论文部分内容阅读
夜间图像由于照明不足,存在图像对比度、亮度偏低,细节不可见,图像质量下降等问题。图像质量差会使得人们不能清楚的识别图像中的场景,并且这些质量差的图像往往不能直接用来分析和处理。在公共安全、军事侦察、无损探伤等领域夜间彩色图像增强技术都有光明的发展前景。为了能更好地识别图像中的场景,更好的利用质量较差的图像,对夜间获得的图像进行增强是很重要的,这种增强主要是使图像的对比度和亮度能够恢复到正常图像的水平。图像增强技术往往用于改善单幅夜间图像,使夜间图像变的清晰或者把感兴趣的部分突出出来,通过夜间增强技术处理后的图像更加适合人眼观察,符合机器的识别要求。目前用于图像增强的算法主要包括:直方图均衡化、基于Retinex的方法和夜间去除方法。本文通过对最优化方法、基于Retinex的算法以及字典学习方法的研究,在此基础上提出了三种新的夜间彩色图像增强方法。本论文的主要工作和创新点为:(1)基于目的性优化及改进直方图均衡化的夜间彩色图像增强方法:该算法通过目的性优化增强原图像对比度,最大程度的保留细节,然后利用改进的直方图均衡化方法以及改进的Gamma校正算法增强图像。通过大量的实验验证,该算法能够使增强后的图像中的场景信息表现的更加清晰,抑制“光晕伪影”现象,处理结果能够满足人的主观感受。(2)基于统计规律的Retinex夜间彩色图像增强方法:通过分析统计基于双边滤波的Retinex方法以及多尺度Retinex方法输入图像与光照估计图像之间的变换关系,利用得到的变换函数直接对照度图像进行求解,进而得到增强后的图像。该算法能够快速的增强图像质量,达到消除“光晕伪影”的目的。(3)基于字典学习及稀疏表示的夜间彩色图像增强方法,本算法首先对输入图像以及相应的正常图像的各个图像块使用K-SVD方法进行字典学习,得到两个过完备字典,并且两个字典对输入图像和相应的增强图像有相同的稀疏表示。因此,可以利用OMP算法得到输入图像在其对应字典的稀疏表示,通过得到的稀疏表示以及另一个字典获得增强后的图像。通过大量的实验验证,该算法在提升图像质量的同时能够有效的抑制噪声,并且能够抑制“光晕伪影”现象。