本文編號：2946140