导读:本文包含了图像动态范围增强论文开题报告文献综述及选题提纲参考文献，主要关键词:红外图像,引导滤波,图像增强,脉冲噪声
图像动态范围增强论文文献综述
李继泉,时勤功,李井文[1]（2019）在《一种宽动态范围下的红外图像局部细节增强算法》一文中研究指出针对红外图像在宽动态范围下压缩到窄动态范围时带来的图像细节显示模糊、暗处细节丢失以及对比度偏低等问题,提出了一种基于引导滤波分层的红外图像细节自适应增强算法。对背景层利用优化的CLAHE算法来进行压缩,对细节层利用脉冲噪声的多尺度检测并结合韦伯定理的方法进行压缩;解决前述的弱细节模糊以及暗部细节丢失问题。综合主、客观实验结果表明,相对于映射类、分层增强类以及Retinex和集成学习类增强算法,本文所提算法在背景层对比度和光照强度优化、细节层噪声抑制和弱细节增强上取得优异效果;在信息熵、PSNR和SSIM叁种客观评测指标下综合效果最佳;处理速度达到150 f/s。在保证实时性的同时,不仅提高了图像的整体对比度,还突出了图像的局部细节,适用于宽温度范围下复杂环境的应用。(本文来源于《激光与红外》期刊2019年08期）
单瑞卿,李斌,韩伟,张峰,王伟[2]（2019）在《高动态范围红外图像的显示与细节增强》一文中研究指出针对高动态范围的红外图像动态范围压缩和细节增强问题,文中采用基于基层-细节分层处理融合的增强框架,提出基于拉普拉斯滤波器的基层处理方法,将高动态红外图像的动态范围压缩到可显示的低动态范围图像,同时保留图像局部对比度。针对图像中的细节分量,提出对原始输入高动态范围红外图像提取梯度信息并做非线性增强,然后将低动态范围图像与增强的梯度信息通过优化融合重建,得到细节增强的红外图像。实验结果表明,新算法有效地提高了红外图像的整体对比度,保留图像的细节信息,有较佳的图像视觉表现。(本文来源于《光学技术》期刊2019年04期）
王海峰,章怡,杜卓明[3]（2019）在《直方图受限的窄动态范围彩色图像细节增强》一文中研究指出在彩色图像特别是窄动态范围的彩色图像增强中,为了保留更多图像细节,提出一种直方图受限的窄动态范围的彩色图像细节增强方法。该算法在RGB空间分别对叁分量进行直方图受限运算,设置分量直方图的累积概率分布阈值C_T,将分量图像直方图分割成2个直方图H_1和H_2;将H_2(受限的直方图)非线性映射至H_1的均匀分布直方图中;合并RGB叁分量输出彩色图像。实验结果表明,与同类算法相比,该算法在提高对比度的同时,具有最高的信息熵值,且输出的彩色图像视觉效果自然、清晰。(本文来源于《计算机应用与软件》期刊2019年05期）
王泽琦[4]（2019）在《高动态范围医学图像增强方法研究》一文中研究指出医学成像技术(X射线、CT、MRI等)是诊断和监测与人体组织相关疾病的主要技术之一。Digital imaging and communications in medicine(DICOM)是医学图像存储和通信的标准格式,在医学诊断领域具有广泛的应用。由于医学图像的特殊成像原理及成像方式,DICOM医学图像往往出现像素灰度值分布不均匀、动态范围高和全局对比度较低等现象,这对医学诊断和病症分析带来一定的影响,甚至会在实际应用中导致误诊。因此,医学图像增强方法研究是具有实际应用价值和研究意义的课题,可以提高基于图像分析来诊断病情的准确性。针对医学图像中亮度分布不均和对比度低等现象,克服基于直方图均衡化的图像灰度调整方法带来的图像像素值减少、某些细节消失等缺点,本文提出基于动态范围调整和改进双边滤波的MRI图像增强方法(DRC&DE)。该方法分为2个步骤:(1)动态范围调整(DRC):该过程将高动态范围像素值调整到合适的范围并能有效地保护像素值之间的差异。