导读:本文包含了图像增强论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,算法,照度,对比度,尺度,自适应,孔穴。
图像增强论文文献综述
冯红波,李萍,王博[1]（2020）在《基于自适应权重Retinex和小波变换的彩色图像增强算法》一文中研究指出针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。(本文来源于《无线电工程》期刊2020年01期）
王殿伟,韩鹏飞,李大湘,刘颖,许志杰[2]（2019）在《基于细节特征融合的低照度全景图像增强》一文中研究指出为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.(本文来源于《控制与决策》期刊2019年12期）
张剑飞,高辉,张冠英,岳新,陈桂兰[3]（2019）在《基于局部灰熵增强指数的纤维板剖面孔穴图像增强方法》一文中研究指出孔穴作为纤维板的微观属性,其形状,分布等微观特征信息在一定程度上会影响到纤维板的质量、性能、密度等物理指标。由于纤维板剖面孔穴图像采集时可能受到光线、环境等因素的影响,会在一定程度上造成图像的局部区域存在灰度不均、变异等变质问题。文章充分考虑灰度特征和空间信息的相关性,利用灰熵理论的特性来构造对比度增强指数,进而通过对比度增强函数来调节图像的增强区域。通过实验对比,证明该方法使纤维板孔穴图像的边缘部分得到有效增强,具有一定的针对性和智能性,利于后期对孔穴的边缘提取和进一步处理。(本文来源于《计算机时代》期刊2019年12期）
周美丽,白宗文,肖雪,王中南,梁琦[4]（2019）在《两种典型彩色图像增强算法的比较与研究》一文中研究指出图像增强的目的是改善图像的视觉效果,根据不同的应用场合,有目的地强调图像的整体或局部特性,扩大图像中不同物体特征之间的差别,满足某一领域特殊分析的需要。本文对于两种典型彩色图像增强算法即白平衡算法和伪彩色法图像增强处理技术进行了研究和实验仿真,且对仿真结果进行了研究与分析,结果表明白平衡法图像增强处理方法对于纠正彩色图像的偏色现象效果很好;伪彩色图像增强方法可以使处理后的图像特点更加突出,而且能够很好的保持与原图像的连贯性。(本文来源于《电子设计工程》期刊2019年23期）
戴蓉[5]（2019）在《基于参数模糊变换的非均匀照度图像增强算法》一文中研究指出针对非均匀照度图像中对比度和清晰度低的问题,提出了一种基于参数模糊变换的图像对比度增强算法,能够极大改善图像的主观和客观品质.该算法首先将彩色图像从RGB空间转换成HSV和LUV颜色空间,其次在LUV空间上利用模糊变换平滑原始图像的亮度分布,为了增强图像的对比度和提高暗区的细节,在隶属度函数中引入一个与HSV空间值层有关的参数,然后在HSV空间值层中采用像素加权策略用来保留大量纹理信息,最后将平滑的图像与加权的图像在HSV空间上进行组合,并转换回RGB空间,得到保留有自然度的高质量增强图像.实验结果表明,所提方法能够有效增强非均匀照度图像对比度,且整体性能要优于其他算法.(本文来源于《微电子学与计算机》期刊2019年12期）
池世奇[6]（2019）在《交通卡口低照度监控图像增强算法研究》一文中研究指出夜间光线不足,导致监控采集到的图像普遍存在亮度低、对比度低、颜色失真、细节缺失等问题。针对这些问题,文章提出了一种基于变换空间和引导滤波相结合的retinex算法,用来补偿图像的光照强度。该算法首先将图像从RGB颜色空间转化为HSI的颜色空间(H、S、I分别为色调、饱和度和亮度),用Retinex算法对I分量即对图像的亮度通道单独进行光照补偿,并保持H色调分量和S饱和度分量保持不变,将HS通道与处理后的I通道相结合成新的HSI’图像,对传统的颜色恢复函数进行了改进并使用了引导滤波,提高了计算效率,并且能达到抑制图像在增强过程中造成的暗区域过度增强的目的。(本文来源于《南方农机》期刊2019年22期）
