导读:本文包含了单尺度算法论文开题报告文献综述及选题提纲参考文献，主要关键词:Xilinx,FPGA,Vivado,HLS,单尺度Retinex算法,弹载电视成像
单尺度算法论文文献综述
任梦洁,石胜斌[1]（2018）在《单尺度Retinex图像增强算法在Xilinx FPGA上的高性能实现》一文中研究指出为了满足弹载电视成像系统实时处理的要求,构建了一种基于Xilinx FPGA的弹载电视成像系统,在此基础上实现了单尺度Retinex图像增强算法模块的设计与应用。该系统采用Xilinx公司的Zedboard开发板构建弹载电视成像系统的处理框架,利用Vivado HLS工具将C语言实现设计的代码转化为相应的RTL代码,实现了单尺度Retinex算法IP核的并行设计。为了验证系统的可靠性和实时性,进行了静态和动态实验验证。结果表明,该系统在保证了视频图像增强效果的前提下,大大提升了单尺度Retinex图像增强算法的实时性,满足弹载电视成像系统的要求。(本文来源于《火炮发射与控制学报》期刊2018年04期）
郭瑞,党建武,沈瑜,刘成[2]（2018）在《改进的单尺度Retinex图像去雾算法》一文中研究指出传统的单尺度Retinex算法无法同时兼顾图像细节和颜色保真度,也无法凸显景深不同的雾天图像中远处景物的细节信息.针对此问题,提出了一种改进的单尺度Retinex算法对以上问题进行改善.首先,对原始雾天图像取反后进行改进的单尺度Retinex处理;然后将处理后的图像再取反后在HSI空间中对其饱和度分量进行拉伸.其中,改进的单尺度Retinex算法中运用可自适应调节的S型函数Sigmoid代替其中的log函数改善图像处理过程中的展宽效果.将输出结果图与原图相比,其对比度、信息熵、标准差都有所提高.仿真实验结果表明,所提算法对于雾天浓度不均匀的图像细节及颜色保真度尤其是图像远景的细节信息取得了较好的效果.(本文来源于《兰州交通大学学报》期刊2018年06期）
王彦林,张进[3]（2018）在《改进成像模型的单尺度Retinex彩色图像增强算法》一文中研究指出为提高彩色图像增强的对比度,消除光晕伪影,提出一种基于改进成像模型的单尺度Retinex彩色图像增强方法。设计一个由全局照度、局部照度和反射率乘积构成的改进成像模型,将输入RGB彩色图像转换为HSV彩色图像;分别对V分量3个估计分量进行估计和伽马校正,图像H和S分量保持不变,采用改进成像模型获得增强的输出V分量;结合H、S和增强后V分量获得输出图像。实验结果表明,相比当前彩色图像增强方法,所提方法具有更好的增强性能,其输出彩色图像具有较高的全局和局部对比度,无颜色变化,有效消除了光晕伪影。(本文来源于《计算机工程与设计》期刊2018年11期）
赵冬梅,李斯娜[4]（2018）在《改进单尺度Retinex的彩色图像增强算法》一文中研究指出为了解决传统单尺度Retinex算法全部像素都采用同一空间滤波模块实施操作,容易产生彩色图像光晕以及色彩流失,彩色图像增强效果差的问题,提出改进单尺度Retinex的彩色图像增强算法。改进算法融合粒子群优化算法以及Retinex算法,基于熵值大小以及变换成HIS图像的H值大小实施匹配,采用合理的滤波模板实施运算,完成彩色图像的增强处理。通过改进SSR算法解决图像边缘亮度波动时,图像出现的光晕以及光阴影问题,提升彩色图像增强效果。实验结果表明,所提算法对室内室外图像的亮度、对比度、饱和度等内容具有较高的增强效果,能提升总体图像的质量。(本文来源于《现代电子技术》期刊2018年17期）
李亚东,王洪栋,朱美强[5]（2015）在《改进单尺度Retinex算法在矿井图像中的运用》一文中研究指出煤矿井下视频监控图像具有整体偏暗、对比度低且带有很强的背景噪声等不足,将其清晰化对于矿井安全生产意义重大。基于改进的单尺度Retinex算法,利用双边滤波代替高斯滤波对光照进行估计,用于矿井彩色图像的增强。实验结果表明,所用算法适用于井下彩色视频图像,具有计算效率高、增强图像无光晕等优点。(本文来源于《煤矿机械》期刊2015年05期）
马忠丽,文杰[6]（2015）在《融合边缘信息的单尺度Retinex海雾去除算法》一文中研究指出鉴于海雾会造成无人艇视觉系统采集到的视频图像严重降质,进而影响无人艇的目标检测、跟踪以及识别,提出一种融合边缘信息的单尺度Retinex快速海雾去除算法.在传统单尺度Retinex去雾模型的基础上,结合引导滤波的思想,采用基于边缘信息的高斯滤波来估计亮度分量;再在求得的反射分量中引入原始强度分量来改善反射分量的估计,结合分段灰度变换扩展图像的对比度;最后进行色彩恢复来实现海雾的快速去除.与其他去雾算法进行对比,并从主客观2方面进行图像质量评价.仿真实验结果表明,该算法能有效地减少光晕和噪声,去雾速度快、保边效果好、去雾效果明显.(本文来源于《计算机辅助设计与图形学学报》期刊2015年02期）