(2)细节增强(DE):采用改进的双边滤波结合拉普拉斯金字塔来消除噪声并增强细节,该方法可以有效地增强MRI图像。为了提高医学图像增强方法的实用性,本文提出了一种基于亮度级调整和梯度调整的医学图像增强方法(LM&GM)。该方法分为2个步骤:(1)亮度级调整(LM):该过程在保护像素点间亮度级梯度的前提下调整图像的亮度级范围,从而提高图像对比度。该操作不仅可以自主选择亮度级调整程度,还可以设定待调整亮度级的起点,可以更有效地保护细节。(2)梯度调整(GM):亮度级调整能够提高图像的对比度,梯度调整在其基础上增强图像细节信息,该操作采用改进的快速局部拉普拉斯滤波(FLLF)实现。借助于快速局部拉普拉斯滤波增强自然图像的能力和效果,本文改进了FLLF的重映射函数,使其能够适用于医学图像特殊的像素值分布特性。该方法可以实现有效地增强X射线图像、CT图像和MRI图像,在医学图像处理中具有很好的普适性和稳定性。实验表明,对比传统的医学图像增强方法,本文所提的基于动态范围调整和改进双边滤波的MRI图像增强方法(DRC&DE)结构简单,运算速度快,针对MRI图像增强效果明显;基于亮度级调整和梯度调整的医学图像增强方法(LM&GM)在X射线图像、CT图像和MRI图像增强处理中均具有较好的效果,同时可以有效地避免光晕、阶梯状伪影的出现。以上两种方法在医学图像增强处理中具有很好的应用前景。(本文来源于《东北师范大学》期刊2019-05-01）
王园园,赵耀宏,罗海波,李方舟[5]（2019）在《海面红外图像的动态范围压缩及细节增强》一文中研究指出动态范围压缩和细节增强是红外图像处理的两个重要课题。为了将高动态海面背景红外图像清晰显示,提出一种高动态范围压缩及细节增强算法。首先,通过基于梯度边缘信息的多方向拉普拉斯增强方法,将梯度图像平滑处理,并与多方向拉普拉斯滤波相乘,实现高动态范围图像的细节增强;然后统计增强后图像的动态广义直方图信息;最后采用灰度级分组的方法构造映射函数,将高动态范围压缩到8 bits,输出可清晰显示的红外图像。对大量海面背景红外图像进行实验分析,结果表明,该算法提高了图像的对比度,有效增强了舰船目标细节,同时抑制了海面背景噪声的放大和光晕现象的产生,最终获得较好的输出图像。(本文来源于《红外与激光工程》期刊2019年01期）
刘斌,赵建章,孔祥欣,巫肇彬,孟宗[6]（2018）在《基于FPGA的高动态范围红外图像细节增强算法》一文中研究指出以非锐化掩膜算法为技术框架,提出了一种基于引导滤波器、γ变换的图像细节增强算法;使用VHDL语言设计出一种新型的引导滤波器架构,并且在以CYCLONEⅢ为核心控制器的硬件平台上对算法进行了工程实现。核心处理器的逻辑和内存资源占用量分别为15%和40%;在100 MHz主时钟时,处理延时小于300μs;使用低端的处理器,即可满足工程需求。通过多幅不同场景红外图像测试对比,结果表明算法处理效果明显,可有效地实现细节增强。(本文来源于《计量学报》期刊2018年04期）
刘少丽[7]（2018）在《基于图像增强的伪高动态范围技术研究》一文中研究指出当前,人们对高质量图片的需求日益增长,因此图像增强技术成为研究热点。高动态范围技术作为一种有效的图像增强技术,其不仅能够增强图像的细节,而且可以明显提高图像的对比度。但是由于硬件实现成本高等原因,该技术难以被推广应用。因此研究一种有效且易于推广应用的图像增强方法具有重要意义。本文根据实际应用需求提出了一种基于图像增强的伪高动态范围算法,该算法能够有效提高图像的质量,增强后的图像可以达到类似高动态范围图像的效果。本文的主要研究内容为:首先,为了提高增强算法的鲁棒性,提出了图像和视频的分类方法。通过分析图像和视频的颜色通道差值和暗通道等特征将其分成消色型、高亮型、有雾型和清晰型,进而根据不同的类型的特点研究各自合适的增强方法。