导读:本文包含了图像清晰化论文开题报告文献综述及选题提纲参考文献，主要关键词:图像增强,暗原色,多尺度彩色恢复算法
图像清晰化论文文献综述
孙杰[1]（2019）在《基于MSRCR的水下图像清晰化算法》一文中研究指出针对水体、悬浮颗粒对光线极强的散射效应导致水下图像细节模糊、对比度下降及颜色失真的问题,在水下光学成像模型的基础上,利用改进的暗通道先验算法对图像进行清晰化处理,并结合MSRCR算法对图像进行颜色恢复,实验结果图像和客观质量评价指标显示,该算法提高了图像清晰度和对比度,并且达到了修正色彩不平衡的效果。(本文来源于《无线电工程》期刊2019年09期）
贾娜,王玉坤[2]（2019）在《低能见度条件下图像清晰化处理研究》一文中研究指出空气的能见度和天气情况紧密相连,雾天、霾天、沙尘天气、夜晚等空气中的能见度都比较低,在此种条件下拍摄的景物图片都比较模糊,甚至景物一些基本特征都被掩盖,对交通视频、室外监测、航空侦查的图样质量会造成严重影响,需要进行科学合理的清晰化处理才能发挥出应有的价值和作用。基于此,本文结合理论实践,对低能见度条件下图像清晰化处理做了如下研究,旨在提升低能见度条件下拍摄图片的清晰度。(本文来源于《信息技术与信息化》期刊2019年07期）
江玉珍,陈杰志[3]（2019）在《叁维视觉识别下推进器模糊故障图像清晰化仿真研究》一文中研究指出现有推进器生成图像时采用的传统算法存在噪声辨识度低、图像噪声边缘计算精度差的问题。导致生成的故障图像模糊,无法精准对其分析。针对此种问题,提出叁维视觉识别下推进器模糊故障图像清晰化仿真研究。首先,通过展开叁维视觉高斯差算法对图像噪声粒子进行差分计算,明确有效图像轮廓;其次,引入噪声循环分解算法,对确定的噪声轮廓内噪声点进行弱化计算,提升有效图像锐度,视线清晰图像的效果。最后,通过仿真实验对提出的设计方法进行对比性数据验证,证明提出的叁维视觉识别下推进器模糊故障图像清晰化仿真方法能够有效解决推进器故障图像模糊的问题。(本文来源于《舰船科学技术》期刊2019年14期）
孙杰[4]（2019）在《基于图像融合的水下图像清晰化方法》一文中研究指出给出了推广的暗通道先验方法,由颜色的变化规律确定景深,利用景深信息提高背景光的估计精度。分别采用推广的暗通道先验、带有色彩恢复的多尺度Retinex以及对比度受限自适应直方图均衡3种方法对水下图像进行清晰化处理,将获得的3个图像作为图像融合的输入图像。综合考虑图像的可见度、饱和度、对比度和显着度等性能指标定义3个输入图像的权重图,以权重图作为融合权值对输入图像进行多尺度融合。实验结果表明:该方法能够显着提高水下图像的清晰度,并且能够有效校正色偏。(本文来源于《兵器装备工程学报》期刊2019年09期）
张秀[5]（2019）在《基于单幅图像的沙尘图像清晰化方法及系统》一文中研究指出沙尘环境下,受沙尘颗粒的影响,户外成像设备采集的图像产生不同程度的退化,使得沙尘天气下获取的图像呈现颜色失真,清晰度下降的特点。给交通安全、智能检测等应用造成不利的影响。因此针对上述问题,本文围绕单幅沙尘图像清晰化方法展开研究,具体工作包括:(1)针对沙尘图像颜色偏移,对比度低的问题,提出了一种基于偏色校正的沙尘图像清晰化方法。该方法主要通过叁个步骤解决存在问题,即偏色校正、对比度增强和丰富图像细节。首先,根据沙尘图像颜色分布特点建立一种基于颜色分布的沙尘图像模型,根据模型特点采用限制对比自适应直方图均衡化对RGB通道进行分别处理;然后,针对偏色校正后图像存在对比度低,图像偏暗的问题,利用带色彩恢复的多尺度Retinex增强图像对比度并保持图像色彩恒常;最后,通过调整HSI空间H和S分量的大小,丰富图像复杂纹理区域的细节。通过大量实验对本章方法进行验证,结果表明本文方法对不同偏色程度的沙尘图像有较好的处理结果。(2)针对沙尘图像颜色失真,并且有与雾霾图像相似的信息退化问题,提出了一种深度退化沙尘图像清晰化方法。该方法主要针对偏色程度较大、图像信息退化严重的沙尘图像。首先采用自动色阶进行颜色校正,解决沙尘图像颜色失真的问题;然后将颜色校正后的图像作为引导图进行引导滤波,去除图像噪声并保持图像边缘;最后,在频域内通过基于同态滤波的方法增强图像亮度和对比度。实验表明,该方法不仅能有效地进行颜色校正,而且能提升图像清晰度和对比度。(3)基于以上工作内容,设计并实现了沙尘图像清晰化系统,该系统集成了本文中提出的两种方法及经典的图像增强的算法。(本文来源于《西安理工大学》期刊2019-06-30）
