1.3  研究与发展状况
图像增强目前还缺乏统一的理论，这与没有衡量图像增强质量通用的、客观的标准有关。增强的方法往往具有针对性，增强的结果只是靠人的主观感觉加以评价。因此，图像增强方法只能有选择地使用。例如，对于增强X射线图像十分有用的方法，对于增强电磁波谱中红外波段获取的卫星图像可能就不是最好的方法。传统的图像增强处理方法在确定转换函数常是图像变换、直方图变换、灰度变换、去除噪声、频域滤波、图像平滑与锐化以及色彩增强等。虽然各种图像增强技术都在不断完善和发展，形成了许多成熟、经典的处理方法，但新的增强技术依然在稳步发展，不断推陈出新，比如利用小波多分辨分析理论，通过利用不同尺度上的小波系数间的相关性来有效区分噪声和图像信息，并据此选定增强变换，实现在抑制噪声的同时增强高频细节，由于本方法在增强有用图像信息的同时抑制了噪声，处理后的图像对比度较为明显，利于分析和进一步处理，弥补了图像直方图均衡在处理低灰度层密集分布的图像时，不能有效增加图像动态范围与对比度的缺陷，再如自适应图像直方图均衡算法，该算法与直方图匹配算法相比，算法简单，计算量小，对图像处理系统要求低，容易实现．在图像实时处理领域中可以使用该算法来取代直方图匹配算法，以实现图像直方图均衡的处理，此外基于模糊理论的图像增强算法和新的频域滤波技术等都备受瞩目[12-13]。
1.4  本文所做的工作
微光图像增强的算法针对不同的使用应用领域而有所不同。本文主要研究学习图像增强的基本方法，这些方法主要针对图像增强的普遍性问题，在改善图像质量方面至今仍发挥着重要作用。
本文共分四章，具体安排如下：
1  绪论。介绍微光图像增强的背景、应用以及发展状况。
2  图像增强的基本理论。简要介绍数字图像处理，图像增强的概念。
3  图像增强的基本方法和原理。介绍不同应用情况下的图像增强方法及特点。
4  图像增强的MATLAB算法和实现。应用MATLAB对微光图像进行增强处理。得到结果并对不同的算法进行对比。
2  图像增强的基本理论
2.1  数字图像处理的概述
数字图像处理就是采用一定的算法对数字图像进行处理，以获得人眼视觉或某种接受系统所需要的图像处理过程。它的主要内容包括图像变换、图像编码、图像增强和复原、图像压缩、图像分割、图像描述和目标识别等部分。自20世纪60年代以来，由于数字技术和微电子技术的迅猛发展给数字图像处理提供了先进的技术手段，数字图像处理也就从信息处理、自动控制系统论、计算机科学、数据通信、电视技术等学科中脱颖而出，成为研究“图像信息的获取、传输、存储、变换、显示、理解与综合利用”的一门崭新学科。随着科技的发展，人类的活动范围不断扩大，数字图像处理技术必然得到更广泛的应用，它已在人们工作和生活中的多个领域发挥了重要的作用。
2.2  图像的数字化
将模拟图像转换为离散数字图像的过程称为图像的数字化，其工作主要包含两个方面：采样和量化。所谓采样，就是讲一副连续图像在空间上分割成M*N个网络，每个网格中的模拟图的亮度均值作为该网格的亮度值。M*N的大小决定了数字图像的空间分辨率。所谓量化，就是将采样后的亮度值在某个幅度区间连续分布，转换成单个特定数码的过程。量化后的像素点整数值叫做图像的灰度级，常用 来表示，n越大，图像的亮度分辨率越高。通过采样和量化处理，便可以将连续的感知数据转换为数字形式，即产生了一副数字图像。 MATLAB微光图像增强的算法研究+文献综述(3):http://www.youerw.com/tongxin/lunwen_7804.html