其次,提出了不同类型的图像和视频增强算法的参数自适应设置方法。对于限制对比度自适应直方图均衡化算法,通过计算图像的亮度分布与对比度等特征实现了分块数目和剪切高度的自适应设置;对于暗通道先验算法,通过计算图像的直方图特征实现了增强强度的自适应设置。再次,改进了暗通道先验算法,提出了透射率优化方法。通过计算图像像素点的亮度和饱和度特征确定图像的明亮区域,并通过容差法优化该区域透射率,从而实现明亮区域透射率的准确估计,此外采用引导滤波的方法提高了透射率的优化速度。最后,结合上述的分类方法,参数自适应设置方法和透射率优化方法提出了伪高动态范围算法,并采用帧间加权法求解大气光值,提高了视频的平滑性。算法能够有效地增强不同类型的图像和视频,鲁棒性好且易于实现,因此便于推广应用。为了验证所提出的伪高动态范围算法的有效性,本文对大量的图像和视频进行了增强实验,并对实验结果进行了评价与分析。对典型图像增强效果的主观评价显示:91.83%的测试人员认为本算法增强后的图像效果优于原图,68.5%的测试人员认为本算法增强后的图像效果优于改进前算法增强后的效果。对典型图像增强效果的客观评价显示:增强后图像熵值的平均提高比例为3.66%。对典型视频增强效果的评价显示:增强后的视频平滑,无增益突变情况。综合上述的实验结果可知,伪高动态范围算法是一种有效的增强算法。(本文来源于《大连理工大学》期刊2018-05-01）
李永杰,普璇,杨开富,李朝义[8]（2016）在《一种基于生物视网膜机理的高动态范围图像增强方法》一文中研究指出随着人们对图像质量的要求不断提高,高动态范围图像(High Dynamic Range Image,HDRI)由于其涵盖的场景信息更丰富,获取成本日益降低,因此被广泛应用。但是,HDR图像由于拥有极大的动态范围导致其在传统的显示设备上显示效果受到限制,无法完整的展现所包含的数据信息。由此,对HDR图像的动态范围进行压缩,并尽可能保留原有的图像信息,使其匹配低动态范围显示器是非常有必要的。人眼可感知的亮度范围是十分巨大的,从晴天中午的太阳到夜晚的星星都在人眼的感知范围内。本文基于人眼的生理学知识、视网膜的明暗适应机制以及已有的心理物理学实验,创新性地提出了一个高动态图像增强算法框架,旨在通过模拟真实的视觉适应机制来压缩图像的动态范围、增强图像细节。我们的算法是一个局部自适应模型,对图像动态范围的压缩是在亮度通道进行,并且整个压缩过程都是分为视杆和视锥两个平行通道进行。我们参考了人眼在亮度适应过程中的视网膜生理机制,通过搭建感光细胞的亮度模型、感光细胞的响应模型、神经节细胞的感受野模型、视杆视锥的信息融合模型以及颜色变换模型来模拟视觉的适应机制,并以此来压缩HDR图像的动态范围。在众多HDR图像上的处理结果表明,我们的两个算法都能够有效的压缩HDR图像的动态范围,无论是过亮区域还是过暗区域都能够在处理后很好的显示出信息,并且细节清晰,无色偏和明显的伪影。(本文来源于《第叁届全国神经动力学学术会议论文摘要集》期刊2016-08-04）
付争方[9]（2016）在《高动态范围图像信号恢复与增强算法研究》一文中研究指出相机获取场景照片,是记录现场的视觉信息,完成视觉信息分析最基础也是最关键的环节,然而实际场景辐射照度的动态范围远远大于相机的响应动态范围,当拍摄目标所处光照环境的动态范围与相机动态范围不一致时,会导致图像出现曝光过度或者曝光不足的区域,造成高亮处或阴暗处的细节损失。高动态范围(High Dynamic Range,HDR)图像能够将真实场景的亮暗信息尽可能多的在普通设备上显示出来,并且符合人眼真实的感知效果。随着高清数字产业的快速发展,HDR图像在工业图像处理、机器视觉、叁维数字娱乐等领域获得了广泛的应用,成为当前数字领域的研究热点之一。