基于光照过强过弱条件下的图像增强研究
基于光照过强过弱条件下的图像增强研究中文摘要
I基于光照过强过弱条件下的图像增强研究中文摘要人类生存和发展离不开视觉信息视觉信息主要由图像信息组成如今图像处理技术在人们生活中的重要性与日俱增如视频监控、医疗影像、指纹解锁、生产自动化和军事追踪等等。照度适宜、清晰度良好、纹理及颜色正常的图像保证了视频监控等现代人工智能技术的正常运作然而获取图像时常常由于设备或背景条件的限制得到的图像照度过高或过低此类图像严重影响了人工智能技术的运用因此本文针对这些过曝光及低照度图像进行了相关增强算法研究。本课题得到国家自然科学基金项目编号51405320的资助以彩色过曝光图像及低照度图像为研究对象由提出或改进的图像增强算法解决了过曝光图像纹理及颜色散失、低照度图像细节模糊和亮度低等问题。彩色过曝光图像由于亮度过高在过曝光区域纹理及颜色极易散失严重降低了图像质量低照度图像在细节和边缘区域容易出现模糊不清的现象现有的算法在提高图像亮度时经常会出现光晕、褪色和过增强现象。针对这些问题本文做了相关研究。全文主要研究内容如下回顾了现有图像增强算法的特点及常用的图像质量评估算法。经典的图像增强算法主要包括线性及非线性图像增强算法、图像直方图修正算法、图像去噪增强算法以及Retinex低照度图像增强算法。在使用这些算法时应注意各算法的特点针对图像存在的问题选择合适的增强算法图像质量评估主要包括图像均值、熵值、标准差、峰值信噪比、BRISQE值和NIQE值。研究了局部过曝光图像的纹理及颜色修复算法。首先选取能直观表达色彩明暗、色度及颜色鲜艳程度的HSV色彩模型采用修正饱和度S阈值检测法得到过曝光区域然后选用区域块填充算法恢复纹理将亮度均方值、数据项和置信度结合并加权计算边界点所在区域的优先级以此确定修复边界点顺序提高修复精度最后采用空间距离和亮度差值的权重对色调和饱和度进行加权恢复色彩输出修复图像。实验结果表明图像过曝光区域亮度值有效降低直方图分布更合理同时纹理及颜色得到了有效恢复。
相关知识
不同光照条件下生长的曼地亚红豆杉光合特性的比较研究
基于深度学习的花卉图像分类算法研究
基于深度学习的花卉图像分类识别模型研究
大豆光周期特性研究 Ⅱ.不同光照对大豆各生育阶段的影响
为温室种植者节省开支的光照方式
基于卷积神经网络的花卉图像分类研究(32页)
通过光照调节防治温室病害
温室植物病害的图像处理及特征值提取方法的研究(一)——基于图像预处理的特征值提取方法的研究
光照、温度和盐分对囊果碱蓬种子萌发的影响
设施果树光照调控措施
网址: 基于光照过强过弱条件下的图像增强研究 https://www.huajiangbk.com/newsview587312.html
上一篇: 暗淡无光的卫生间,我该拿你怎么办 |
下一篇: 【雷凌起步】雷凌起步慢、雷凌起步 |
推荐分享

- 1君子兰什么品种最名贵 十大名 4012
- 2世界上最名贵的10种兰花图片 3364
- 3花圈挽联怎么写? 3286
- 4迷信说家里不能放假花 家里摆 1878
- 5香山红叶什么时候红 1493
- 6花的意思,花的解释,花的拼音 1210
- 7教师节送什么花最合适 1167
- 8勿忘我花图片 1103
- 9橄榄枝的象征意义 1093
- 10洛阳的市花 1039