發(fā)布時(shí)間：2018-05-20 17:02

  本文選題：低照度圖像增強(qiáng) + 大氣散射模型��； 參考：《中國圖象圖形學(xué)報(bào)》2017年09期

【摘要】：目的針對(duì)目前低照度圖像增強(qiáng)算法存在噪聲敏感、易飽和等現(xiàn)象,提出了一種基于霧天退化模型的低照度圖像間接增強(qiáng)算法。方法首先將低照度圖像反轉(zhuǎn)成為擬霧圖;擬霧圖與真實(shí)霧天圖像有所不同,一是通常具有大面積明亮區(qū)域,二是大氣光值較高。對(duì)于大面積明亮區(qū)域,暗原色先驗(yàn)理論并不適用,不容易精確估計(jì)相應(yīng)透射率,因此,提出利用卷積神經(jīng)網(wǎng)絡(luò)求解透射率的方法;又針對(duì)全局大氣光值易出現(xiàn)飽和現(xiàn)象,提出使用局部大氣光值代替全局大氣光值,從而得到大氣光圖;之后,利用導(dǎo)向?yàn)V波對(duì)透射率圖和大氣光圖進(jìn)行修正;最后基于大氣散射模型還原出無霧圖像,再次反轉(zhuǎn)無霧圖像得到低照度圖像的增強(qiáng)結(jié)果。結(jié)果設(shè)計(jì)了3組實(shí)驗(yàn),第1組實(shí)驗(yàn)為各算法的主觀對(duì)照,第2組實(shí)驗(yàn)從客觀指標(biāo)上對(duì)各算法進(jìn)行比較分析,第3組為實(shí)驗(yàn)透射率與大氣光值的組合對(duì)照實(shí)驗(yàn)。結(jié)果表明,無論是與Retinex和MSRCR(multi-scale retinex with color restoration)為代表的直接增強(qiáng)算法比較,還是與基于He算法的間接增強(qiáng)等算法相比,本文算法在平均梯度、信息熵、峰值信噪比上均表現(xiàn)良好,且本文算法峰值信噪比平均比次優(yōu)結(jié)果高了2.6 d B,相對(duì)應(yīng)的方差較小,可以有效提高視覺效果,不僅有效提升了低照度圖像的亮度,又避免了明顯的顏色失真、曝光過度等現(xiàn)象。結(jié)論通過定性及定量的實(shí)驗(yàn)結(jié)果表明,本文算法不僅提高了視覺效果,且場景適應(yīng)能力較強(qiáng),能很好地增強(qiáng)室內(nèi)和室外的低照度圖像,且本文算法運(yùn)行時(shí)間中等,若結(jié)合cuda技術(shù),還可用于監(jiān)控視頻的實(shí)時(shí)增強(qiáng)。
[Abstract]:Aim to solve the problem of noise sensitivity and saturation in low illumination image enhancement algorithms, an indirect enhancement algorithm for low illumination image based on fog degradation model is proposed. Methods at first, the low-illuminance image is reversed into a fog-like image, which is different from the real fog image. One is that there is usually a large area of bright area, the other is that the atmospheric light value is relatively high. For a large area of bright areas, the prior theory of dark color priori is not applicable and it is not easy to estimate the corresponding transmittance accurately. Therefore, a convolution neural network method is proposed to solve the transmittance, and the global atmospheric light value is easily saturated. The local atmospheric light value is used instead of the global atmospheric light value to get the atmospheric light map. After that, the transmittance map and atmospheric light map are corrected by the guidance filter. Finally, the fog free image is reduced based on the atmospheric scattering model. The enhancement result of low illuminance image is obtained by inversion of fog-free image again. Results three groups of experiments were designed, the first group was the subjective control of each algorithm, the second group was the comparative analysis of each algorithm from the objective index, the third group was the combination of experimental transmittance and atmospheric light value. The results show that, compared with the direct enhancement algorithm represented by Retinex and MSRCR(multi-scale retinex with color restoration), or the indirect enhancement algorithm based on he algorithm, this algorithm performs well in average gradient, information entropy and peak signal-to-noise ratio. The average PSNR of this algorithm is 2.6 dB higher than the sub-optimal result, and the corresponding variance is smaller, which can effectively improve the visual effect, not only enhance the brightness of the low-illuminance image, but also avoid the obvious color distortion. Overexposure, etc Conclusion the qualitative and quantitative experimental results show that the proposed algorithm not only improves the visual effect, but also has a strong adaptability to the scene, and can enhance the low illuminance images both indoors and outdoors, and the running time of the algorithm is moderate. If combined with cuda technology, it can also be used to monitor the real-time video enhancement.
【作者單位】： 福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院;
【基金】：福建省產(chǎn)學(xué)合作重大項(xiàng)目(2016H6010) 福建省自然科學(xué)基金項(xiàng)目(2015J01420) 福建省引導(dǎo)性基金項(xiàng)目(2016Y0060) 福建省衛(wèi)生教育聯(lián)合攻關(guān)計(jì)劃項(xiàng)目(WKJ2016-2-26)~~
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李斯娜;;圖像增強(qiáng)基本理論綜述[J];價(jià)值工程;2010年19期

