论文部分内容阅读
随着科技的发展和数字图像处理技术的普及,视频图像器材越来越多地运用于日常生活、交通安全和医学影像等各个行业。然而,由于设备精密度的缺陷、光照强度的影响和自然环境的干扰,捕捉到的图像亮度较低,图像细节信息难以辨析并伴随大量噪声干扰等一系列问题。因此需要对低质量图像进行图像增强和噪声去除,从而提高输入图像整体的亮度和质量。本文主要对低照度图像和夜间图像这两类图像亮度增强算法分别进行研究。通过分析已有算法存在的缺陷,我们对两种类型图像的亮度进行自适应增强,对图像增强时普遍存在的噪声放大现象进行降噪处理。主要研究成果如下:首先,针对低照度图像增强,本文提出具有自适应截止滤波的局部空间同态滤波器算法。现有的空间多尺度同态滤波算法存在约束输入图像尺寸大小和边缘块效应现象等缺陷,我们提出局部空间同态滤波算法,该算法无需约束输入图像尺寸大小,不仅可以提高图像亮度,还能消除边缘块效应。由于同态滤波器算法的截止频率点是一个固定值,无法自适应不同特征图像,我们取图像频谱幅值的五分之四作为截止频率点,达到自适应效果。为了进一步提升图像色彩饱和度,在S通道上采用局部同态滤波理。其次,针对图像增强后存在噪声干扰现象,本文提出梯度域方差引导滤波算法。具有降噪保边效果的引导滤波其归整化参数λ是固定值,滤波结果存在光晕现象,所以我们选用梯度域引导滤波器。梯度域引导滤波算法处理图像的结果其平滑区域比较大,对图像细节信息保留较少,因此我们需要对其改进提出梯度域方差引导滤波算法。梯度域方差引导滤波算法通过用像素点之间方差大小的相关性来优化惩罚函数,从而使得梯度域方差引导滤波器在滤波过程中能保留更多图像细节信息。最后,针对夜间图像增强,本文提出采用L通道进行自适应的透射率估计。基于暗通道先验去雾框架的夜间图像增强算法,其反转图像的暗通道图边缘存在膨胀现象,并且暗通道优化需要消耗大量时间等缺点,我们提出用反转图像的L通道图代替暗通道图来增强夜间图像。相比于暗通道图,L通道图具有更多的图像细节信息,同时L通道图也节省了暗通道图优化所需时间。为了避免反转图像中近白色物体对全局大气光值的干扰,我们采用L通道和均值暗通道相结合优化全局大气光估计,进一步提高夜间图像增强实验效果。