论文部分内容阅读
随着图像处理技术的飞速发展,视频监控系统得到了广泛的应用。实际上,由于环境光照不足或不均匀,常常引发图像偏暗,从而产生了低照度图像。而且,由于外在因素的干扰,这些低照度图像在采集、传输和转换过程中可能发生降质,这样人们可获得的信息量又会进一步减少。针对图像偏暗的现象,本文提出了基于改进Retinex的小波-Contourlet域图像增强算法。首先用小波变换替换Contourlet变换中的拉普拉斯塔型滤波器,对图像进行多尺度分解,得到高低频图像,对低频图像使用引入混合灰度变换函数的多尺度Retinex算法进行增强,并对灰度值截断拉伸;对高频图像使用非线性函数增强。实验证明,本文算法在增强低照度图像对比度的同时,还能清晰地表达出图像的细节纹理信息。为了改善图像降质问题,针对点扩散函数是否已知,本文提出了两种不同复原算法:(1)在点扩散函数已知的情况下,本文结合压缩感知理论的优点,提出了压缩感知与两步迭代阈值收缩(TwIST)联合复原算法。通过对小波域中稀疏的高频细节图像进行少量的观测,并利用压缩感知理论框架下的TwIST算法进行精确复原,然后对非稀疏的低频图像采用传统的梯度投影(GPSR)复原算法复原。实验结果表明,在相同采样率的情况下,本文算法比传统算法获得了更加清晰的纹理与轮廓,有效改善了低采样率下退化图像的主客观质量。(2)在点扩散函数未知的情况下,本文将压缩感知技术与盲图像复原相结合,提出一种基于压缩感知的K-SVD自适应盲复原算法。首先使用迭代的方法不断交替估计,并更新稀疏向量、稀疏字典和点扩散函数。然后利用得到的点扩散函数,结合本文提出的压缩感知与TwIST联合复原算法,对退化图像进行复原。相比于一般算法,在取得相近复原效果的情况下,本文算法所需的观测数据量、存储空间和计算量更少。低照度图像不仅亮度低而且还存在退化现象。因此,本文将压缩感知的K-SVD自适应盲复原算法与本文提出的图像增强算法相结合,并应用于低照度退化图像的复原。实验证明,该方法有效地改善了低照度情况下退化图像的主客观质量。