本文在研究了HDR图像和多曝光融合技术的理论方法,技术特点以及国内外研究现状的基础上,首先通过单幅图像进行HDR重建获得较多的场景信息,提出了基于模糊理论的单幅高动态图像重建方法;考虑到单幅图像获得场景信息有限,对多曝光图像融合方法展开研究,提出了多尺度细节融合的多曝光高动态图像重建算法和基于人眼视觉适应函数的多曝光高动态图像重建算法,达到了在视觉失真最小、尽可能多的保持亮暗区域细节的效果;同时为了达到实时应用效果,提出了基于灰度级曝光融合,并针对动态场景融合过程中出现的鬼影问题给出了解决方案;最后对融合后图像质量给出了一种综合评价方法,提出了基于模糊理论的多曝光高动态图像重建效果评价方法。本文的主要工作和创新点包括:(1)基于单幅图像的高动态范围图像重建。针对相机传感器动态范围与实际光照动态范围不一致,使主体目标动态范围分布集中形成超低动态范围,由此产生了对信号抑制的问题,利用隶属度函数将空域图像变换到模糊域,通过模糊增强算子实现对比度增强;最后反变换到空间域,重建高动态范围图像恢复出场景中暗处的细节信息,并保留了图像的对比度。(2)多尺度细节融合的多曝光高动态图像重建。利用其分解的权重高斯金字塔进行(3)Dirichlet函数映射,保证信息丰富区域权值最大,通过拉普拉斯金字塔重建,使得融合图像所包含的细节信息最大化并且最大限度的减少失真。(4)基于人眼视觉建模的多曝光高动态图像重建。不同于其他多曝光融合算法,直接从同一场景不同曝光的低动态范围(Low Dynamic Range,LDR)图像序列中提取每个像素位置亮度信息,利用视觉适应的S形曲线,建立亮度序列曲线的数学模型,给出像素最佳成像值判别方法,避免了HDR辐射照度图生成和色调映射的复杂计算,快速合成直接在常规设备上显示的HDR图像。(5)基于灰度级映射函数建模的多曝光高动态图像重建。对任意大小的LDR图像序列,仅需拟合与灰阶数目相同个数而不是与相机分辨率像素个数相同的视觉适应的S形曲线,利用最佳成像值判别方法直接融合,极大地提高了算法的融合效率,能够达到实时性图像融合要求。对动态场景的融合,设计灰度级映射函数恢复理想状态的多曝光图像,利用差分法检测运动目标区域,做鬼影消除处理,融合得到一幅能够反映真实场景信息且不受鬼影影响的高动态范围图像。(6)基于模糊理论的多曝光高动态图像重建效果评价方法。考虑图像的信息熵、平均梯度、适度曝光量、交互信息量、结构相似度和交叉熵等单因素指标,运用模糊综合评判法得到一个综合评价指标,克服了单一指标的片面性同时又能够反映单因素指标的微小变化。(本文来源于《西安理工大学》期刊2016-06-30）
刘海龙[10]（2016）在《基于自适应局部对比度增强的高动态范围图像色调映射算法研究》一文中研究指出动态范围定义为场景(图像)最亮部分的灰度值与最暗部分的灰度值之比。现实世界的场景具有较大的动态范围,有的甚至能达到10~(14)的数量级,然而从早期的胶片拍照直至现在的数码,他们所能表示的动态范围非常有限,通常只有100：1到1000：1的数量级,很难准确的再现出现实中高动态范围场景。随着数字图像技术的不断发展,特别是高动态范围图像技术的出现,使准确记录并再现现实中场景成为了可能。高动态范围图像是一种可以表示实际场景中灰度范围变化比较大的图像类型,色彩空间更广阔,可以较好地记录和表达现实中场景亮区和暗区的光学特性。然而,由于很大部分输出设备仅仅适用于动态范围较小的图像,如果我们直接将高动态范围图像放在这些显示设备上来显示,显示出来的结果有较大不同。所以我们需要按照某种方式将原来的图像进行映射变换,压缩其动态范围,使其能够在设备上较好的显示出来,这就是色调映射所研究的问题。