夜间图像增强算法研究及Matlab实现
第1章 绪论
1.1 本文研究意义与背景
夜间图像通常存在着主体或局部的亮度不足问题、在颜的饱和度与对比度方面也显著偏低,这就导致了许多可以展现夜间图像关键特征细节信息的东西没法得到充分展现。致使所获取到的夜间图像的质量严重下降的原因多种多样，例如采集装备的配置、复杂的环境照明、天气原因等因素的影响。我们通常把一幅局部直方图均衡化清晰的图像作为获取真实场景的主要条件[1]。针对质量下降的夜间图像,可以基于人类角度的计算机处理系统做进一步分析和仿真；亦可以直接采取图像增强算法，对其亮度、对比度及细节、彩隐藏信息进行增强以满足人类视觉系统要求[2]。
夜间图像在许多领域得到了相当广泛的运用。例如，通过对夜间红外图像的识别增强来获取敌方目标，这是在军事领域的应用；对夜间图像进行增强，加强对汽车号牌、驾驶员体态等重要信息进行识别，这是在公共交通领域的应用；为了减少颜失真、光线不均等造成的图像退化现象，可以对图像进行彩增强，这是在安防及摄影摄像领域的应用。
如今，虽然有几十种不同的增强处理方法,但这些算法都是有其专门性以及针对性，无法做到适应各种场合。本文将针对传统夜间图像增强算法中普遍的存在的局部光晕伪影问题，展开进一步研究，以期在保持夜间图像清晰自然的基础上，将其解决。
1.2本文研究工作及重点
夜间图像增强算法作为图像增强研究的一个重要分支。吸引着众多图像处理、目标检测方面的学者进行广泛而深入的研究。每年，都有很多研究成果问世，但整个领域依旧还有很大的发展空间。
夜间图像的提取有很多不可抗拒的因素存在。例如夜晚图像对比度低、周围的光照散射影响等。将针对一些应用较多的传统的夜间图像增强算法，如直方图均衡化增强算法、基于Retinex理论等理论进行研究以及仿真。针对于传统增强方法自身的普遍存在的光晕伪影，亮度不均匀做出改进。根据对光晕伪影的成因进行研判分析，提出并实现一种双滤波单尺度Retinex的夜间图像增强算法。
分析令夜间图像质量下降的缘由，同时也针对传统图像增强算法的不足，尝试通过
单尺度Retinex理论与双滤波方法的共同结合，解决传统算法的不足，且能够提高很多复杂环境下的夜间图像增强效果，满足科学技术发展日益提高的要求。最终，通过该方法与众多传统图像增强算法的效果图对比，验证本文算法的可靠性，有效性。
图1.1 本文实现框图
1.3本文的内容安排
  本文共设置6个章节，进行论述。具体安排如下：
第1章 绪论 主要介绍了夜间图像增强算法的研究、应用背景研究现状，以及研究工作的所遇到的瓶颈，在章节末尾概述论文的本文的研究工作及重点。
第2章 图像增强算法 重点介绍了几种图像增强算法的分类，包括空间域增强、频率域增强以及基于Retinex理论增强算法。
第3章 直方图均衡化算法 在这个章节中，将研究传统夜间图像增强算法中直方图均衡化算法。通过对其原理和均衡化过程的学习，采用Matlab平台仿真几幅有针对性的夜间图像，在结尾简略对这种算法进行分析评价。
第4章 基于Retinex理论的图像增强算法 在这个章节中，主要研究了Retinex理论这种传统的夜间图像增强算法的原理和分类。通过对几幅有针对性的夜间图像进行仿真，在结尾简略对这种算法进行分析讨论。
第5章 基于双边滤波的Retinex的改进算法 通过对之前传统图像效果的分析讨论，针对不足之处进行完善，在此基础上，创新性地提出一种双滤波与单尺度Retinex理论算法共同结合的夜间图像增强算法，详尽地介绍了这种新型夜间图像增强算法的原理。最后采用Matlab平台进行仿真实现该算法的性能。
第6章 算法仿真对比 采用主观评价以及客观评价两种方法，评价并且对比几种夜间图像增强算法对夜间不同时段图像的仿真效果图，以此比较出本文提出的算法的有效性，可靠性。
　第2章 图像增强算法
2．1图像增强技术
图像增强的技术要点对原图像附加一些信息采取一定的手段，如对数据进行转变，对图像中感兴趣的特征采取有目的性的突出或者将图像中某些对我们判别起到干扰的特征进行删除或者掩盖，让视觉响应和图像纹理等天然特性相匹配，这是图像增强的基本方法。图像增强技术包括并不局限于：直方图规定化处理，图像直方图均衡化处理，图像锐化处理等等。从技术分类的角度来讲：分为基于频率域、基于空间域以及基于Retinex理论图像增强处理法3种。频率域处理法利用卷积定理，通过对图像傅立叶变换修改以提高原始图像的质量，因此，频率域处理法是一种间接的算法；空间域处理法作为一种直接算法，将图像信息采取灰度映射转换，为原图像中的像素点进行直接处理操作，以提高原始图像的质量效果。Retinex是一种视网膜皮层理论与反射率结合的算法。
2．2空间域图像增强
2.2.1邻域均值滤波
邻域均值滤波可以用作于平滑噪声，具有不错的效果，但会在图像的边缘区域形成模糊效应。
2.2.2中值滤波
中值滤波是一种基于统计排序的滤波形式，可以用作平滑噪声也能够解决像邻域滤波所造成的模糊效应，边缘区域的保持效果良好，但计算时间较长。
2.2.3拉普拉斯模板
拉普拉斯算子因其自身是旋转不变的。可以作为一种简单的各向同性微分算子使用。拉普拉斯模板通常被应用于对图像锐化处理，效果很好，它对噪声比较敏感，这是它的缺点。一个二维图像函数的拉普拉斯变换式定义如下：
为使拉普拉斯变换适用于数字图像处理，可以以离散形式对其二阶导数进行表示：
此外，可以选择拉普拉斯运算符来处理原始图像，对图像进行灰度变换，最后为对图像进行锐化操作，需把原始图像与拉普拉斯图像累积叠加。锐化基本方法如下式表示：
锐化办法一方面能够将图像中的各灰度值保留，另一方面会使灰度变异处的对比度得到有效增强，最终，可以做到将图像背景保存下来，又具备把图像细节凸显的能力。
2.3频率域图像增强
2.3.1理想低通滤波器
传递函数：
               
式中，代表从频率平面的原点到作用点的距离，理想低通滤波器的截止频率，也是一个规定的非负量。
2.3.2巴特沃思低通滤波器
传递函数（n阶）:
如果把H(u,v)=1/2时，取截止频率。
2.3.3高斯低通滤波器
高斯低通滤波器能有效地避免振铃现象，这与巴特沃思低通滤波器效果一致。
2.3.4 巴特沃思高通滤波器

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。