2 黃世國;耿國華;;一種非線性逆擴(kuò)散圖像增強(qiáng)算法[J];計(jì)算機(jī)應(yīng)用;2006年08期

3 吳笑松;李明;;數(shù)字乳腺圖像增強(qiáng)的應(yīng)用和比較[J];CT理論與應(yīng)用研究;2006年04期

4 都安平;趙永強(qiáng);潘泉;張惠娟;;基于偏振特征的圖像增強(qiáng)算法[J];計(jì)算機(jī)測量與控制;2007年01期

5 黃世國;耿國華;;一種前后向復(fù)擴(kuò)散圖像增強(qiáng)算法[J];小型微型計(jì)算機(jī)系統(tǒng);2007年03期

6 李鴻燕;郝潤芳;馬建芬;王華奎;;基于獨(dú)立分量分析的圖像增強(qiáng)[J];彈箭與制導(dǎo)學(xué)報(bào);2007年05期

7 史卉萍;耿國華;周明全;董建民;;基于模糊集的圖像增強(qiáng)[J];微計(jì)算機(jī)信息;2008年24期

8 Barry E.Mapen;代永平;;波域中的圖像增強(qiáng)[J];現(xiàn)代顯示;2008年09期

9 高潔;張倩;潘巍;;對(duì)九區(qū)域圖像增強(qiáng)算法的改進(jìn)研究[J];首都師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年S1期

10 韓濤;閆成新;;一種基于局部復(fù)雜度的水下圖像增強(qiáng)方法[J];現(xiàn)代制造工程;2009年12期

相關(guān)會(huì)議論文 前10條

1 薛麗;王波濤;;基于形態(tài)學(xué)的運(yùn)動(dòng)員號(hào)碼牌圖像增強(qiáng)[A];第十九屆測控、計(jì)量、儀器儀表學(xué)術(shù)年會(huì)(MCMI'2009)論文集[C];2009年

2 陳鉗生;陳英;李潤午;韋禮珍;;基于遺傳優(yōu)化的小波域印章圖像增強(qiáng)研究[A];2007中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

3 張瑩;王太勇;冷永剛;鄧輝;;調(diào)參雙穩(wěn)系統(tǒng)圖像增強(qiáng)應(yīng)用初探[A];2008年全國振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

4 李孟歆;金風(fēng);張穎;;一種新的圖像增強(qiáng)混合方法研究[A];創(chuàng)新沈陽文集（A）[C];2009年

5 謝云;余江;裴以建;白寶丹;;基于小生境遺傳算法的圖像增強(qiáng)[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

6 盧漢明;高德俊;;基于多尺度變換相結(jié)合的圖像增強(qiáng)算法[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 張鐵棟;秦再白;朱煒;;基于模糊算法的水聲圖像增強(qiáng)[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

8 劉毅;高旭輝;;一種改進(jìn)的夜視圖像增強(qiáng)處理算法[A];2006年全國光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

9 劉海華;高智勇;陳心浩;舒振宇;;基于形態(tài)學(xué)操作的圖像增強(qiáng)方法(英文)[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

10 趙建;;基于偏微分方程的非線性圖像增強(qiáng)方法[A];第九屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 陳燕;工業(yè)X射線圖像增強(qiáng)算法研究[D];中北大學(xué);2016年

2 趙文達(dá);基于變分法和偏微分方程的圖像增強(qiáng)和融合方法研究[D];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);2016年

3 云海姣;針對(duì)靶場圖像增強(qiáng)算法的研究與實(shí)現(xiàn)[D];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);2016年

4 侯國家;水下圖像增強(qiáng)與目標(biāo)識(shí)別算法研究[D];中國海洋大學(xué);2015年

5 趙凡;基于偏微分方程的圖像增強(qiáng)和分割方法研究[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2016年

6 許欣;圖像增強(qiáng)若干理論方法與應(yīng)用研究[D];南京理工大學(xué);2010年

7 李艷梅;圖像增強(qiáng)的相關(guān)技術(shù)及應(yīng)用研究[D];電子科技大學(xué);2013年

8 陳一平;圖像增強(qiáng)及其在視覺跟蹤中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2011年

9 孫飛飛;水下圖像增強(qiáng)和復(fù)原方法研究[D];中國海洋大學(xué);2011年

10 潘天工;面向PACS系統(tǒng)的圖像增強(qiáng)和圖像加密算法研究[D];哈爾濱理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 許文君;灰度圖像多尺度對(duì)比度增強(qiáng)電路設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

2 陳萌;多重虛擬曝光夜視圖像對(duì)比度增強(qiáng)算法研究[D];西南科技大學(xué);2015年

3 孔壯;霧天圖像增強(qiáng)方法研究及FPGA實(shí)現(xiàn)[D];電子科技大學(xué);2015年

4 趙雨;基于加權(quán)紅—黑小波變換的DR圖像增強(qiáng)方法研究[D];南方醫(yī)科大學(xué);2015年

5 阿依古力·吾布力;基于剪切波和NSST變換的圖像增強(qiáng)算法研究[D];新疆大學(xué);2015年

6 樓彬彬;基于模式分解的醫(yī)學(xué)圖像增強(qiáng)方法的研究與實(shí)現(xiàn)[D];東北大學(xué);2013年

7 王沖;基于視網(wǎng)膜機(jī)制的圖像增強(qiáng)算法研究[D];電子科技大學(xué);2015年

8 魏生峰;基于模糊數(shù)學(xué)理論的醫(yī)學(xué)影像增強(qiáng)應(yīng)用研究[D];電子科技大學(xué);2014年

9 石鑫;運(yùn)動(dòng)模糊霧霾圖像增強(qiáng)算法研究[D];東北大學(xué);2013年

10 錢晟;基于Retinex理論的圖像增強(qiáng)算法的應(yīng)用研究[D];北京工業(yè)大學(xué);2015年

本文編號(hào)：1915495