低照度图像增强技术的研究及实现-信号与信息处理专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档； 允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以 采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文 的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 随着计算机视觉技术的高速发展，成像系统与计算机视觉监控设备能够捕获到大量的图 像信息。然而在室内、夜间、光照不均匀等低照度条件下，由于非自然光源的照度不充分， 目标表面的反射光较弱，造成进入成像传感器的光线不足，所以导致在这种低照度条件下获 取到的图像质量下降严重、图像辨识性能差，而且含有大量噪声，以至于难以辨别图像中的 细节，降低了图像的使用价值。 传统的图像增强算法大多是从空间域和频率域对图像进行增强，处理结果往往达不到预 期要求。针对这种情况，本文对低照度环境下降质图像增强的理论和关键技术进行深入的研 究，并对现有的处理方法进行完善和改进，具体的研究内容如下： 首先，分析了本课题的现实背景和应用价值，深入研究了传统的低照度图像增强算法， 比如直方图均衡化、同态增晰、以及目前被广泛使用的基于色彩恒常性的 Retinex 算法。Retinex 算法通过模仿人类的视觉特性，对低照度图像的照射分量进行近似估计，再进行相关运算， 获得反映物体本质特征的反射分量，从而实现对图像的增强处理。 其次，针对 Retinex 算法存在的不足之处，提出了一种改进的基于变分 Retinex 的低照度 图像增强框架，先采用变分 Retinex 算法对输入的低照度图像的亮度分量进行处理，通过多次 迭代得到趋于稳定的反射分量和照射分量；接着对照射分量进行修正，来提高图像的对比度； 对反射分量进行修正，来去除图像的噪声和增强图像的细节；然后再采用自动白平衡处理得 到最终的增强图像。实验表明，该算法有效的改善了图像的过度增强以及颜色失真等问题。 最后，基于 LIP 图像增强模型，提出了一种改进的 LIP 模型低照度图像增强新算法，该 算法将人眼的视觉特性与经典的对数图像增强模型相结合，先利用对数处理模型对输入低照 度图像的亮度分量进行增强处理，并通过自适应调整参数来修正图像的动态范围以及调节图 像的锐化程度；针对处理后的图像噪声较大，引入三维块匹配对增强后图像进行去噪处理。 实验表明，该算法在提高图像亮度的同时还能有效地削弱图像的噪声。 关键词: 低照度，光照不均匀，Retinex，自动白平衡，对数图像增强 I Abstract With the rapid development of computer vision technology, a large amount of image information can be captured by imaging systems and computer vision monitoring equipment. However, in some low–light conditions, such as indoors, night, uneven illumination conditions, as the unnatural illumination light is insufficient, the reflected light on target surface is weak, resulting in insufficient light entering the imaging sensor, which causes that the quality of image on these low–light conditions is seriously degenerating, and recognition of image is very low, and images contain a lot of noise, so that it is difficult to dist