论文部分内容阅读
现实世界中,人们拍摄图像和视频时通常会受到不足光照条件的干扰,使得获得的图像和视频的质量降低,这严重地影响了人们的生活出行、安全监控以及科学研究等方面。因此,不足光照条件下的图像与视频增强算法的研究,一直是图像处理领域中备受关注的方向,具有重要的理论意义和实际价值。在日常生活中,不足光照条件主要包括有雾天气光照条件、夜晚光照条件和水下光照条件三种,可以覆盖绝大数不足光照环境。以往的研究者大多只是针对单一的不足光照条件下退化图像或视频提出增强算法,往往只能适应一种不足光照条件,难以得到统一的不足光照条件下的图像和视频增强框架。因此,提出一种能够自动增强在不同的不足光照条件下获得的图像和视频的算法具有重要的实际意义。本文对这几种不足光照条件的特点进行了研究和分析,发现了三者之间具有一些共性。基于此,本文提出了一个新的不足光照条件下的图像与视频增强算法,能够自动识别输入数据所处的光照环境,然后针对不同光照条件提出不同的增强算法。本文首先针对三种不同不足光照条件的特点,提出了一个输入数据分类策略,将输入的图像或视频分成对应不同光照条件的三类。然后针对每一类输入数据,在统一的增强框架下提出一种增强算法。本文的主要研究内容如下:第一,提出有雾天气条件下的图像与视频增强算法。通过改进现有的暗通道先验方法,并且加入亮度修正方法,在保证增强的图像和视频的质量的同时,达到实时增强雾天图像与视频增强的目的;第二,基于夜晚图像与雾天图像之间的一个重要观察和统计分析结果,本文提出了实时的夜晚图像与视频增强算法。通过将雾天图像增强算法加以改进,引入了多尺度中值滤波操作,增强夜晚图像与视频的细节可见度和整体亮度,保持了增强结果的自然性,避免过度增强;第三,针对水下图像与视频的特点,本文提出了一种基于大气散射物理模型的水下图像与视频增强算法。通过修正图像与视频的整体色彩、增强对比度和调节亮度特征,消除水下图像与视频的色彩偏移和存在的雾霾,达到增强水下图像和视频的目的。