基于MAAM算法低照度视频增强技术研究
基于MAAM算法低照度视频增强技术研究
本文针对低照度各种情况的图像进行不同方法的处理，主要有改进的直方图均衡化、MAAM算法与基于无参图像质量评价体系的补偿方法。前者是对常规直方图均衡化的改进，增强了对比度同时又保留了细节；MAAM算法则是融入了改进的直方图均衡化与改进的局部对比度图像增强，同时在频域进行处理，增强了图像也减弱了噪声影响；视觉补偿法则是采用灰度谱分级平坦化工具分析低照度图像的灰度特点，通过分析人类视觉系统特性提出的适合人眼观察的低照度图像增强方法，并通过图像客观评价三参数建立了寻优算法，使补偿后图像质量达到好的水平。201908062008946
【关键词】 低照度; 视频; 直方图均衡化; MAAM; 视觉补偿
图像X经过一个低通滤波器之后得到低频部分f(x,y)lp，利用与原图像相减后得到高频部分f(x,y)hp，高频部分的处理与低频处不同[20]，采用如下公式进行变换：
式3-21中：g1、g2属于不同的权值系数，而xp是阈值，不同的增益系数可以用来降低高频处的噪声以及增加细节的对比度。一般来说，xp这个值高于第二增益（g2）而低于第一增益（g1），由于含有边缘信息的像素通常值较大，所以xp这个值也不会太大。通过第一增益的增强突出了边缘信息，同时也增强了图像上部分的噪声，而噪声大部分都在第二增益处，因此第二增益就会有个较小的值。由此，第一增益是增强，而第二增益是衰减。常规直方图均衡化由于均衡化过程中要进行近似舍入,而被舍入合并的灰度级是原始图像上出现频率较低的灰度级，如果这些灰度级构成的图像细节比较重要, 则可以采用局部对比度增强技术来减少由于灰度级合并所造成的灰度层次的损失。使用局部对比度图像增强方法能强化局部图像细节, 对不均匀图像具有良好的增强效果。但对不均匀的低对比度图像增强效果不理想, 放大系数在对比度增强过程中不可调, 在整体增强的同时, 不能针对局部图像进行微调。采用改进的局部对比度增强方法, 由于利用局部窗口统计方差和可根据需要调整放大系数, 因此对不均匀的低对比度图像具有良好的增强效果, 且在整体增强的同时, 可针对局部图像进行微调[19]。由此，进行改进的局部对比度图像增强，步骤如下：
1）根据（1）中的方法, 对原始输入图像进行直方图统计并均衡化, 得到新的灰度级分布, 令此时的灰度映射函数为G ( x, y )，则对灰度直方图进行动态调节：
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1 课题背景 1
1.1.1 视频图像处理技术发展 1
1.1.2 低照度视频增强技术 1
1.1.3 空间域图像增强 2
1.1.4 频域的图像增强 2
1.2 低照度图像处理研究现状 3
1.3 本文主要内容 5
第二章 视频处理 6
2.1 处理平台简介 6
2.2 AVI文件简介 6
2.3 AVI文件处理 7
第三章 低照度图像增强方法 9
3.1 直方图均衡化 9
3.1.1 直方图均衡化概念 9
3.1.2 直方图均衡化算法基本原理 9
3.1.3 直方图均衡化效果分析 10
3.2 灰度拉伸 12
3.2.1 灰度拉伸概念 12
3.2.2 灰度拉伸基本原理 12
3.2.3 灰度拉伸效果分析 14
3.3 改进的直方图均衡化 15
3.3.1 改进的直方图均衡化 15
3.3.2 改进的直方图均衡化效果分析 16
3.4 MAAM算法 18
3.4.1 MAAM算法的基本原理 18
3.4.2 低频处的变换 19
3.4.3 高频处的处理 21
3.4.4 MAAM算法的效果分析 22
3.5 对比度分辨率补偿算法 23
3.5.1 非线性灰度谱分级平坦化理论 24
3.5.2 非线性对比度分辨率理论 25
3.5.3 视觉补偿效果分析 27
第四章 增强效果综合分析 29
4.1 图像质量评价 29
4.1.1 信息量 29
4.1.2 相对灰度距离 30
4.1.3 平均对比度 30
4.1.4 综合质量评价函数 31
4.2 寻优视觉补偿的实现 31
4.2.1 对比度分辨率补偿过程 31
4.2.2 视觉补偿的质量评价分析 33
4.3 各算法增强效果对比 35
第五章 总结与展望 38
5.1 本文总结 38
5.2 工作展望 38
致 谢 39
参考文献 40
附 录 42
