论文部分内容阅读
视觉是人类获取信息的重要途径,其中图像承载着人们日常生活、工作和研究所需的大量信息。夜晚作为无法避开的拍摄场景,总是存在照明条件不良的环境,拍摄的图像亮度和细节可见度低,噪声等级高,容易出现色彩偏差,图像质量下降严重,影响图像的后续使用。为了提升夜晚图像的感知质量,本文针对夜晚图像增强方法展开研究,主要目标是提升图像亮度,抑制噪声放大和矫正色彩偏差。围绕夜晚图像亮度低、噪声分布复杂、存在色彩偏差这些具体特点,通过对图像质量增强相关理论和技术方法的深入研究,分析多种方法实际应用中的优势和不足,结合自然图像的统计特性和先验知识,并提出夜晚图像增强方法提升夜晚图像的质量。本文的研究内容和主要贡献概括如下:1.针对夜晚图像亮度和可见度低这一特点,提出了一种基于优化Retinex模型的夜晚图像增强方法。本文发现反转的夜晚图像和浓雾图像具有极其相似的亮度直方图分布,将图像去雾方法引入夜晚图像增强任务,验证本方法与Retinex模型的理论一致性。根据夜晚图像总是包含黑暗图像区域的特点,将大气光的值设置为反转夜晚图像内的最高亮度值,设计边缘保持的多尺度中值滤波方法计算透射函数,简化大气散射光照模型,最终实现夜晚图像的实时增强。实验结果表明本文提出的方法能够提升夜晚图像的视觉感知质量,有效抑制增强结果出现细节丢失、亮度失真等过度增强现象。2.为了抑制图像亮度提升带来的噪声放大,提出了一种基于多层图像分解的夜晚图像增强方法。本文将图像视为三个图像层相加而成:结构层、纹理层和噪声层。结构层包括夜晚图像中物体的轮廓和主要的边缘信息,纹理层包含夜晚图像中的纹理细节、较小的边缘。首先分离结构层,使用融合全局照明和局部照明的自适应亮度提升方法增强亮度;再使用全局照明图计算掩膜层,抑制图像噪声强度,应用加权最小二乘法分离噪声层,得到平滑的纹理层。实验结果表明,本文提出的方法能够有效的提升夜晚图像亮度,同时抑制噪声。3.综合考虑夜晚图像亮度低、噪声复杂和色彩偏差,针对存在色彩偏差的夜晚图像不满足灰度世界假设这一特点,提出了一种基于加权核范数全变分模型(Total Nuclear Variation,TNV)的夜晚图像增强方法。本文分析了夜晚图像的颜色直方图统计规律,提出了自适应的初始照明图计算方式,使用核范数全变分模型平滑照明图;然后使用照明图计算权重矩阵,加权核范数全变分模型抑制反射图内的噪声。最后使用亮度变换函数提升图像亮度,得到增强结果。实验结果表明,与目前已有的图像增强算法相比,本文提出的夜晚图像增强算法能够取得更优的增强效果,有效的抑制噪声、校正色彩。4.针对极低照度图像的感知质量难以提升,传统图像处理方法无法恢复缺失的细节信息的问题,提出了一种基于稠密连接网络的夜晚图像增强方法。本文从公开的数据集收集了1100张高质量自然图像,通过不同的亮度变换方法得到多种亮度分布的低照度图像,同时加入相同场景的High Dynamic Range图像丰富数据类型,构建了低照度图像数据集用于训练深度神经网络。使用基于稠密连接网络的夜晚图像增强方法,能提升极低照度图像的亮度,恢复极暗区域的细节信息。实验结果表明本文提出的方法能够提升包括极低照度图像的夜晚图像的感知质量,保持图像的细节和结构信息。