导读:本文包含了图像清晰化处理论文开题报告文献综述及选题提纲参考文献，主要关键词:低能见度,图像,清晰化,处理
图像清晰化处理论文文献综述
贾娜,王玉坤[1]（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）
张娜,韩美林,杨琳[2]（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）
宋雯君[3]（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）
易礼智[4]（2019）在《雾霾环境下图像清晰化处理研究与应用》一文中研究指出用TMS320DM642芯片作为主处理芯片搭建雾霾图像处理平台,研究雾霾图像处理原理和算法,比较不同算法的优劣势,采用暗通道滤波算法进行图像清晰化处理,完成雾霾天气下图像采集、处理、显示的过程,建立一套简单的去雾系统。(本文来源于《电脑与电信》期刊2019年04期）
焦培峰,樊继宏,赵卫东,李冬日,缪启锋[5]（2019）在《基于变焦原理的图像清晰化处理在交通事故鉴定中的应用》一文中研究指出目的介绍一种利用变焦原理解决交通事故鉴定中视频图像模糊的方法。方法利用相机在原模糊视频拍摄位置以不同焦距拍摄局部清晰照片,然后对清晰图像和模糊视频截图进行配准,最后利用图像融合覆盖实现对模糊图像的局部清晰化处理。结果 6组实验均取得满意结果,处理后图像与对照图像中的目标景物位置基本相同。结论可利用变焦原理使模糊的事故视频图像清晰化。(本文来源于《中国司法鉴定》期刊2019年02期）
姚博文[6]（2019）在《面向AUV应用的水下图像清晰化处理和拼接技术的研究》一文中研究指出随着海洋开发的快速发展,水下光视觉系统的应用也越来越广泛。然而,因为水体环境对光线的吸收、散射和衰减作用,水下图像往往存在着模糊不清、颜色失真等质量退化以及视场范围小的问题。这在很大程度上制约了光视觉系统在水下作业任务中的应用。本文的研究内容主要围绕上述问题展开,主要完成了以下工作:(1)针对水下图像质量退化的问题,分析了光线在水中的传输特性及水下成像模型,在此基础上,提出了一种基于暗通道理论的水下图像清晰化算法,算法从水下成像的特点出发,改进了环境背景光以及光线透射率的估计方法,最后通过实验验证了其在水下图像复原方面的有效性。(2)针对水下图像视场范围小的问题,本文将图像拼接技术应用于水下环境,对视频图像序列进行拼接以得到水下场景的全景图像。为了提高拼接的速度,提出了一种基于感知哈希理论的图像重合区域估计方法,该方法能够有效地缩小特征检测和匹配的范围;另一方面,为了提高特征匹配的准确性,本文在SURF特征的基础上加入了纹理特征,丰富了特征的描述。(3)针对AUV上的光视觉系统,设计开发了水下图像采集和传输系统,并在PC端开发了相应的上位机软件,实现了水下视频监测以及相关视频图像的处理和拼接功能。(本文来源于《浙江大学》期刊2019-01-01）
刘超[7]（2018）在《模糊监控图像视频的清晰化处理》一文中研究指出近年来,视频图像处理技术获得了飞速的发展,为人们的工作、生活提供了极大的方便。其中,以模糊监控图像视频的处理技术最为核心,其能够显着提高视频图像的清晰度,在相关领域获得了普遍的应用。本文首先分析了图像处理的基本原理,并结合实际,对模糊监控图像视频处理的插值、图像稳定化、平均帧等步骤进行了详细的阐述。(本文来源于《电子制作》期刊2018年09期）
