基于迭代思想的 Retinex 理论 21
3。7 小结 21
4 基于中心环绕的 Retinex 算法 22
4。1 单尺度 Retinex 算法 22
4。2 多尺度的 Retinex 算法 25
4。3 Retinex 算法的实验结果与分析 31
4。4 小结 36
结 论 38
致 谢 39
参 考 文 献 40
1 绪论
1。1 引言
一般经常使用的图像增强运算有直方图均衡、低通或高通滤波等。直方图均衡的基础思 路是依靠传入的图案的灰度概述布局来确认图案相应的灰度传出值,依靠扩大图案灰度散布 的灰度规模以提高图案的视觉成效,从而得到提升图案对比度的结果。不过因为这个办法把 初始图案之中的好几个灰度级凑成为单个的灰度级,由此会引起原图案中的细节消失。在图 像增强中,不仅仅要为图案的动态领域做调节,还要凸出图案的详细信息,面对这样的要求 像低通或高通滤波就只能对图案进行平滑操作的算法显然不能满足需求,于是,以往经典的 加强算法就无法奏效了。不过 Edwin Land 通过研究人眼成像的原理,采取逆向的思路建设 了 Retinex 算法[1]的图像增强模子,效果明显的完善了经典图像增强算法的不足,帮图像增强 思路打开了新的路线。Retinex 这个理论自从被提出以来,已经出现好多好多种类的延伸算法: 例如随机行走平滑算法、单尺度 Retinex、多尺度 Retinex、McCann [1-4]等,而本文将会着重 讨论 Retinex 理论的单尺度和多尺度算法。
1。2 国内外研究现状
1。3 本课题研究意义及应用背景
伴随数字多媒体技术与数字成像设备的迅速发展,数字视频图案渐渐融入了人们的生活、 生产、工作等各个领域,于是对于视频图案的研究与应用也进入到了一个前所未有发达的阶 段。由于数字成像设备缺乏、自然环境差等因素的影响,导致获取得到的图案视频模糊不清, 影响到欣赏或其他一些特殊用途,使图像增强成为图案处理的重要枝节。图像增强[1]是是为 了加强图案细节的图案,为了提高图案的视觉效果,满足一些特殊的应用。像在一些特殊的 领域比如智能交通与安防、医学图案、航拍遥感图案等它们对视频与图案的清晰度有着格外 的要求,于是有必要利用计算机数字图像增强技术对视频图案进行进一步处理,以满足实际 应用的需要。譬如车载夜视系统[2],由车载摄像头拍摄到夜间视频处理,使视频更清楚,夜 间行车安全性大大提高,对超声、图案细节加强 [6],更加清晰明了的呈现病灶区域,以帮助 医生准确地诊断病情,找出病灶;雾天条件下,雾气的存在会造成大气的散射,车辆或者监 控设备很难清楚显示目标,因此,有必要对视频图案处理使用加强方法,并得到更清晰的图 案的图案处理的。文献综述
Retinex 最伟大的力量和优势是前端计算,特别是如果相机也比 8 b 动态范围的能力宽。 我们看到的场景测光 10-12-b 动态范围必须涵盖日常场景。显然,如果 Retinex 可以实现在一 个传感器或传感器和编码/归档存储,它将作为前端最强大的计算。我们还没有测试这个 Retinex 宽动态范围的图案,因为我们还没有获得一个合适的相机,所以对一些修改的更广泛 的动态范围图案处理可能预期到。 Retinex图像增强技术研究(2):http://www.youerw.com/tongxin/lunwen_89827.html