本文针对低照度各种情况的图像进行不同方法的处理，主要有改进的直方图均衡化、MAAM算法与基于无参图像质量评价体系的补偿方法。前者是对常规直方图均衡化的改进，增强了对比度同时又保留了细节；MAAM算法则是融入了改进的直方图均衡化与改进的局部对比度图像增强，同时在频域进行处理，增强了图像也减弱了噪声影响；视觉补偿法则是采用灰度谱分级平坦化工具分析低照度图像的灰度特点，通过分析人类视觉系统特性提出的适合人眼观察的低照度图像增强方法，并通过图像客观评价三参数建立了寻优算法，使补偿后图像质量达到好的水平。201908062008946
【关键词】 低照度; 视频; 直方图均衡化; MAAM; 视觉补偿
图像X经过一个低通滤波器之后得到低频部分f(x,y)lp，利用与原图像相减后得到高频部分f(x,y)hp，高频部分的处理与低频处不同[20]，采用如下公式进行变换：
式3-21中：g1、g2属于不同的权值系数，而xp是阈值，不同的增益系数可以用来降低高频处的噪声以及增加细节的对比度。一般来说，xp这个值高于第二增益（g2）而低于第一增益（g1），由于含有边缘信息的像素通常值较大，所以xp这个值也不会太大。通过第一增益的增强突出了边缘信息，同时也增强了图像上部分的噪声，而噪声大部分都在第二增益处，因此第二增益就会有个较小的值。由此，第一增益是增强，而第二增益是衰减。常规直方图均衡化由于均衡化过程中要进行近似舍入,而被舍入合并的灰度级是原始图像上出现频率较低的灰度级，如果这些灰度级构成的图像细节比较重要, 则可以采用局部对比度增强技术来减少由于灰度级合并所造成的灰度层次的损失。使用局部对比度图像增强方法能强化局部图像细节, 对不均匀图像具有良好的增强效果。但对不均匀的低对比度图像增强效果不理想, 放大系数在对比度增强过程中不可调, 在整体增强的同时, 不能针对局部图像进行微调。采用改进的局部对比度增强方法, 由于利用局部窗口统计方差和可根据需要调整放大系数, 因此对不均匀的低对比度图像具有良好的增强效果, 且在整体增强的同时, 可针对局部图像进行微调[19]。由此，进行改进的局部对比度图像增强，步骤如下：1）根据（1）中的方法, 对原始输入图像进行直方图统计并均衡化, 得到新的灰度级分布, 令此时的灰度映射函数为G ( x, y )，则对灰度直方图进行动态调节：
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1 课题背景 1
1.1.1 视频图像处理技术发展 1
1.1.2 低照度视频增强技术 1
1.1.3 空间域图像增强 2
1.1.4 频域的图像增强 2
1.2 低照度图像处理研究现状 3
1.3 本文主要内容 5
第二章 视频处理 6
2.1 处理平台简介 6
2.2 AVI文件简介 6
2.3 AVI文件处理 7
第三章 低照度图像增强方法 9
3.1 直方图均衡化 9
3.1.1 直方图均衡化概念 9
3.1.2 直方图均衡化算法基本原理 9
3.1.3 直方图均衡化效果分析 10
3.2 灰度拉伸 12
3.2.1 灰度拉伸概念 12
3.2.2 灰度拉伸基本原理 12
3.2.3 灰度拉伸效果分析 14
3.3 改进的直方图均衡化 15
3.3.1 改进的直方图均衡化 15
3.3.2 改进的直方图均衡化效果分析 16
3.4 MAAM算法 18
3.4.1 MAAM算法的基本原理 18
3.4.2 低频处的变换 19
3.4.3 高频处的处理 21
3.4.4 MAAM算法的效果分析 22
3.5 对比度分辨率补偿算法 23
3.5.1 非线性灰度谱分级平坦化理论 24
3.5.2 非线性对比度分辨率理论 25
3.5.3 视觉补偿效果分析 27
第四章 增强效果综合分析 29
4.1 图像质量评价 29
4.1.1 信息量 29
4.1.2 相对灰度距离 30
4.1.3 平均对比度 30
4.1.4 综合质量评价函数 31
4.2 寻优视觉补偿的实现 31
4.2.1 对比度分辨率补偿过程 31
4.2.2 视觉补偿的质量评价分析 33
4.3 各算法增强效果对比 35
第五章 总结与展望 38
5.1 本文总结 38
5.2 工作展望 38
致 谢 39
参考文献 40
附 录 42
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/2258.html
