论文部分内容阅读
数字图像是一种常见的数字信息媒介。近年来,随着各类智能手机、摄像头等的普及,数字图像生成数量正在逐渐上升。然而,由于数字相机等在拍照时不适当的曝光以及传感器的感光范围的局限,产生的图像质量不佳,这使得一些基于数字图像的应用如自动驾驶、刑事侦查等应用变得困难;图像增强算法正是基于解决此类问题而生。近年来陆续有各种数字图像增强算法的出现。本文通过对现有的数字图像增强算法的理论分析与实验,本文总结出以往提出的算法存在的问题:对于不均匀照度、低照度等情形的处理不佳,这些算法往往在图像增强过程中对图像自然性保持不佳。对于拍摄于高对比度场景的图像的增强效果较差;此外,现有的数字图像增强技术对视觉显著度涉及较少,产生的增强图像对观众不友好。有鉴于此,本文提出一种基于视觉显著度的算法实现图像增强,旨在有效地解决现有算法存在的上述问题:本文先对图像进行曝光校正后使用基于视觉显著度的方法融合,随后通过基于视觉显著度的优化算法得到优化的图像,最后通过动态比扩展之后获得最终输出图像。本文主要的工作以及贡献如下:(1)本文在搜集大量资料并对现有图像增强方法进行实验分析之后,提出了一种基于视觉显著度的图像曝光校正融合方法以及对比度优化增强算法,并在此基础上提出一种基于高动态比图像生成与色调映射实现动态比扩展的框架。(2)在此基础上,本文构建一个退化图像的数据集,并且对提出的方法与已有常见图像增强算法在常见数据集和本文构建的数据集上进行主观评估以及相关统计指标的测试。测试结果表明本方法对退化图像如低照度图像和非均匀照度图像具有良好的增强效果。(3)最后,本文通过理论分析以及大量的对比试验,证明了本文提出的基于视觉显著度的图像增强算法能够有效的处理低照度图像和非均匀光照的输入图像;另外,通过实验对比发现,本文提出的算法运算耗时短,与大部分已有算法对比存在明显的优势。