基于引导滤波的图像增强算法研究与应用

摘要

随着消费级和行业级影像数码设备的市场普及，数字图像处理技术越来越接近于人们的生产生活，为了获得高质量的影像序列或视频数据，人们将数字信号处理技术应用到图像增强可以跨越传感器硬件、拍摄抖动、光照、雨雪等限制提高图像视觉质量。然而具有实时性和鲁棒性的图像处理技术的研究面临很多困难。基于统计的对比度拉伸和基于微分掩模的图像空间卷积能直观锐化图像，但也会造成非关键信息的放大。频率域增强有低频信息抑制作用，从而忽视了平坦区域纹理。通常单一的图像增强算法很难满足动态范围压缩、抑制噪声、突出边缘和颜色恢复等多方面需求。为了使图像平滑和突出边缘达到很好的平衡，传统的引导滤波算法采用局部线性移可变的滤波过程，收集局部像素差异信息，从而进行图像保边平滑处理，通过累加原始图像和输出图像的差值，可获得增强图像。引导滤波参考邻域信息给出结构化的灰度输出，一定程度上克服了双边滤波光晕现象，具有良好的计算复杂度优势。引导滤波通过RGB通道处理彩色图像会引起色彩失真，且由于引导滤波容易导致图像过平滑问题，忽视了纹理细节，因此限制了其在图像识别方面的应用。
　　本文首先总结了传统空间域和频率域图像增强算法及其相关理论知识，还分析了相关图像增强方法如双边滤波和基于Retinex理论的图像增强;从而本文提出将引导滤波与Retinex理论结合，利用引导滤波估计图像照度分量，优化了颜色还原函数，避免了基于中心环绕的Retinex彩色图像增强的光晕伪影。另外本文介绍了分数阶微分理论，并构造了自适应分数阶微分掩模，通过该掩模滤波将纹理细节导入引导滤波器中，从而得到复合引导滤波算法;最后本文将复合引导滤波应用到基于主成分分析法和SVM的人脸识别仿真图像预处理实验中，通过图像客观评价指标及识别准确度等分析得出，本文算法不仅能更大程度保留主成分脸特征，还保持了良好的算法复杂度优势。

目录

声明

摘要

第一章 绪论

1．1 选题背景及意义

1．2 图像增强及引导滤波技术研究现状

1．3 论文的组织结构

第二章 图像增强方法概述

2．1 空间域图像增强

2．1．1 分段线性变换

2．1．2 对数变换和幂律变换

2．1．3 直方图映射

2．2 频率域图像锐化

2．3 基于Retinex的图像增强

2．4 双边滤波图像增强

2．5 引导滤波图像增强

2．5．1 引导滤波基本原理

2．5．2 引导滤波的保边平滑特性

2．6 本章小节

第三章 分数阶微分图像增强

3．1 分数阶微分的定义

3．2 图像特征因子的选取

3．3 分数阶微分阶数函数的构造

3．4 分数阶微分图像增强仿真实验

3．5 本章小节

第四章 复合引导滤波图像增强

4．1 基于引导滤波的Retinex图像增强算法

4．1．1 Retinex算法的光晕问题

4．1．2 基于引导滤波的照度分量估计

4．1．3 本文算法仿真实验

4．2 基于分数阶微分的引导滤波图像增强算法

4．2．1 分数阶微分与引导滤波器的结合

4．2．2 基于分数阶微分的引导滤波算法复杂度

4．2．3 本文算法仿真实验

4．3 本章小节

第五章 基于引导滤波的人脸图像预处理及应用

5．1 人脸图像预处理方法

5．1．1 人脸图像对比度拓展

5．1．2 基于光照模型的人脸图像预处理

5．1．3 基于复合引导滤波的人脸图像预处理

5．2 基于引导滤波预处理的人脸匹配实验

5．2．1 主成分分析法基本原理

5．2．2 提取主成分脸步骤及实验

5．2．3 主成分脸数据匹配及算法准确率对比

5．3 本章小结

第六章 总结与展望

参考文献

在校期间发表的论文、科研成果等

致谢