贾焕,杨铁梅,李琴琴[7]（2019）在《基于二维变分模态分解的矿井图像增强方法》一文中研究指出针对煤矿主皮带图像的低光照、多尘雾、噪声大等问题,提出一种基于加权引导滤波的二维变分模态算法对主皮带图像进行增强。该算法对预处理的图像进行二维自适应非递归变分分解,对分解后的低频子模态进行加权引导滤波,增强图像的边缘细节以提高图像清晰度;并采用去噪能力强维纳斯滤波器。通过与自适应双边滤波和加权引导滤波技术仿真对比,该方法在图像边缘细节、滤除噪声等方面视觉效果不错,同时客观的峰值信噪比参数较高,均方差参数较低。(本文来源于《太原科技大学学报》期刊2019年06期）
郑金华,盛涛,冯君伟,钱云翔,徐红杰[8]（2019）在《暗通道图像增强技术在数字射线检测中的应用》一文中研究指出参考暗通道去雾图像增强技术,结合CFRP模压件DR数字射线图像特征,分析不同滤波半径和去雾系数下的图像增强效果,得到合理的图像增强参数,并将其成功地应用于该产品的DR数字成像检测中。结果显示,该方法能够有效降低DR图像中因工件厚度差异造成的对比度变化,减少了工件中的背景噪声,突出了工件中的缺陷信息,使得增强后的图像具有较好的视觉效果,并且针对不同类型的缺陷基本上能够统一评片窗口。减少了传统DR图像评片时需要调节窗口的次数,有效地提高了评片人员的工作效率和评片准确性,在实际工程应用中具有非常大的参考价值和指导意义。(本文来源于《玻璃钢/复合材料》期刊2019年11期）
王红茹,李瑞,王佳[9]（2019）在《基于改进CLAHE的水下彩色图像增强算法》一文中研究指出为了克服水下成像过程中,由于水体介质对光线的吸收和散射作用导致的水下图像对比度低、光照不均等问题,提出一种基于改进CLAHE的水下图像增强算法。针对CLAHE算法采用统一的裁剪幅值而导致部分子块得不到增强的问题,提出根据每个子块的像素值分布确定相应的裁剪幅值对直方图进行裁剪、分配;然后对超出裁剪幅值部分进行二次分配,并引入自适应上下限阈值,确定二次分配的动态范围,以进一步增强图像细节;最后,引入同态滤波,将灰度图像与明度分量V进行加权求和,以改善图像过亮或过暗区域。实验结果表明,改进算法可以增强对比度,改善光照不均,有效提升图像质量。(本文来源于《舰船电子工程》期刊2019年11期）
王洪栋,郭伟东,朱美强,雷萌[10]（2019）在《一种煤矿井下低照度图像增强算法》一文中研究指出针对多尺度Retinex算法在处理煤矿井下低照度图像时存在细节增强不足和耗时等问题,提出了一种基于光照校正的快速多尺度Retinex算法对煤矿井下低照度图像进行增强。该算法通过计算高斯模糊后图像的每个像素点的亮度值,将图像划分为暗调区域和高光区域,并对不同区域进行光照校正,从而降低高光区域的亮度,保证不过分曝光,同时提升较暗区域的亮度,凸显更多细节信息;利用叁次快速均值滤波代替高斯滤波来估计光照强度,减少算法耗时。实验结果表明,该算法能有效提高图像的亮度和对比度,增强图像中暗调区域和高光区域的细节,具有较快的处理速度。(本文来源于《工矿自动化》期刊2019年11期）
图像增强论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像增强论文参考文献
[1].冯红波,李萍,王博.基于自适应权重Retinex和小波变换的彩色图像增强算法[J].无线电工程.2020
[2].王殿伟,韩鹏飞,李大湘,刘颖,许志杰.基于细节特征融合的低照度全景图像增强[J].控制与决策.2019
[3].张剑飞,高辉,张冠英,岳新,陈桂兰.基于局部灰熵增强指数的纤维板剖面孔穴图像增强方法[J].计算机时代.2019
[4].周美丽,白宗文,肖雪,王中南,梁琦.两种典型彩色图像增强算法的比较与研究[J].电子设计工程.2019
[5].戴蓉.基于参数模糊变换的非均匀照度图像增强算法[J].微电子学与计算机.2019
[6].池世奇.交通卡口低照度监控图像增强算法研究[J].南方农机.2019
[7].贾焕,杨铁梅,李琴琴.基于二维变分模态分解的矿井图像增强方法[J].太原科技大学学报.2019
[8].郑金华,盛涛,冯君伟,钱云翔,徐红杰.暗通道图像增强技术在数字射线检测中的应用[J].玻璃钢/复合材料.2019
[9].王红茹,李瑞,王佳.基于改进CLAHE的水下彩色图像增强算法[J].舰船电子工程.2019
[10].王洪栋,郭伟东,朱美强,雷萌.一种煤矿井下低照度图像增强算法[J].工矿自动化.2019
论文知识图
