论文部分内容阅读
图像增强作为图像处理中重要的预处理手段,由于其应用广泛,受到人们的广泛重视。所谓图像增强,是指有目的地强调图像像素的整体或局部取值特性,以改善图像视觉效果或满足特殊分析的需要。Retinex理论及相关算法是图像增强的新思路,其理论基础是色彩的恒常性,它通过模拟人眼观察场景的方式,恢复因图像采集设备限制而丢失的场景细节,达到增强图像对比度,还原物体真实色彩的目的。本文以Retinex算法为研究重点,通过对传统的Retinex算法的分析,利用小波变换多分辨率的特点,提出了一种新的Retinex算法,并将Retinex理论引入JPEG2000压缩框架,用以增强JPEG2000压缩图像。文章主要内容如下:1、通过从像素比较路径选择的角度出发,分析了Retinex算法一些常用的计算策略,包括基于随机路径的Retinex算法、基于迭代计算的McCann’s Retinex算法、基于中心环绕的Retinex算法,并进行了实验对比分析。然后对经典Retinex计算方法进行了分析,指出Retinex算法的特点和局限性,并在实验中得到验证。2、针对传统图像增强方法在图像增强的同时不能有效抑制噪声这一问题,本文根据小波变换多分辨率的特点,在Retinex理论基础上提出了图像亮度与噪声双估计模型的图像增强的新方法。该算法将图像小波分解后的低频系数进行波动抑制,对高频系数通过多子带独立系数模型进行亮度估计,同时使用不同的软-硬估计法对图像的噪声进行抑制。该方法不但能有效的提取图像的亮度信息,而且进行图像增强的同时能有效的抑制图像的噪声,且对于不同的雾天天气具有良好的自适应性。3、在研究现有压缩图像增强算法的基础上,将Retinex理论引入到JPEG2000压缩框架中,达到增强JPEG2000压缩图像的目的,具体做法分为两个步骤:Retinex增强和改进亮度量化表。首先以Retinex理论为基础,将小波变换的低频系数看作入射光分量,高频系数看作反射光分量,通过修改低频系数来调整场景光照,修改高频系数来提高图像的对比度;然后通过判断各子块的活动性,自适应来修改亮度量化表,达到可以保留更多的细节,抑制块状效应的目的。