基于JND曲线特性的图像增强方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 数字图像学的发展历程 | 第8-11页 |
| 1.2 研究课题的背景和意义 | 第11-12页 |
| 1.3 图像增强的发展现状 | 第12-14页 |
| 1.3.1 传统的图像增强算法 | 第13页 |
| 1.3.2 基于多尺度分析的图像增强方法 | 第13页 |
| 1.3.3 模糊增强方法 | 第13-14页 |
| 1.3.4 基于传递型算法的图像增强技术 | 第14页 |
| 1.3.5 基于人类视觉的图像增强技术 | 第14页 |
| 1.4 本课题的目的 | 第14-15页 |
| 1.5 结构安排 | 第15-17页 |
| 2 人眼视觉系统概述 | 第17-26页 |
| 2.1 人眼结构 | 第17-19页 |
| 2.2 人眼视觉特性 | 第19-20页 |
| 2.3 人眼的感知系统 | 第20-24页 |
| 2.3.1 视觉信息传递过程 | 第20-21页 |
| 2.3.2 感受野 | 第21-22页 |
| 2.3.3 视觉注意机制 | 第22-24页 |
| 2.4 小结 | 第24-26页 |
| 3 图像基础增强算法的概述及改进 | 第26-38页 |
| 3.1 灰度拉伸 | 第26-28页 |
| 3.1.1 线性拉伸 | 第26-28页 |
| 3.1.2 非线性拉伸 | 第28页 |
| 3.2 直方图均衡化和直方图均衡化的改进 | 第28-31页 |
| 3.2.1 直方图均衡化 | 第29-31页 |
| 3.2.2 直方图改进 | 第31页 |
| 3.3 滤波器 | 第31-33页 |
| 3.3.1 空间滤波器 | 第31-32页 |
| 3.3.2 频域滤波器 | 第32-33页 |
| 3.4 图像的锐化 | 第33-34页 |
| 3.4.1 微分算子 | 第33页 |
| 3.4.2 梯度算子 | 第33-34页 |
| 3.5 基于临界可见偏差的均值滤波器算法 | 第34-37页 |
| 3.6 总结 | 第37-38页 |
| 4 基于 JND 曲线特性的图像增强算法 | 第38-52页 |
| 4.1 韦伯定律和 JND 曲线 | 第38-43页 |
| 4.1.1 临界可见偏差曲线 | 第39-40页 |
| 4.1.2 韦伯定律和改进型临界可见偏差曲线 | 第40-43页 |
| 4.2 线性拉伸的应用 | 第43-44页 |
| 4.3 基于临界可见偏差的块模式图像增强算法 | 第44-46页 |
| 4.4 算法的描述和步骤 | 第46-48页 |
| 4.5 实验结果 | 第48-51页 |
| 4.6 总结 | 第51-52页 |
| 5 总结和展望 | 第52-54页 |
| 5.1 全文回顾 | 第52页 |
| 5.2 图像增强技术未来展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间的研究成果 | 第58页 |