王玉坤,贾娜[6]（2019）在《雾天图像清晰化方法研究》一文中研究指出在雾天拍摄图片,通常都是模糊不清的图片,需要进行一系列预处理,才能发挥出出应有的作用。基于此,本文结合理论实践,通过小波变化的方法,对雾天图像进行清晰化处理,雾天图像的轮廓更加清晰。(本文来源于《信息技术与信息化》期刊2019年06期）
张娜,韩美林,杨琳[7]（2019）在《雾霾图像清晰化处理算法的研究》一文中研究指出近年来雾霾日益严重,空气中的悬浮颗粒有散射作用,便使视频监控、检测、交通导航等户外视觉系统采集到的图像严重降质,为了保障户外系统能可靠、稳定地工作,因此需对雾霾图像进行清晰化处理。论文采用直方图均衡化法与Retinex算法对雾霾图像处理,实验结果表明:采用MSRCR算法得到的图像清晰,包含的细节信息多,图像增强效果较好较稳定。(本文来源于《计算机与数字工程》期刊2019年06期）
李武劲,彭怡书,欧先锋,吴健辉,郭龙源[8]（2019）在《基于大气散射模型和Retinex理论的雾霾图像清晰化算法》一文中研究指出根据大气散射模型,提出一种基于Retinex理论的单幅雾霾图像清晰化算法。该算法首先将降质图像转换至hsv色彩空间,然后针对亮度通道调整大气散射模型表达式,使用基于双边滤波的Retinex算法提高图像对比度,并进行图像饱和度的指数调整,最后组合各通道处理结果获得清晰化图像。实验结果表明该方法能增强雾天图像对比度,达到图像去雾的目的。(本文来源于《成都工业学院学报》期刊2019年02期）
王红[9]（2019）在《基于层次递阶的雾天图像清晰化方法研究》一文中研究指出伴随着我国现代化的快速发展,像视频监控、目标跟踪、智能交通、遥感等图像处理设备对图像清晰化的要求越来越高。然而,在恶劣的条件下(如雾、云等),由于这些外界因素干扰,导致获取的图像通常会出现色彩失真,不清晰甚至模糊等特点。然而,当前图像清晰化方法,无论是基于图像增强技术还是基于物理复原技术的方法,都不能尽善尽美的出去图像中含有的雾气和噪声问题,甚至在处理过程中易扩大或者引入噪声,导致复原后的图像视觉效果遭受影响。针对上述问题,本文首先对雾天图像进行了除雾,通过使用动态自适应的限制对比度直方图均衡算法和优化对比度模型算法实现图像增强和图像去雾,得到无雾图像。然后对图像进行了去噪处理,分别利用基于边缘检测的小波去噪算法与导向滤波算法对图像进行冗余噪声去除操作,从而获得最终的清晰化图像。因此,本文工作有以下几个方面:(1)针对限制对比度自适应均衡算法处理雾天图像时,易造成复原图像“过亮”或色彩偏移等失真现象,本文提出动态自适应的限制对比度直方图均衡算法,对图像进行自适应增强处理,减少色块现象,实现图像的对比度增强。并对该算法模型进行实验对比,验证该算法可以更友好增强图像对比度,去除部分雾气,完成粗略去雾。(2)针对图像中大部分背景或细节部分的雾气并没有消除现象,进一步引入优化对比度物理模型去雾算法,计算大气光值与透射率,并利用对比度与退化因子之间的关系,对图像进行合理的细化去雾,以便获得更多的色彩与细节信息。通过对前后的图像进行数值分析对比,表明经过二次模型去雾后,图像的质量有明显提高。(3)由于增强及去雾的过程易扩大原有噪声或者引入噪声问题,因此,利用保边的去噪算法对图像进行噪声处理以降低图像的模糊程度。本文提出基于Canny算子的引导滤波与基于形态学的小波去噪算法,分别对图像进行去噪处理,并通过实验比对算法的优劣。(本文来源于《太原理工大学》期刊2019-06-01）
宋雯君[10]（2019）在《基于双目立体匹配算法的雾霾图像清晰化处理研究》一文中研究指出随着经济的持续增长,我国汽车行业和工业的快速发展,导致大气中的粉尘颗粒物体含量越来越多,尤其在冬季,造成了不同程度的空气浑浊,也就是我们通常所说的雾霾天气。由于雾霾天气的湿度较高,水汽较大,雾滴提供了吸附和反应场所,加速反应性气态污染物向液态颗粒物成分的转化,同时颗粒物也容易作为凝结核加速雾霾的生成~([1])。一方面,在雾霾严重的天气中高速公路限制通行,飞机航班延误和停飞的情况也时常发生,从而对人们日常的出行造成了一定程度的限制;另一方面,雾霾天气由于悬浮颗粒的大量存在,缩小了人们的视线范围、模糊了视觉效果,同时造成视频监控图像质量下降和对比度变差,从而对人们的人身及财产等带来了较大安全隐患。目前,国内外对雾霾图像的处理只是停留在去雾的阶段,由于雾与霾成分的不同,导致产生的光学成像原理也有所差异,所以去雾算法并不能很好的处理含霾图像。