《算法组4：图像清晰化算法研究及其DSP实现1》.pptVIP

仿真结果 表2 不同算法增强结果客观评价 图片 评价指标 原图 MSRCR 暗原色 本算法 信息熵 0.9520 0.9226 0.9803 0.9576 SSIM -- 0.9689 0.9752 0.9886 VIF -- 1.1543 1.5070 1.6935 信息熵 0.2076 0.7000 0.9900 0.6064 SSIM -- 0.9693 0.9860 0.9855 VIF -- 1.0833 2.9778 1.1717 信息熵 0.9343 0.9598 0.9415 0.9297 SSIM -- 0.9976 0.9948 0.9977 VIF -- 1.3630 1.7180 0.6537 信息熵 0.8071 0.8526 0.8250 0.7819 SSIM -- 0.9956 0.9995 0.9996 VIF -- 0.5833 0.7349 0.9184 低照度增强算法优点 提出区分图像明暗程度的方法 提出分段抛物线自适应增强方法 提出优化导向滤波的去噪方法 采用高斯滤波的细节补偿方法 四.算法的DSP实现 五. 应用领域 一. 设计背景 二. 雾天图像清晰化算法 六. 总结 三. 低照度图像增强算法 内容 DSP平台的选择 TMS320DM642 Evolution Module 算法高精度和大运算量 成本和开发周期的要求 算法复杂度和系统实时性要求 系统结构图 DSP硬件平台 工程实现 工程实现 去雾 低照度增强 优化方法 降低算法本身复杂度 利用DSP结构对代码进行优化 浮点数的处理 内存的合理分配 EDMA搬移数据 编译器的优化等 如：下采样计算优化的透射率 测试环境 去雾测试 低照度增强测试 测试结果 处理速度 ： 雾天图像清晰化 25.36 fps 低照度图像增强 20.50 fps 五. 应用领域 一. 设计背景 二. 雾天图像清晰化算法 四. 算法的DSP实现 六. 总结 三. 低照度图像增强算法 内容 应用领域 交通安全、视频监控、风景人物照片清晰化等。 六.总结 五. 应用领域 一. 设计背景 二. 雾天图像清晰化算法 四. 算法的DSP实现 三. 低照度图像增强算法 内容 总 结 针对目前去雾算法实时性较差的问题，提出优化的导向滤波方法； 针对去雾后图像普遍偏暗的情况，提出一种保持物体颜色的自适应亮度调整方法； 针对目前低照度图像增强算法适应性不强问题，提出夜光照值概念，以衡量图像明暗程度； 针对亮区过增强问题，提出分段抛物线解决方案。 TI DSP大赛给我们提供了一个发挥潜能和挑战自我的可贵机会。感谢TI！ 感谢厦门大学组委会！ 感谢指导老师的帮助！ 感谢各位专家的聆听！ 请您批评指正，谢谢！ 致 谢 成像系统受各种因素的影响，导致了图像质量的降低，称之为图像退化 符合人眼对于亮度响应的非线性特性 （考虑图像退化原因） （参数自适应选取；速度提升） 去雾质量无明显降低，处理时间大大缩短。 [图(1)来源/en-us/um/people/kahe/cvpr09/results.html ] [图(2)来源/viewthread.php?tid] [图(4)来源/photo/10065/scenery_1118990html#ArticeTit 相关新闻：“130万平方公里国土 处于灰霾之中” (时间：2014-1-29) ] 大气光值A的估计方法简单有效； 得到的透射率t(x)较好的反映了场景深度（导向滤波在平滑区域内部的同时保持了边缘）。 多对比。。GAMMA 抛物线特点： 暗区增益适中；中部小幅度变化； 亮区基本不变。 并以此为参照对图像进行自适应增强。 （ 0.1%图像总像素数） A求取方法 :数目大于某一阈值的最大像素值。 拉姆达 * * [图片来源 /retinex/pao/news/ ] [拍摄日期2014:03:06 20:31:42 相机型号 SONY NEX-3N 快门速度 1/4秒 光圈 F4.0 焦距 20 ISO 3200 曝光补偿 0.0 最大光圈 F4.0 ] 暗区得到了适合的拉伸 避免了亮区的颜色饱和 噪声得到抑制 优化方法再修改下。。 ，有效完成了较高分辨率雾天图像/ 视频的实时处理 ，使亮度适中符合视觉需求 ，有效提高算法的适应性及应用的广泛性 在提升暗区亮度的同时有效保留了亮区细节 图像清晰化算法研究及其DSP实现 2014.4.24 厦门 指导老师：张