视觉感知特性驱动的图像增强算法
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 图像增强技术的发展 | 第11-12页 |
| 1.3 图像增强技术在煤矿中的应用 | 第12-13页 |
| 1.4 论文主要工作和组织结构 | 第13-15页 |
| 1.4.1 论文主要工作 | 第13-14页 |
| 1.4.2 论文组织结构 | 第14-15页 |
| 2 人眼视觉感知特性及模型 | 第15-22页 |
| 2.1 人眼的构造 | 第15-17页 |
| 2.2 典型人类视觉系统模型 | 第17-18页 |
| 2.3 人眼视觉特性 | 第18-21页 |
| 2.3.1 视觉频率敏感性 | 第18-19页 |
| 2.3.2 视觉频率多通道特性 | 第19页 |
| 2.3.3 视觉亮度敏感性 | 第19-20页 |
| 2.3.4 视觉掩盖特性 | 第20页 |
| 2.3.5 其他特性 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 图像增强算法概述 | 第22-41页 |
| 3.1 图像增强算法的分类 | 第22-24页 |
| 3.1.1 空域图像增强方法 | 第23页 |
| 3.1.2 频域图像增强方法 | 第23-24页 |
| 3.2 灰度变换方法 | 第24-28页 |
| 3.2.1 基本线性变换 | 第24-25页 |
| 3.2.2 分段线性变换 | 第25-27页 |
| 3.2.3 非线性变换 | 第27-28页 |
| 3.3 直方图均衡化 | 第28-32页 |
| 3.3.1 全局直方图均衡 | 第28-30页 |
| 3.3.2 自适应直方图均衡 | 第30-31页 |
| 3.3.3 限制对比度的自适应直方图均衡 | 第31-32页 |
| 3.4 基于Retinex理论的相关算法 | 第32-36页 |
| 3.4.1 Retinex理论 | 第32-33页 |
| 3.4.2 单尺度Retinex图像增强算法 | 第33-35页 |
| 3.4.3 多尺度Retinex图像增强算法 | 第35-36页 |
| 3.5 同态滤波 | 第36-37页 |
| 3.6 图像质量评价 | 第37-39页 |
| 3.6.1 信息熵 | 第38页 |
| 3.6.2 峰值信噪比和均方误差 | 第38-39页 |
| 3.7 本章小结 | 第39-41页 |
| 4 结合人眼视觉感知特性的图像增强算法 | 第41-57页 |
| 4.1 亮度域人眼视觉模型的建立 | 第41-44页 |
| 4.1.1 人眼对亮度的分辨能力 | 第41-43页 |
| 4.1.2 韦伯定律 | 第43页 |
| 4.1.3 亮度掩盖模型 | 第43-44页 |
| 4.2 本文算法 | 第44-49页 |
| 4.2.1 图像区域划分 | 第44-47页 |
| 4.2.2 分区域对比度增强 | 第47-48页 |
| 4.2.3 图像重建 | 第48-49页 |
| 4.3 参数选取 | 第49-55页 |
| 4.3.1 ?参数选取 | 第49-53页 |
| 4.3.2 α_i参数选取 | 第53-55页 |
| 4.4 本章小结 | 第55-57页 |
| 5 算法实现与结果分析 | 第57-65页 |
| 5.1 算法流程图 | 第57-58页 |
| 5.2 实验结果及分析 | 第58-64页 |
| 5.2.1 主观评价 | 第61-62页 |
| 5.2.2 客观评价 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 6 总结和展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65-66页 |
| 6.2 未来展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73-74页 |
