基于人眼视觉特性的低照度图像增强算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 基于直方图均衡化的图像增强方法 | 第10页 |
| 1.2.2 基于Retinex理论的图像增强方法 | 第10-11页 |
| 1.2.3 基于暗原色先验的图像增强方法 | 第11页 |
| 1.2.4 基于图像融合的图像增强方法 | 第11-12页 |
| 1.2.5 基于小波变换的图像增强方法 | 第12-13页 |
| 1.3 论文主要工作及结构安排 | 第13-15页 |
| 1.3.1 论文主要工作 | 第13页 |
| 1.3.2 论文结构安排 | 第13-15页 |
| 第二章 图像增强的基本理论与方法概述 | 第15-27页 |
| 2.1 低照度图像的定义与特性 | 第15-16页 |
| 2.1.1 低照度图像的定义 | 第15页 |
| 2.1.2 低照度图像的分类与特性 | 第15-16页 |
| 2.2 人眼视觉特性与图像增强 | 第16-18页 |
| 2.3 Retinex理论 | 第18-20页 |
| 2.3.1 颜色恒常性 | 第18页 |
| 2.3.2 Retinex理论思想 | 第18-20页 |
| 2.4 图像增强的基本方法 | 第20-25页 |
| 2.4.1 基于Retinex理论的图像增强算法 | 第20-22页 |
| 2.4.2 基于融合技术的图像增强算法 | 第22-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于对数图像处理模型的增强算法研究 | 第27-42页 |
| 3.1 对数图像处理模型介绍 | 第27-30页 |
| 3.1.1 经典LIP模型 | 第27-29页 |
| 3.1.2 LIP模型的相关应用 | 第29-30页 |
| 3.2 基于对数图像处理模型的图像增强算法流程 | 第30-31页 |
| 3.3 基于LIP滤波器的光照分量估计 | 第31-35页 |
| 3.3.1 反射分量提取的相关研究工作 | 第32-33页 |
| 3.3.2 基于LIP滤波器的光照分量估计 | 第33-35页 |
| 3.4 光照分量的增强算法 | 第35-38页 |
| 3.4.1 常见的光照调整算法 | 第35-36页 |
| 3.4.2 基于背景亮度的局部自适应增强算法 | 第36-38页 |
| 3.5 实验结果与分析 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于融合技术的监控视频增强算法研究 | 第42-57页 |
| 4.1 视频融合增强算法的相关研究 | 第42-46页 |
| 4.2 监控视频运动物体提取算法 | 第46-48页 |
| 4.3 基于参考帧的视频融合增强算法 | 第48-54页 |
| 4.3.1 视频增强算法的基本框架 | 第48-49页 |
| 4.3.2 色调映射预增强 | 第49页 |
| 4.3.3 运动物体提取 | 第49-50页 |
| 4.3.4 基于Retinex理论的亮度分割 | 第50页 |
| 4.3.5 改进融合策略的增强算法 | 第50-54页 |
| 4.4 实验结果与分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 基于人眼视觉特性的图像增强质量评价 | 第57-67页 |
| 5.1 传统的图像增强效果评价方法 | 第57-59页 |
| 5.2 基于人眼视觉特性的评价方法 | 第59-63页 |
| 5.2.1 评价算法的整体框架 | 第59-60页 |
| 5.2.2 图像视觉特征信息提取 | 第60-61页 |
| 5.2.3 基于视觉感知的质量评价 | 第61-63页 |
| 5.3 实验结果与分析 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文工作总结 | 第67-68页 |
| 6.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第73-74页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第74-75页 |
| 致谢 | 第75页 |
