低质图像增强算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 序言 | 第8-12页 |
| 1 引言 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 逆光与模糊图像处理的研究现状 | 第13-15页 |
| 1.2.1 逆光图像增强的研究现状 | 第13-14页 |
| 1.2.2 图像去模糊的研究现状 | 第14-15页 |
| 1.3 本文的研究工作 | 第15-16页 |
| 1.4 论文的安排 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 逆光与模糊图像处理的方法简介 | 第17-23页 |
| 2.1 逆光图像处理相关方法 | 第17-19页 |
| 2.1.1 基于Retinex理论的相关方法 | 第17-18页 |
| 2.1.2 直方图均衡化 | 第18页 |
| 2.1.3 灰度变换 | 第18-19页 |
| 2.2 模糊图像处理的相关方法 | 第19-21页 |
| 2.2.1 逆滤波 | 第20页 |
| 2.2.2 最大后验概率方法 | 第20-21页 |
| 2.3 评价标准 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 融合全局与局部区域亮度的逆光图像增强 | 第23-33页 |
| 3.1 逆光图像增强算法框架 | 第23-24页 |
| 3.2 基于颜色估计模型的图像全局增强 | 第24页 |
| 3.3 基于亮度保持的图像局部区域增强 | 第24-27页 |
| 3.3.1 局部暗区提取 | 第25页 |
| 3.3.2 亮度保持的颜色估计模型 | 第25-27页 |
| 3.4 基于局部块信息熵的自适应图像增强融合 | 第27-28页 |
| 3.5 实验结果与分析 | 第28-32页 |
| 3.5.1 图像增强性能分析 | 第28-29页 |
| 3.5.2 主观视觉的性能比较 | 第29-31页 |
| 3.5.3 相关参数影响 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 4 基于自适应模糊核估计的车牌去模糊 | 第33-44页 |
| 4.1 基于自适应模糊核估计的车牌去模糊框架 | 第33-34页 |
| 4.2 自适应模糊核估计 | 第34-37页 |
| 4.2.1 模糊核估计 | 第34-35页 |
| 4.2.2 自适应模糊核检测模型 | 第35-37页 |
| 4.3 车牌图像恢复 | 第37-39页 |
| 4.3.1 车牌图像的统计特性 | 第37-38页 |
| 4.3.2 清晰图像估计 | 第38-39页 |
| 4.4 实验结果与分析 | 第39-43页 |
| 4.4.1 自适应模糊核检测模型性能分析 | 第39-40页 |
| 4.4.2 车牌恢复模型性能分析 | 第40-42页 |
| 4.4.3 模型收敛性分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 引入拉普拉斯约束的运动模糊图像去模糊 | 第44-53页 |
| 5.1 引入拉普拉斯约束的运动模糊图像去模糊框架 | 第44页 |
| 5.2 含有噪声的运动模糊图像恢复 | 第44-46页 |
| 5.3 基于图像显著边缘的模糊核估计 | 第46-48页 |
| 5.3.1 图像显著边缘提取 | 第47-48页 |
| 5.3.2 模糊核估计 | 第48页 |
| 5.4 实验结果与分析 | 第48-52页 |
| 5.4.1 客观性能分析 | 第48-50页 |
| 5.4.2 主观视觉的性能比较 | 第50-52页 |
| 5.4.3 模型收敛性分析 | 第52页 |
| 5.5 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简历 | 第58-60页 |
| 学位论文数据集 | 第60页 |