本文的主要工作有:(1)主要研究了基于直方图均衡化去雾算法、基于暗通道先验的去雾算法及基于Retinex去雾算法的基本原理,对各个算法分别进行了仿真实验,针对实验结果分别进行了展示与分析;(2)为了使采集雾霾图像不受天气、地域等方面的影响,本文结合雾霾图像深度信息提出了基于深度图的双目清晰图像雾霾化算法,为本文进一步研究双目雾霾图像清晰化算法提供了数据。(3)针对雾霾图像对比度、清晰度和亮度低等特点,结合雾霾的成像原理、散射分布原理及雾霾图像的场景深度信息的特点,提出了一种更适合含霾图像处理的双目立体匹配雾霾图像清晰化处理算法。首先,该算法对在雾霾环境中拍摄的图像进行分解,分解为场景的辐射分量(无雾霾的清晰图像)和悬浮颗粒造成的散射分量(所要去除的那部分雾霾图像);其次,研究人员已经知道,在无穷远处拍摄到的雾霾图像全部是由散射分量组成的,因此,散射分量与距离目标场景的远近有关,即与景深有关,并且两者之间存在某种函数关系,为求目标场景任意一点的散射分量,本文定义了一个散射比例函数,该比例函数用于描述散射分量与景深的函数关系,即该散射比例是目标场景的散射分量与无穷远处散射分量的比值。进而可以推导出,目标场景中任意一点的散射分量可以用散射比例函数和无穷远处散射分量来表示;然后,采用归一化离差平方和的方法进行基于区域的立体匹配,只有当散射比例函数最小时即可得到只包含目标场景辐射分量的双目清晰图像;最后,运用基于SIFT算法对得到的双目清晰图像寻找关键点匹配后进行图像拼接,得到一副完整的清晰图像。(4)基于对双目雾霾图像的清晰化算法的研究,本文编程实现了双目雾霾图像清晰化处理的原型系统,该系统主要包括双目雾霾图像读取模块、雾霾图像清晰化处理模块以及清晰图像输出显示、保存模块。本文以双目雾霾图像(含霾成分较多)作为研究对象,基于雾与霾成分差异及雾霾图像光学成像原理(大气散射模型和大气衰减模型)结合雾霾图像特征提出了一种新的双目清晰图像的雾霾化处理算法以及雾霾图像的双目立体匹配清晰化处理算法。本文的数据来源一方面是使用富士3D W3双目立体相机现场拍摄采集到的双目立体雾霾图像,另一方面是采用本文提出的基于深度图的双目清晰图像雾霾化算法实验合成的双目立体雾霾图像。仿真实验结果表明,本文算法在实现清晰图像雾霾化以及雾霾图像清晰化两方面均获得了较好的效果。因此,本文对清晰图像雾霾化算法的研究成果使采集雾霾图像不再受地域、时间及天气状况的影响,为3D电影、电视剧等雾霾化场景特效的拍摄提供了便利;同时,本文对双目雾霾图像清晰化处理算法的研究成果为更好地对雾霾图像进行处理(特别是含霾成分较多的情况)提供了一种新的技术手段。(本文来源于《云南师范大学》期刊2019-05-31）
图像清晰化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
空气的能见度和天气情况紧密相连,雾天、霾天、沙尘天气、夜晚等空气中的能见度都比较低,在此种条件下拍摄的景物图片都比较模糊,甚至景物一些基本特征都被掩盖,对交通视频、室外监测、航空侦查的图样质量会造成严重影响,需要进行科学合理的清晰化处理才能发挥出应有的价值和作用。基于此,本文结合理论实践,对低能见度条件下图像清晰化处理做了如下研究,旨在提升低能见度条件下拍摄图片的清晰度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像清晰化论文参考文献
[1].孙杰.基于MSRCR的水下图像清晰化算法[J].无线电工程.2019
[2].贾娜,王玉坤.低能见度条件下图像清晰化处理研究[J].信息技术与信息化.2019
[3].江玉珍,陈杰志.叁维视觉识别下推进器模糊故障图像清晰化仿真研究[J].舰船科学技术.2019
[4].孙杰.基于图像融合的水下图像清晰化方法[J].兵器装备工程学报.2019
[5].张秀.基于单幅图像的沙尘图像清晰化方法及系统[D].西安理工大学.2019
[6].王玉坤,贾娜.雾天图像清晰化方法研究[J].信息技术与信息化.2019
[7].张娜,韩美林,杨琳.雾霾图像清晰化处理算法的研究[J].计算机与数字工程.2019
[8].李武劲,彭怡书,欧先锋,吴健辉,郭龙源.基于大气散射模型和Retinex理论的雾霾图像清晰化算法[J].成都工业学院学报.2019
[9].王红.基于层次递阶的雾天图像清晰化方法研究[D].太原理工大学.2019
[10].宋雯君.基于双目立体匹配算法的雾霾图像清晰化处理研究[D].云南师范大学.2019