基于LIP模型的低度彩色图像增强新算法.docVIP

信息处理的数学基础 小论文 班级： 学号： 成绩： 2015年6月30日 基于LIP模型的低照度彩色图像增强新算法 作者 （， 邮编） Image feature extraction and matching of color-based scale-invariant feature transform Abstract: That image feature extraction and matching will be done after the color image is transformed into gray one may cause color information loss and lead to wrong matching． In order to solve such problem， an image feature extraction and matching method named CSIFT ( Color-based Scale-Invariant Feature Transform) was used to realize color image feature extraction and matching． Combining the color features with the geometrical features of the objects， feature points were extracted and neighbor information around these points was described using color invariant value as input information． Then the points between two images were matched using the nearest neighbor method． The algorithms were applied to vision-odometer， feature extraction and matching with two adjacent frames from camera were operated and compared with the SIFT algorithm in the experiment． The result shows that the algorithm is effective． Key words: color invariance; image match; feature extraction; scale space; vision-odometer 图像增强是图像处理的基本手段之一也是对图像进行分析的预处理过程，图像增强的目的是使不清晰的图像变得清晰，突出人或其他接收系统感兴趣的部分，抑制不感兴趣的部分，提高图像的视觉效果，使处理后的图像质量得到改善。对于全天候和户外工作场所，光线变化对图像处理带来诸多不便，光照条件不佳或采集设备的问题，图像质量受到严重影响。另外光照不足导致图像阴影区域与背景融合，部分信息丢失。因此，增强低照度图像的对比度和亮度，近年来在遥感卫星、视频监控、医学图像等方面有了重要的应用价值。 传统的灰度图像增强方法主要包括直方图均衡法、对比度拉伸等等，直方图均衡法整体对比度很强，，但是会造成灰度的“吞噬”图像信息有所丢失RGB)图像模型转换为HSV，这样可以实现色彩与亮度的分离，解决了RGB空间处理产生颜色失真的问题[4]。HSV模型的色调、饱和度、亮度三个分量的相关性很小，所以在保持色调H分量和饱和度S分量不变的条件下，对亮度分量V进行LIP处理，将源图像的像素点的像素值通过对数函数映射到目标空间1 LIP模型 在图像处理中，一般的“+”和“”算术操作不适用于一些实际的图像处理工作，两幅图像直接进行相加(或相乘)所得的结果与人的视觉效果有一定的差距，并且会产生“超区间值”问题，文献[5]中提出的LIP模型，它提供了一种新的算术结构，该模型定义了新的加法、减法、乘法等向量运算 。应用该模型的图像灰度值都在[0,M)区间内, 从而避免产生超区间值的问题，也与人眼的视觉系统的饱和特性相一致。 1.1 LIP模型的基本同态函数 其中，灰度值f定义在[0,M)的范围内，M为正值常数。 LIP模型曲线如图1所示. 图1 LIP模型曲线 由上述曲线得知，该非线性变化过程扩展低灰度值而压缩高灰度值，实现了图像灰度扩展和压缩的功能让图像的灰度分布更加符合人的视觉特征。LIP模型的向量运算 加法运算：灰度值f与g的“”表示为： ，