基于改进Retinex图像增强算法研究

摘要

图像信息技术的发展与人类社会的进步息息相关。Retinex图像增强算法作为图像增强研究的重要组成部分，也是图像处理领域的研究热点。然而，对于不同成像条件的图像而言，采用Retinex算法有针对性地进行增强处理才能发挥其作用。
　　本文先概述数字图像的成像特点、传统图像增强知识、常用的Retinex增强方法，以及增强过程中存在噪声信息多，图像清晰度差的问题。进而结合Retinex思想，较为全面地提出了如下两种图像增强算法在数字图像增强以及医学图像增强领域内的应用:
　　1)根据数字图像成像不清晰的特性，提出一种将Contourlet（轮廓波）变换与基于引导滤波核的带色彩恢复的多尺度Retinex(MSRCR)算法相结合的图像增强方法。该算法改善了传统Retinex算法应用的局限性，具有保持边缘、迭代速度快、成像清晰、抑制噪声的作用，进而为实际的生产和应用提供参考价值。
　　2)针对医学图像噪声信息多、灰度不均匀、图像类型有差异的特性，提出一种基于快速双边滤波和量子粒子群优化的Retinex医学图像增强算法。该算法对于不同类型、灰度条件各异的医学图像都能选择出适合的参数进行增强处理，不但从整体上突出了图像信息，而且提升了图像清晰度。

目录

声明

摘要

第1章 绪论

1．1 概述

1．2 研究现状

1．2．1 频域图像增强

1．2．2 空域图像增强

1．2．3 Retinex图像增强方法

1．3 本文研究内容及结构安排

1．3．1 本文研究内容

1．3．2 本文结构安排

第2章 Retinex图像增强算法

2．1 Retinex算法思想

2．1．1 Retinex思想简介

2．1．2 Retinex原理

2．2 Retinex分类

2．2．1 Retinex随机路径算法

2．2．2 McCann’s Retinex算法

2．2．3 Retinex中心环绕算法

2．3 实验对比

2．4 本章小结

第3章 结合轮廓波变换与改进Retinex的图像增强

3．1 光晕产生的原理

3．2 去除光晕的经典方法及特点

3．3 Contourlet变换

3．4 引导滤波

3．4．1 引导图像

3．4．2 引导滤波器

3．5 Contourlet变换和改进核函数的MSRCR算法

3．5．1 低频子带分量增强

3．5．2 高频分量抑噪

3．5．3 模糊增强

3．6 实验结果与分析

3．6．1 实验结果

3．6．2 实验分析

3．7 本章小结

第4章 结合快速双边滤波与量子粒子群优化的Retinex医学图像增强

4．1 基于快速双边滤波的Retinex算法

4．1．1 双边滤波理论

4．1．2 两次双边滤波

4．1．3 快速双边滤波

4．2 低频分量增强

4．2．1 照射分量校正

4．2．2 反射分量校正

4．3 自适应求解参数

4．3．1 粒子群算法

4．3．2 量子粒子群算法原理

4．4 高频子带图像抑噪

4．5 本章算法及操作流程

4．6 实验结果和分析

4．6．1 实验结果

4．6．2 实验分析

4．7 本章小结

5．1 总结

5．2 展望

致谢

参考文献

攻读硕士学位期间发表的论文

攻读硕士学位期间参加的科研项目