本文首先通过对人眼的视觉特性、高动态范围图像的配准合成、存储讲解来了解有关高动态范围图像的背景知识。接着简单的介绍了一些前人的色调映射算法,并对一些经典的色调映射算法进行解析,其中包括全局色调映射和局部色调映射这两类算法。随后结合了“暗的地方变得更暗,亮的地方变得更亮”这种对比度增强观念并逐步演化出一种局部自适应的对比度增强的方法,然后将该方法应用到高动态范围图像色调映射中,进而提出了一种针对高动态范围图像的色调映射算法即基于自适应对比度增强的高动态范围图像色调映射算法。该算法的主要思路是先将高动态范围图像转换成灰度图像并通过自适应对数映射来压缩图像的动态范围；接着将压缩后的图像进行对比度增强,为了避免在这过程中因增强过度而产生噪声,在增强后再对其进行快速双边滤波处理以达到保边去噪的效果；最后将灰度图像转换成彩色图像。实验表明,本文所提出的算法可以很好的对高动态范围图像进行色调映射。该算法即能够保留良好的整体明暗效果,同时又能较好的反应出图像局部细节信息和局部对比度,使得其能够在常规显示设备上呈现出较好的效果；同时该算法具有较低的平均时间复杂度(单个像素平均时间复杂度为0(1)),以尺寸为512*768的高动态范围图像为例,在Intel(R)Pentium(R)CPU G630@2.70GHz 2.70GHz设备上进行色调映射,其计算时间为：0.312秒。于此同时,本文还通过将该算法和其他局部映射算法进行了比较,不管是在处理效果和处理时间上都有较好的竞争性。另外,在文章后面给出了该算法在普通视频增强方面的应用,也有比较好的效果。(本文来源于《西南财经大学》期刊2016-03-01）
图像动态范围增强论文开题报告
（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：
针对高动态范围的红外图像动态范围压缩和细节增强问题,文中采用基于基层-细节分层处理融合的增强框架,提出基于拉普拉斯滤波器的基层处理方法,将高动态红外图像的动态范围压缩到可显示的低动态范围图像,同时保留图像局部对比度。针对图像中的细节分量,提出对原始输入高动态范围红外图像提取梯度信息并做非线性增强,然后将低动态范围图像与增强的梯度信息通过优化融合重建,得到细节增强的红外图像。实验结果表明,新算法有效地提高了红外图像的整体对比度,保留图像的细节信息,有较佳的图像视觉表现。
（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。
图像动态范围增强论文参考文献
[1].李继泉,时勤功,李井文.一种宽动态范围下的红外图像局部细节增强算法[J].激光与红外.2019
[2].单瑞卿,李斌,韩伟,张峰,王伟.高动态范围红外图像的显示与细节增强[J].光学技术.2019
[3].王海峰,章怡,杜卓明.直方图受限的窄动态范围彩色图像细节增强[J].计算机应用与软件.2019
[4].王泽琦.高动态范围医学图像增强方法研究[D].东北师范大学.2019
[5].王园园,赵耀宏,罗海波,李方舟.海面红外图像的动态范围压缩及细节增强[J].红外与激光工程.2019
[6].刘斌,赵建章,孔祥欣,巫肇彬,孟宗.基于FPGA的高动态范围红外图像细节增强算法[J].计量学报.2018
[7].刘少丽.基于图像增强的伪高动态范围技术研究[D].大连理工大学.2018
[8].李永杰,普璇,杨开富,李朝义.一种基于生物视网膜机理的高动态范围图像增强方法[C].第叁届全国神经动力学学术会议论文摘要集.2016
[9].付争方.高动态范围图像信号恢复与增强算法研究[D].西安理工大学.2016
[10].刘海龙.基于自适应局部对比度增强的高动态范围图像色调映射算法研究[D].西南财经大学.2016