黄楠华[8]（2017）在《恶劣环境下图像清晰化处理研究及应用》一文中研究指出雾霾天气不仅危害人类健康,并且由于雾霾空气中悬浮了大量的颗粒物,会使成像光线产生散射作用造成雾天采集图像不清晰,对比度低等问题,这将严重影响到计算机视觉系统的正常工作,因此雾天图像清晰化技术的研究成为了计算机视觉领域的热点问题。本文在分析了雾霾天气的成因,介绍了大气散射模型,充分学习了雾天图像退化模型的基础上,主要研究内容如下:首先重点研究了基于暗原色先验的图像去雾算法与基于优化对比度增强的图像去雾算法,暗原色先验的图像去雾算法是一种先根据统计知识得到先验信息,再借助大气散射模型来复原图像的方法,基于优化对比度增强的图像去雾算法是一种平衡图像对比度与信息丢失度的图像增强方法。其次针对用基于暗原色先验的图像去雾算法处理后的图像在天空区域的失真问题,采用了一种自适应容差机制的方法进行改进,通过引入的容差K将图像的透射率分为明亮区域与正常区域进行修正,从而改善复原图象天空部分色彩失真的问题。接着基于Matlab平台,将图像分为薄雾图与浓雾图用本文的两种算法进行仿真实验,经过实验表明本文的基于暗原色先验的图像去雾算法适用于薄雾图像,基于优化对比度增强的图像去雾算法适用于浓雾图像,还选择了两幅有不同天气下拍摄的图片作为实验对象,验证了本文此观点的正确性。并且将这两种算法与图像复原和图像增强领域里的经典算法用主观评价与客观评价进行对比分析,其中客观评价主要采用了基于可见边对比度增强的图像的评价方法,经过实验表明本文算法有更好的稳定性。最后将本文研究的基于优化对比度增强的图像去雾算法应用于无人机火灾救援采集到的图像,经过实验验证了此应用的可行性。(本文来源于《西安理工大学》期刊2017-06-30）
阮晓慧[9]（2017）在《基于变换域的降质视频图像清晰化处理的研究》一文中研究指出海、陆交通监控、工厂生产监控、公共场所安全及智能导航等户外计算机视觉系统在人们生活中发挥着越来越重要的作用。然而,在雾天天气条件下,户外视觉系统获取的图像大都会出现不同程度的退化,对比度较低,图像中包含的大量细节会变的模糊甚至被掩盖,严重时会导致获取户外景物图像的设备无法正常运转。因此,本文针对雾天采集视频图像的退化问题,从图像增强角度出发结合变换域局部性、多分辨率、多方向性特点对雾天降质视频图像进行清晰化处理,以提高视频清晰度。首先,为克服常用去雾增强算法只单一的从频域或时域对图像整体进行增强,对于图像的局部细节特征还需进一步完善,本文采用小波变换对雾天降质视频图像进行增强。通过对图像小波分解后系数特性的分析,确定阈值函数对子波系数进行修正再反变换到时域进行对比度拉伸,得到清晰化后的图像。随后发现,视频每相邻帧景物具有较强相关性,而散落的雾具有弱相关性。因此,利用视频这一特性并结合单帧小波去雾阈值函数,提出了基于帧间关系的图像序列小波去雾算法,利用MATLAB仿真验证,通过峰值信噪比、图象熵等参数比较分析以验证本算法的有效性与优越性。最后,利用视频图像小波去雾思想,针对小波变换只有有限个方向,边缘刻画无方向性问题,提出了基于轮廓波变换的降质视频图像去雾算法。通过轮廓波变换将高、低频系数有效分开:低频部分采用Visushrinking阈值法进行噪声去除,处理后的图像相对平滑;高频部分利用自适应阈值法将系数分类,并利用增强函数对分类后的系数处理,抑制噪声、增强细节;最后重构到空域进行对比度拉伸。通过仿真实验及数据对比验证该算法有效。(本文来源于《大连海事大学》期刊2017-01-01）
胡子昂[10]（2016）在《雾霾天视频图像清晰化处理及其量化评价方法研究》一文中研究指出由于受雾霾等复杂介质环境的影响,成像设备获取到的视频图像降质严重,使得雾霾天图像复原方法的研究成为计算机视觉技术发展中亟待解决的关键性问题。本文旨在探讨雾霾天视频图像复原及其效果评价方法的问题。针对自然场景下含雾图像呈现出低对比度和色彩失真等问题,提出了一种基于视觉信息损失先验的图像去雾算法,解决传统去雾算法处理大面积亮域背景时产生halo效应的问题,并提升算法实时性;针对当前降质图像复原技术缺乏有效量化评价标准的问题,探索了一种基于先验特征引导的图像去雾效果量化评价方法,解决量化评价结果与人类感知之间的主观一致性问题;针对视频图像去雾算法面向实际应用的现实问题,开发了一套视频去雾的软、硬件开发平台,实现现场视频图像实时去雾功能。