孙玲姣[7]（2014）在《一种基于单尺度Retinex的图像增强算法》一文中研究指出以单尺度Retinex算法为基础,结合RGB颜色空间与YCb Cr颜色空间转换的方法和直方图均衡化,获得一组类比于曝光度不同的图像,接着将所得曝光度不同的图像组按权重重建图像。通过比较处理前后的图像,可看出该算法可实现对单张图像整体和细节方面的增强。(本文来源于《物联网技术》期刊2014年11期）
朱珍,万志平,蒋鹏[8]（2014）在《改进单尺度Retinex的复杂光照人脸识别算法》一文中研究指出在光照复杂条件下人脸识别性能明显下降。针对单尺度Retinex算法易产生"光晕"现象,提出一种改进单尺度Retinex算法的复杂光照人脸识别方法(ISSR)。首先利用拉普拉斯梯度算子增强光照人脸图像的边缘信息,然后在单尺度Retinex算法的基础引入符合人眼视觉特性的中心自适应调节拟合函数,以增强图像各个颜色分量,提高人脸图像对比度,最后采用Yale B和CMU-PIE人脸库进行仿真测试。结果表明,ISSR算法增强了人脸图像的对比度,改善了人脸图像的视觉效果,有助于提高人脸图像识别率和识别速度,能满足复杂光照条件下的人脸识别要求。(本文来源于《计算机应用与软件》期刊2014年03期）
刘松,孙东,卢一相[9]（2013）在《基于单尺度Retinex雾天降质图像增强算法》一文中研究指出针对雾天采集的图像的退化现象,提出一种基于单尺度Retinex的雾天图像增强的算法.此算法首先把图像从RGB空闻转换到HSI空间,对亮度Ⅰ分量用单尺度Retinex估计出与场景深度信息相关的雾气遮罩度,从亮度Ⅰ分量中除去所估算的雾气遮罩度,即可得到亮度Ⅰ分量的反射分量;然后利用双边滤波器,提取雾气遮罩度的反射分量,将该反射分量和亮度Ⅰ的反射分量进行融合,并对饱和度S进行线性拉伸;最后转换到RGB空间即可得到增强后的图像.实验结果表明,该方法对雾天退化图像效果较好.(本文来源于《微电子学与计算机》期刊2013年11期）
冯连强,杨延西,任玉成,赵流韵,丁小梅[10]（2013）在《基于单尺度Retinex理论的带钢图像增强算法》一文中研究指出针对带钢表面缺陷检测中图像偏暗的问题,提出一种基于单尺度Retinex理论的图像增强算法,该算法将预处理后的带钢图像乘以比例系数,得到亮度图像的估计值,接着对反射图像采用Gamma校正,最后将Gamma校正后的反射图像与粗估计的亮度图像进行合成,得到最终的增强图像。对算法中亮度估计用到的比例系数,以及Gamma校正系数进行了详细的分析。实验结果表明,该算法避免了单尺度Retinex算法在估计亮度图像时采取的复杂运算,并且较一般的图像增强算法能够使带钢图像中较暗的细节得以凸现,在增强效果和实时性上具有更大的优越性。(本文来源于《冶金设备》期刊2013年04期）
单尺度算法论文开题报告
（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：
传统的单尺度Retinex算法无法同时兼顾图像细节和颜色保真度,也无法凸显景深不同的雾天图像中远处景物的细节信息.针对此问题,提出了一种改进的单尺度Retinex算法对以上问题进行改善.首先,对原始雾天图像取反后进行改进的单尺度Retinex处理;然后将处理后的图像再取反后在HSI空间中对其饱和度分量进行拉伸.其中,改进的单尺度Retinex算法中运用可自适应调节的S型函数Sigmoid代替其中的log函数改善图像处理过程中的展宽效果.将输出结果图与原图相比,其对比度、信息熵、标准差都有所提高.仿真实验结果表明,所提算法对于雾天浓度不均匀的图像细节及颜色保真度尤其是图像远景的细节信息取得了较好的效果.
（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。
单尺度算法论文参考文献
[1].任梦洁,石胜斌.单尺度Retinex图像增强算法在XilinxFPGA上的高性能实现[J].火炮发射与控制学报.2018
[2].郭瑞,党建武,沈瑜,刘成.改进的单尺度Retinex图像去雾算法[J].兰州交通大学学报.2018
[3].王彦林,张进.改进成像模型的单尺度Retinex彩色图像增强算法[J].计算机工程与设计.2018
[4].赵冬梅,李斯娜.改进单尺度Retinex的彩色图像增强算法[J].现代电子技术.2018
[5].李亚东,王洪栋,朱美强.改进单尺度Retinex算法在矿井图像中的运用[J].煤矿机械.2015
[6].马忠丽,文杰.融合边缘信息的单尺度Retinex海雾去除算法[J].计算机辅助设计与图形学学报.2015
[7].孙玲姣.一种基于单尺度Retinex的图像增强算法[J].物联网技术.2014
[8].朱珍,万志平,蒋鹏.改进单尺度Retinex的复杂光照人脸识别算法[J].计算机应用与软件.2014
[9].刘松,孙东,卢一相.基于单尺度Retinex雾天降质图像增强算法[J].微电子学与计算机.2013
[10].冯连强,杨延西,任玉成,赵流韵,丁小梅.基于单尺度Retinex理论的带钢图像增强算法[J].冶金设备.2013