因雨、霧、霾等光線不足的自然環(huán)境影響,或因成像系統(tǒng)精度低等采集設(shè)備的物理條件限制,圖像通常存在亮度過低、噪聲明顯、細節(jié)缺失或分辨率模糊等問題,導(dǎo)致人們無法直接獲取其中蘊含的有用信息。因此,本文以低照度降質(zhì)圖像和低分辨率降質(zhì)圖像為研究對象,提出了基于加權(quán)引導(dǎo)濾波的低照度圖像增強算法,以及基于深度殘差學(xué)習(xí)的圖像超分辨率重建算法。主要研究工作和成果如下:（1）針對低照度降質(zhì)圖像亮度低、對比度差、目標物難分辨等缺陷,本文在現(xiàn)有Retinex圖像增強算法的研究基礎(chǔ)上,提出了一種基于加權(quán)引導(dǎo)濾波的低照度圖像增強算法。該算法兩次利用加權(quán)引導(dǎo)濾波,一次用于圖像光照成分估計,并對其結(jié)果進行局部光照提升,克服了Retinex算法存在的光暈、細節(jié)模糊等缺陷;一次用于處理反射分量,防止噪聲放大;同時,通過S型雙曲正切函數(shù)調(diào)整圖像亮度,增加圖像對比度。此外,利用顏色空間轉(zhuǎn)換和線性色彩恢復(fù)方法處理彩色圖像,從而有效避免了Retinex算法發(fā)生的色彩扭曲、失衡現(xiàn)象。經(jīng)實驗驗證,該增強算法對圖像的整體亮度、細節(jié)清晰度和對比度都有很好的增強效果,且色彩自然,視覺感官效果更佳。（2）針對SRCNN和FSRCNN圖像重建模... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

里不同類型的中心哪繞型及.tin助算法增強結(jié)果

本節(jié)主要對基于插值、重建、學(xué)習(xí)這三大類超分辨率重建方法中一些典型重本理論進行介紹。??１?Ｂｉｃｕｂｉｃ插值方法??圖像插值技術(shù)是最早用處理ＬＲ圖像重建任務(wù)的方法，它依據(jù)圖像鄰域內(nèi)相鄰的強相關(guān)性構(gòu)建特定的插值函數(shù)，從己知點的像素值中估計出需插值的未知像，最為經(jīng)典的是Ｂｉｃｕｂｉｃ插值方法。??Ｂｉｃｕｂｉｃ插值方法計算未知像素點的值，主要是根據(jù)該未知點與其周邊４ｘ４鄰１６個像素點的關(guān)聯(lián)性，采用三次多項式函數(shù)／〇〇作為插值核進行加權(quán)內(nèi)插而圖２．５為Ｂｉｃｕｂｉｃ插值方法的示意過程。這里，假設(shè)輸入圖像為＾，待插值的像（／?＋?？，＿／?＋?１），？＾￡［０，１］，則別〇１１＾插值方法的基本插值公式為：??Ｉｈ（ｉ?＋?ｕ，ｊ?＋?ｖ）?＝?ＡｘＢｘＣ?（２其中，??Ａ?＝?［／（ｌ?＋?Ｍ），?ｆ（ｕ），?／（Ｉ?－ｕ），?ｆ（２?－?ｕ）］?（２從－１，／）從－１，＿／?＋?１）?／，（ｆ－ｌ，＿／?＋?２）??

辨率重建任務(wù)領(lǐng)域，并采用ＳＧＤ?（隨機梯度下降）法優(yōu)化ＭＳＥ?（最小均方誤差）損失??函數(shù)，使得ＬＲ降質(zhì)圖像的重建質(zhì)量比傳統(tǒng)重建方法有了較大程度的提高。但該模型網(wǎng)??絡(luò)層數(shù)太淺，無法學(xué)習(xí)到更深層次的圖像特征；同時，采用Ｂｉｃｕｂｉｃ插值方法作為模型??初始化輸入的預(yù)處理操作，這在一定程度上降低了該模型的計算效率，因此，在后期發(fā)??展中反卷積、Ｓｕｂ－ｐｉｘｅｌ卷積等操作逐步取代Ｂｉｃｕｂｉｃ插值操作。??

【參考文獻】：
期刊論文
[1]融合同態(tài)濾波和小波變換的圖像去霧算法研究[J]. 董靜薇,趙春麗,海博.  哈爾濱理工大學(xué)學(xué)報. 2019(01)
[2]圖像拋物線插值空間大容量可逆信息隱藏算法[J]. 王繼軍,孫澤銳,李國祥.  電子學(xué)報. 2019(01)
[3]梯度優(yōu)化的有理函數(shù)圖像插值[J]. 杜宏偉,張云峰,包芳勛,王平,張彩明.  中國圖象圖形學(xué)報. 2018(05)
[4]圖像超分辨率重建的研究進展[J]. 曾凱,丁世飛.  計算機工程與應(yīng)用. 2017(16)
[5]圖像梯度場雙區(qū)間均衡化的細節(jié)增強[J]. 丁暢,董麗麗,許文海.  電子學(xué)報. 2017(05)
[6]基于深度學(xué)習(xí)的圖像超分辨率復(fù)原研究進展[J]. 孫旭,李曉光,李嘉鋒,卓力.  自動化學(xué)報. 2017(05)
[7]基于域濾波的自適應(yīng)Retinex圖像增強[J]. 涂清華,戴聲奎.  計算機工程與科學(xué). 2016(09)
[8]一種煤礦井下圖像增強算法[J]. 程德強,鄭珍,姜海龍.  工礦自動化. 2015(12)
[9]自適應(yīng)正則MAP的CT圖像重建方法研究[J]. 何玲君,潘晉孝,孔慧華.  計算機工程與應(yīng)用. 2011(28)
[10]一種基于單尺度Retinex的霧天降質(zhì)圖像增強新算法[J]. 黃黎紅.  應(yīng)用光學(xué). 2010(05)

碩士論文
[1]基于深度學(xué)習(xí)的圖像超分辨率重建技術(shù)研究[D]. 崔順.西安電子科技大學(xué) 2017



本文編號：3074380