围绕视频图像去雾技术的相关理论展开研究,主要开展了以下叁个方面的研究工作:(1)视觉损失先验的图像去雾算法研究。本文提出基于视觉信息损失先验的图像分层去雾方法,通过构建视觉信息损失函数,将图像去雾过程中的透射图预估问题转化成求解约束条件下损失函数最小值的最优化问题。为保留由于景物远近造成的图像视觉景深层次感,采用人类视觉系统模型对含雾图像进行视觉景深划分,结合视觉特性估算对应区域的粗透射率图;然后,利用局部拉普拉斯滤波器对粗透射率图进行细化和融合处理,得到全局透射率图。本文去雾方法区别于传统先验算法的全局透射率提取,利用视觉分层技术对去雾结果的景深层次效果进行保留,使得复原效果更加接近真实场景。同时,避免了传统去雾方法在透射率图估算上的过分细化,弥补了目标区域透射率估计不足,改善了大面积亮域背景下的图像去雾效果,提升了去雾算法的实时性,为图像去雾方法的研究提供了一种新思路。(2)先验特征引导的图像去雾效果量化评价方法研究。研究发现,无参考图像质量评价过程接近于一个循环分类的比较过程,而不是直接对比预测出来的精确得分值。为了进行无参考图像复原效果的评测,提出了心理推断基准的概念来进行先验特征数据归一化处理。本文的评价机制首先提取含雾图像中潜在的先验特征,并进行特征筛选与优化;其次,将先验特征与心理推断基准数据进行比较,用以消除个体认知差异对评测数据的影响;最后,利用循环分类器训练数据分类面,进而得到参评去雾算法的效果排序结果。该方法的主要贡献是将在图像质量评价方法中常见的求解预测回归模型问题,转化为一个利用分类方法求解的数学问题,进而应用到含雾图像复原效果的量化评价方法中。(3)视频图像去雾算法的应用研究。本文在算法的研究基础上,结合计算机和硬件设备,完成了视频去雾算法在软、硬件平台上的开发工作。在软件测试平台端,为了能够更加直观的对比本文提出算法与现有算法的清晰化处理效果,实现并对比了多种常见的图像去雾算法,读取并显示了算法在处理过程中的文本信息,进而方便对去雾算法的时效性进行直观比较。在嵌入式硬件平台端,结合CCD摄像枪、DSP处理芯片、上位机以及视频显示器等外设,搭建了基于TMS320DM642处理芯片的雾霾天现场视频图像清晰化处理系统。在移植过程中,克服了算法大运算量与有限的片内资源之间的矛盾,实现了在D1分辨率下的含雾视频实时清晰化处理功能。(本文来源于《华南农业大学》期刊2016-06-01）
图像清晰化处理论文开题报告
（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：
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。
（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。
图像清晰化处理论文参考文献
[1].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
[2].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
[3].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
[4].易礼智.雾霾环境下图像清晰化处理研究与应用[J].电脑与电信.2019
[5].焦培峰,樊继宏,赵卫东,李冬日,缪启锋.基于变焦原理的图像清晰化处理在交通事故鉴定中的应用[J].中国司法鉴定.2019
[6].姚博文.面向AUV应用的水下图像清晰化处理和拼接技术的研究[D].浙江大学.2019
[7].刘超.模糊监控图像视频的清晰化处理[J].电子制作.2018
[8].黄楠华.恶劣环境下图像清晰化处理研究及应用[D].西安理工大学.2017
[9].阮晓慧.基于变换域的降质视频图像清晰化处理的研究[D].大连海事大学.2017
[10].胡子昂.雾霾天视频图像清晰化处理及其量化评价方法研究[D].华南农业大学.2016