基于多尺度融合的水下图像增强方法研究

基于多尺度融合的水下图像增强方法研究

论文摘要

水下图像作为人们获得水下信息的重要途径,已经广泛应用于水下机器人、海洋考古、海洋能源勘探等诸多领域。水下成像环境的特殊物理性质导致获取的图像存在细节模糊、颜色失真、对比度低等降质问题,严重影响了图像信息的读取。本文综合考虑图像的视觉效果、信息保留以及算法的复杂程度等因素,提出一种基于多尺度融合的水下图像增强方法。本文主要工作如下:首先,分析光在水下的传播特性,建立水下成像衰减模型和散射模型,简述水下图像成像特点。对当前主要的水下图像增强方法进行研究和实现,包括直方图均衡化方法、白平衡方法、Retinex增强方法、暗通道先验方法和图像滤波降噪方法等。其次,针对水下图像颜色失真和对比度下降两个主要的退化问题,本文提出一种有效的基于多尺度融合的水下图像增强方法。其采用改进的白平衡方法、Lab颜色空间直方图均衡化方法和梯度域引导滤波方法获得颜色校正版本和对比度增强版本作为图像融合输入;选取显著图、色度图等四项权重特征计算归一化权重图。考虑到计算的高效性,采用拉普拉斯金字塔和高斯金字塔对输入图像和权重图像进行多尺度分解与融合,得到最终的增强结果。最后,本课题建立了多种退化类型的水下图像数据集,对多尺度图像融合方法进行检验,利用当前比较优秀的两种无参考水下图像评价方法对图像质量进行评测。从视觉效果和图像质量评价标准两方面对本文算法的有效性、适应性和稳定性进行说明。

论文目录

  • 摘要
  • abstract
  • 第1章 绪论
  •   1.1 课题研究背景与意义
  •   1.2 国内外发展现状
  •   1.3 论文研究内容
  • 第2章 水下成像理论依据
  •   2.1 光在水下传播特性
  •   2.2 水下图像成像模型
  •   2.3 水下图像特点概述
  •   2.4 水下图像质量评价方法
  •     2.4.1 客观评价方法
  •     2.4.2 无参考评价方法
  •   2.5 本章小结
  • 第3章 水下图像处理方法
  •   3.1 直方图均衡化方法
  •   3.2 白平衡方法
  •   3.3 Retinex增强方法
  •   3.4 暗通道先验方法
  •   3.5 水下图像降噪方法
  •     3.5.1 边缘检测算子
  •     3.5.2 双边滤波方法
  •     3.5.3 引导滤波方法
  •   3.6 本章小结
  • 第4章 基于多尺度融合的水下图像增强
  •   4.1 图像融合方法概述
  •   4.2 图像融合输入获取
  •     4.2.1 颜色平衡方法校正颜色失真
  •     4.2.2 Lab颜色空间对比度增强
  •     4.2.3 梯度域引导滤波降噪
  •   4.3 图像融合权重计算
  •   4.4 图像多尺度分解和融合
  •   4.5 水下图像多尺度融合处理
  •   4.6 本章小结
  • 第5章 水下图像增强方法评测与分析
  •   5.1 无参考水下图像数据集评测
  •   5.2 水下模糊图像数据集评测
  •   5.3 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文和取得的科研成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 王文

    导师: 孙晶华

    关键词: 水下图像,颜色校正,对比度增强,图像融合

    来源: 哈尔滨工程大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 海洋学,计算机软件及计算机应用

    单位: 哈尔滨工程大学

    分类号: TP391.41;P714

    总页数: 78

    文件大小: 4441K

    下载量: 381

    相关论文文献

    • [1].极端天气条件下舰船图像增强方法[J]. 舰船科学技术 2020(12)
    • [2].基于暗通道模型的农业用机井水下图像增强算法[J]. 广东蚕业 2020(03)
    • [3].深度学习驱动的水下图像增强与复原研究进展[J]. 信号处理 2020(09)
    • [4].应用雾天退化模型的低照度图像增强[J]. 中国图象图形学报 2017(09)
    • [5].基于Retinex理论的图像增强算法研究[J]. 数码世界 2016(12)
    • [6].QMV141型微光图像增强仪[J]. 轻兵器 2017(09)
    • [7].基于同态滤波的舰船图像增强方法[J]. 舰船科学技术 2020(06)
    • [8].夜晚图像增强方法综述[J]. 智能计算机与应用 2020(03)
    • [9].基于图像增强的几种雾天图像去雾算法[J]. 自动化应用 2018(02)
    • [10].小波变换在水下图像增强中的应用[J]. 技术与市场 2016(07)
    • [11].降质图像增强及评价的应用[J]. 数字技术与应用 2015(09)
    • [12].量子衍生图像增强算法[J]. 信息技术与信息化 2020(02)
    • [13].利用二次函数的图像增强算法及FPGA实现[J]. 现代电子技术 2020(08)
    • [14].基于分数阶微分的电力系统有雾图像增强研究[J]. 广东电力 2020(09)
    • [15].基于多引导滤波的图像增强算法[J]. 物理学报 2018(23)
    • [16].基于人眼视觉特性的舰船图像增强方法[J]. 舰船科学技术 2019(04)
    • [17].多输入融合对抗网络的水下图像增强[J]. 红外与激光工程 2020(05)
    • [18].改进量子遗传算法的图像增强研究[J]. 自动化技术与应用 2020(07)
    • [19].经典图像增强类去雾算法分析[J]. 中外企业家 2018(16)
    • [20].基于图像增强与复原的去雾方法探究[J]. 中国新通信 2019(12)
    • [21].基于权重系数的木材图像增强及识别[J]. 西北林学院学报 2018(02)
    • [22].一种基于亮度保持的图像增强方法[J]. 河池学院学报 2018(02)
    • [23].基于小波塔式分解的图像增强算法研究与仿真[J]. 科技创新与应用 2018(35)
    • [24].基于子图融合技术的图像增强算法[J]. 系统工程与电子技术 2017(12)
    • [25].基于归一化标量权重映射的图像增强算法研究[J]. 无线互联科技 2017(22)
    • [26].基于小波融合的人脸图像增强方法[J]. 电视技术 2014(11)
    • [27].基于文化粒子群算法的快速图像增强方法[J]. 西安邮电学院学报 2012(04)
    • [28].基于小波变换的医学图像增强方法与实现[J]. 辽宁大学学报(自然科学版) 2010(04)
    • [29].图像增强空域滤波法探讨[J]. 科技风 2009(22)
    • [30].基于色调映射的快速低照度图像增强[J]. 计算机工程与应用 2020(09)

    标签:;  ;  ;  ;  

    基于多尺度融合的水下图像增强方法研究
    下载Doc文档

    猜你喜欢