资源描述：
《低照度图像增强算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第一章绪论或者有大片空地，想加光源很难。随着社会的发展，人口流动性大，各种治安案件90%基本上发生在夜间。所以对低照度环境下监控是重中之重，而对获得的低照度图像进行增强显得尤为紧迫。低照度图像具有灰度范围较窄、相邻像素的空间相关性高、灰度变化不明显等特点，这使得图像中的物体、背景、细节、噪声等信息包含在一个较窄的灰度范围内[v]。因此，必须将获取的源图像转换成一种更加适合于人眼观察和计算机分析处理的形式。1.3研究现状图像增强是图像处理中一类基本技术，它不考虑图像质量下降原因，只将感兴趣的特征有选择地突出，而衰减不需
2、要的特征，它的主要目的是提高图像的可懂度。图像增强包涵了非常广泛的内容，凡是改变原始图像的结构关系以取得更好的判断和应用效果的所有处理手段，都可以归结为图像增强处理。传统的图像增强方法大致可分为三大类[i]：第一类为点变换，即处理时只与本身像素点的值有关，而与空间位置无关。第二类为空间域处理，在处理中往往作邻域加权和处理。第三类为频域处理，即是在图像的某种变换域内，对图像的变换值进行增强处理，然后通过逆变换获得增强图像。此外，还有小波去噪、同态滤波、中值滤波、伪彩色、假彩色等处理方法。目前，尽管各种图像增强技术已形成
3、了许多成熟、经典的处理方法，但新的增强技术依然层出不穷，如局部直方图均衡化增强算法[vi，vii]、利用模糊逻辑理论的增强[viii，ix]、基于小波变换的增强方法[ix，x]和数学形态学方法的增强[xi]。图像增强方面目前还没有统一的质量评价标准[i]，这主要源于缺乏从图像外观的角度进行主观判别的数学度量工具。因此，图像增强技术的探索具有实验性和多样性。1.4论文内容安排全文围绕低照度图像增强算法而展开，共分为5章，具体安排如下：第一章绪论简要地介绍选题背景、研究方法和发展现状。3安徽大学硕士学位论文低照度图像增强
4、算法研究第二章介绍图像增强的基本理论。第三章以常见的直方图均衡化方法为例，列出了几种改进的直方图均衡化算法，通过实验结果和数据说明这种方法存在的弊端以及将来待改进的地方。第四章介绍了基于融合方法的增强技术。先简要介绍常见的融合方法步骤，在此基础上提出了一种基于统计方法的融合技术。第五章介绍了基于时空域的增强技术。先简要介绍时空域增强方法的优势及常见做法，在此基础上提出了一种改进的基于时空域的增强技术。第六章总结与展望。对全文做了一个总结并对数字图像增强算法进一步研究进行了展望。4第二章图像增强的基本理论第二章图像增强
5、的基本理论1.3数字图像的基本概念2.1.1数字图像的表示通常获得的图像不能直接用计算机进行处理，在进行处理前必须先转换为数字图像。数字化的过程包括3个步骤：扫描、采样和量化。从计算机的角度来看，数字图像可看作为对二维函数f(x,y)进行采样和量化即离散处理后得到的图像[xii]。因此，通常会用二维矩阵来表示一幅图像。当一幅图像从物理过程产生时，它的值通常正比于物理源的辐射能量（如电磁波）。因此，f(x,y)一定是非零和有限的[xix]。将一幅图像进行数字化将得到一个二维整数矩阵，如式2-1定义了一幅大小为M×N的数
6、字图像⎡⎢⎢⎢⎢⎣ff(0,0)(1,0)Μ−1,0)f(Mff(0,1)(1,1)−1,1)f(MΚΚff(0,N1)−⎤⎥f(1,N−1)⎥Κ⎥⎥(M−1,N−1)⎦f(x,y)=（2-1）其中矩阵的每个元素称为图像单位、图像元素或像素。2.1.2采样采样是用一个网络把待处理的图像覆盖，取每一小格上模拟图像的中点或交叉点处模拟图像的亮度值作为该方格上的值。它对图像空间的离散化决定了图像的空间分辨率[xii]。2.1.1量化将采样后所得的各像素灰度值从模拟量到离散量的转换称为图像灰度的量化。它决定了图像的灰度分辨率
7、。图2-1显示了对一幅图像进行采样、量化后的二维矩阵表示。5安徽大学硕士学位论文低照度图像增强算法研究图2-1图像取样和量化的结果1.3图像增强的基本方法图像增强技术通常有两类方法：空间域方法和频率域方法。空间域增强方法针对像素灰度值直接处理。常见的如灰度变换、图像空域平滑和锐化处理、直方图修正、伪彩色处理等。频率域增强方法则是基于图像的傅里叶变换来增强或抑制所希望的频谱，从而实现对图像频谱的改善。2.1.1灰度变换灰度变换是图像增强技术中最简单也是最重要的手段之一[9,12]。灰度变换可扩展图像对比度，获得较为清晰
8、图像。它对输入的像素灰度进行修正，灰度变换可表示为g(x,y)=T(f(x,y))(2-2)其中T表示输入灰度值和输出灰度值之间的函数关系。根据不同的应用要求和函数的性质，可采用下文的灰度变换方法。1.比例线性灰度变换对给定的灰度空间，设原图像f(x,y)的灰度变换范围为[a,b]，变换后的图像g(x,y)的灰度扩展为[c,d]，则可采用下式来
