不良照明条件下的夜晚图像增强方法研究
发布时间：2025-07-03 04:29
视觉是人类获取信息的重要途径,其中图像承载着人们日常生活、工作和研究所需的大量信息。夜晚作为无法避开的拍摄场景,总是存在照明条件不良的环境,拍摄的图像亮度和细节可见度低,噪声等级高,容易出现色彩偏差,图像质量下降严重,影响图像的后续使用。为了提升夜晚图像的感知质量,本文针对夜晚图像增强方法展开研究,主要目标是提升图像亮度,抑制噪声放大和矫正色彩偏差。围绕夜晚图像亮度低、噪声分布复杂、存在色彩偏差这些具体特点,通过对图像质量增强相关理论和技术方法的深入研究,分析多种方法实际应用中的优势和不足,结合自然图像的统计特性和先验知识,并提出夜晚图像增强方法提升夜晚图像的质量。本文的研究内容和主要贡献概括如下:1.针对夜晚图像亮度和可见度低这一特点,提出了一种基于优化Retinex模型的夜晚图像增强方法。本文发现反转的夜晚图像和浓雾图像具有极其相似的亮度直方图分布,将图像去雾方法引入夜晚图像增强任务,验证本方法与Retinex模型的理论一致性。根据夜晚图像总是包含黑暗图像区域的特点,将大气光的值设置为反转夜晚图像内的最高亮度值,设计边缘保持的多尺度中值滤波方法计算透射函数,简化大气散射光照模型,最终...
【文章页数】：116 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 夜晚图像增强方法的研究现状
1.2.1 夜晚图像的特点
1.2.2 夜晚图像增强方法研究现状
1.2.3 图像增强算法性能评价标准
1.3 夜晚图像增强研究面临的问题
1.4 本文的主要研究内容与组织结构
第2章 基于物理模型的夜晚图像增强方法
2.1 引言
2.2 夜晚图像亮度特点分析
2.2.1 夜晚图像亮度直方图分布
2.2.2 暗通道先验
2.3 基于优化RETINEX模型的夜晚图像增强方法
2.3.1 计算图像和视频的大气光值
2.3.2 基于边缘保持滤波器计算透射图
2.3.3 增强结果与理论分析
2.4 基于物理模型的增强方法实验结果与分析
2.4.1 边缘保持滤波器的参数设置
2.4.2 夜晚图像增强结果质量比较实验
2.4.3 夜晚图像增强结果质量客观评价对比实验
2.5 本章小结
第3章 基于图像分解模型的夜晚图像增强方法
3.1 引言
3.2 图像分解在噪声抑制中的作用
3.2.1 图像结构层和纹理层分解
3.2.2 噪声抑制与图像增强的结合方式分析
3.3 基于多层图像分解的夜晚图像增强方法
3.3.1 结构层提取与增强
3.3.2 细节与噪声分离
3.4 基于图像分解模型的增强方法性能评价
3.4.1 图像分解方法的参数设置
3.4.2 增强结果亮度提升和噪声抑制的主观对比实验
3.4.3 增强结果亮度提升和噪声抑制客观对比实验
3.5 本章小结
第4章 基于全变分模型的夜晚图像增强方法
4.1 引言
4.2 夜晚场景光源分析
4.3 相机响应模型和亮度变换函数
4.4 基于加权核范数全变分模型的夜晚图像增强方法
4.4.1 色彩自适应照明图计算
4.4.2 基于加权核范数全变分模型的反射图平滑
4.4.3 基于亮度变换函数的亮度提升
4.5 基于全变分模型的增强方法性能评价
4.5.1 加权核范数全变分模型平滑参数设置
4.5.2 增强结果感知质量的主观对比实验
4.5.3 增强结果感知质量的客观对比实验
4.6 本章小结
第5章 基于稠密连接网络的夜晚图像增强方法
5.1 引言
5.2 深度学习在夜晚图像增强的应用
5.2.1 基于机器学习的低照度图像增强方法
5.2.2 稠密连接网络介绍
5.3 基于稠密连接神经网络的夜晚图像增强方法
5.3.1 构建低照度图像数据集
5.3.2 网络结构和训练过程
5.4 基于稠密连接网络的增强方法性能评价
5.4.1 测试图像增强结果的主观评价对比实验
5.4.2 测试图像增强结果的客观对比实验
5.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其它成果
致谢
个人简历
本文编号：4055771
【文章页数】：116 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 夜晚图像增强方法的研究现状
1.2.1 夜晚图像的特点
1.2.2 夜晚图像增强方法研究现状
1.2.3 图像增强算法性能评价标准
1.3 夜晚图像增强研究面临的问题
1.4 本文的主要研究内容与组织结构
第2章 基于物理模型的夜晚图像增强方法
2.1 引言
2.2 夜晚图像亮度特点分析
2.2.1 夜晚图像亮度直方图分布
2.2.2 暗通道先验
2.3 基于优化RETINEX模型的夜晚图像增强方法
2.3.1 计算图像和视频的大气光值
2.3.2 基于边缘保持滤波器计算透射图
2.3.3 增强结果与理论分析
2.4 基于物理模型的增强方法实验结果与分析
2.4.1 边缘保持滤波器的参数设置
2.4.2 夜晚图像增强结果质量比较实验
2.4.3 夜晚图像增强结果质量客观评价对比实验
2.5 本章小结
第3章 基于图像分解模型的夜晚图像增强方法
3.1 引言
3.2 图像分解在噪声抑制中的作用
3.2.1 图像结构层和纹理层分解
3.2.2 噪声抑制与图像增强的结合方式分析
3.3 基于多层图像分解的夜晚图像增强方法
3.3.1 结构层提取与增强
3.3.2 细节与噪声分离
3.4 基于图像分解模型的增强方法性能评价
3.4.1 图像分解方法的参数设置
3.4.2 增强结果亮度提升和噪声抑制的主观对比实验
3.4.3 增强结果亮度提升和噪声抑制客观对比实验
3.5 本章小结
第4章 基于全变分模型的夜晚图像增强方法
4.1 引言
4.2 夜晚场景光源分析
4.3 相机响应模型和亮度变换函数
4.4 基于加权核范数全变分模型的夜晚图像增强方法
4.4.1 色彩自适应照明图计算
4.4.2 基于加权核范数全变分模型的反射图平滑
4.4.3 基于亮度变换函数的亮度提升
4.5 基于全变分模型的增强方法性能评价
4.5.1 加权核范数全变分模型平滑参数设置
4.5.2 增强结果感知质量的主观对比实验
4.5.3 增强结果感知质量的客观对比实验
4.6 本章小结
第5章 基于稠密连接网络的夜晚图像增强方法
5.1 引言
5.2 深度学习在夜晚图像增强的应用
5.2.1 基于机器学习的低照度图像增强方法
5.2.2 稠密连接网络介绍
5.3 基于稠密连接神经网络的夜晚图像增强方法
5.3.1 构建低照度图像数据集
5.3.2 网络结构和训练过程
5.4 基于稠密连接网络的增强方法性能评价
5.4.1 测试图像增强结果的主观评价对比实验
5.4.2 测试图像增强结果的客观对比实验
5.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其它成果
致谢
个人简历
本文编号：4055771
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/4055771.html
最近更新
教材专著
