声明
1 绪论
1.1 图像增强研究背景
1.2 图像增强算法研究现状
1.2.1 基于直方图的图像增强算法
1.2.2 基于小波理论的图像增强算法
1.2.3 基于视觉效果的图像增强算法
1.3 本文研究意义及组织结构
2 图像增强算法理论基础
2.1 基于空间域的图像增强算法
2.1.1 灰度变换
2.1.2 直方图处理
2.1.3 空间域滤波
2.2 基于频率域的图像增强算法
2.2.1 低通滤波与高通滤波
2.2.2 小波理论与小波图像增强
2.3 Retinex理论与算法
2.3.1人眼的色彩恒常性与亮度恒常性
2.3.2 Retinex理论
2.3.3 单尺度Retinex算法
2.3.4 多尺度Retinex算法
2.3.5 带颜色恢复的多尺度Retinex算法
2.4 颜色模型
2.4.1 RGB颜色模型
2.4.2 HSV颜色模型
2.4.3 RGB模型与HSV模型之间的转换
3 结合亮度阈值特性的图像增强算法的设计
3.1 灰度合并映射拉伸
3.1.1人眼亮度阈值特性与临界可见偏差曲线
3.1.2 灰度合并映射拉伸算法
3.2 非线性变换拉伸
3.3 邻接像素合并拉伸
4 基于Retinex理论的图像增强算法的改进
4.1 经典Retinex算法的分析
4.2 结合小波变换的retinex算法
4.2.1小波基的选择
4.2.2 小波阈值去噪
4.2.3 小波系数融合
4.2.4 色彩恢复
4.2.5 算法步骤
4.2.6 仿真结果与分析
4.3 结合邻接像素合并拉伸的Retinex算法
5 总结与展望
5.1 论文工作总结
5.2 下一步工作展望
致谢
参考文献