基于Retinex理论的低照度图像增强算法研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 本文的研究内容 | 第19-20页 |
| 1.4 本文的结构安排 | 第20-22页 |
| 第二章 低照度图像增强的基本理论与基本方法 | 第22-36页 |
| 2.1 低照度图像的形成、特点及分类 | 第22-23页 |
| 2.2 空域增强算法 | 第23-31页 |
| 2.2.1 灰度变换法 | 第23-25页 |
| 2.2.2 直方图处理 | 第25-27页 |
| 2.2.3 图像平滑滤波 | 第27-28页 |
| 2.2.4 图像锐化滤波 | 第28-31页 |
| 2.3 变换域增强 | 第31-34页 |
| 2.3.1 低通滤波 | 第32页 |
| 2.3.2 高通滤波 | 第32-33页 |
| 2.3.3 同态滤波 | 第33-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第三章 自适应权值的Retinex图像增强算法 | 第36-56页 |
| 3.1 Retinex理论依据 | 第36-38页 |
| 3.1.1 视网膜皮层理论 | 第36-37页 |
| 3.1.2 色彩恒常性 | 第37-38页 |
| 3.2 传统的Retinex增强算法 | 第38-42页 |
| 3.2.1 单尺度Retinex算法 | 第38-39页 |
| 3.2.2 多尺度Retinex算法 | 第39-40页 |
| 3.2.3 带色彩恢复的Retinex算法 | 第40-42页 |
| 3.3 自适应权值的多尺度Retinex算法 | 第42-50页 |
| 3.3.1 对数函数的修正 | 第42-44页 |
| 3.3.2 图像的区域平坦特性和平坦指数 | 第44-45页 |
| 3.3.3 图像子块的最佳尺度参数 | 第45-46页 |
| 3.3.4 多尺度间的自适应权值计算 | 第46-47页 |
| 3.3.5 正常亮度区域的亮度保持 | 第47-48页 |
| 3.3.6 噪声抑制 | 第48-50页 |
| 3.4 低照度图像增强结果与分析 | 第50-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于PLIP模型的低照度图像增强算法 | 第56-74页 |
| 4.1 对数图像处理模型 | 第56-59页 |
| 4.1.1 LIP模型 | 第56-57页 |
| 4.1.2 PLIP模型 | 第57-59页 |
| 4.1.3 LIP模型和PLIP模型的比较 | 第59页 |
| 4.2 基于PLIP模型的Retinex增强算法 | 第59-67页 |
| 4.2.1 基于PLIP模型的图像卷积操作 | 第60-62页 |
| 4.2.2 基于PLIP模型的反射分量估计 | 第62-64页 |
| 4.2.3 图像亮度修正 | 第64-65页 |
| 4.2.4 饱和度修正 | 第65-67页 |
| 4.3 增强结果分析 | 第67-72页 |
| 4.4 本章小结 | 第72-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 本文工作总结 | 第74页 |
| 5.2 下一步工作展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82-84页 |
