低照度图像增强算法的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题的研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要工作 | 第11-13页 |
| 2 低照度图像增强基本理论 | 第13-25页 |
| 2.1 低照度图像增强算法——空域法 | 第13-20页 |
| 2.1.1 直方图均衡化 | 第13-14页 |
| 2.1.2 灰度变换法 | 第14-17页 |
| 2.1.3 Retinex法 | 第17-19页 |
| 2.1.4 基于图像去雾技术的增强算法 | 第19-20页 |
| 2.2 低照度图像增强算法——变换域法 | 第20-21页 |
| 2.3 低照度图像增强算法——融合法 | 第21页 |
| 2.4 图像质量评价指标 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于视觉特性的低照度图像增强算法 | 第25-36页 |
| 3.1 相关研究 | 第25页 |
| 3.2 改进的基于视觉感知的低照度图像增强算法 | 第25-33页 |
| 3.2.1 人眼视觉感知特性 | 第25-26页 |
| 3.2.2 视觉模拟函数的确定 | 第26-27页 |
| 3.2.3 暗适应调整 | 第27-29页 |
| 3.2.4 明适应函数 | 第29-30页 |
| 3.2.5 明暗信息融合 | 第30-31页 |
| 3.2.6 局部对比度增强 | 第31-32页 |
| 3.2.7 色彩恢复 | 第32-33页 |
| 3.3 实验结果与分析 | 第33-35页 |
| 3.3.1 主观评价 | 第34页 |
| 3.3.2 客观评价 | 第34-35页 |
| 3.3.3 处理效率比较 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于物理模型的低照度图像增强算法 | 第36-50页 |
| 4.1 低照度图像与雾天图像的关系 | 第36页 |
| 4.2 基于暗原色先验的图像去雾技术 | 第36-42页 |
| 4.2.1 雾天图像退化模型 | 第37-39页 |
| 4.2.2 暗原色先验规律 | 第39-40页 |
| 4.2.3 基于暗原色先验的去雾算法 | 第40-42页 |
| 4.3 改进的基于物理模型的低照度图像增强算法 | 第42-47页 |
| 4.3.1 基于暗原色先验估计环境光值A | 第43页 |
| 4.3.2 基于亮度分量估计透射率t | 第43-46页 |
| 4.3.3 边缘补偿 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-49页 |
| 4.4.1 主观评价 | 第47-48页 |
| 4.4.2 客观评价 | 第48-49页 |
| 4.4.3 处理效率比较 | 第49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 低照度增强软件设计 | 第50-64页 |
| 5.1 软件开发平台 | 第50-52页 |
| 5.1.1 MFC简介 | 第50-51页 |
| 5.1.2 MFC关键技术 | 第51页 |
| 5.1.3 OpenCV库 | 第51-52页 |
| 5.2 软件的设计与实现 | 第52-54页 |
| 5.2.1 功能设计 | 第52-53页 |
| 5.2.2 界面设计 | 第53页 |
| 5.2.3 代码嵌入 | 第53-54页 |
| 5.3 软件说明 | 第54-62页 |
| 5.3.1 雾天图像清晰化 | 第55-56页 |
| 5.3.2 低照度图像增强 | 第56-58页 |
| 5.3.3 沙尘及水下图像清晰化 | 第58-59页 |
| 5.3.4 智能亮度调整 | 第59-60页 |
| 5.3.5 视频清晰化 | 第60页 |
| 5.3.6 图像清晰化微调功能 | 第60-62页 |
| 5.3.7 图像对比功能 | 第62页 |
| 5.4 本章小结 | 第62-64页 |
| 总结与展望 | 第64-66页 |
| 全文总结 | 第64页 |
| 不足与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第70页 |
