数字图像增强及去噪技术的研究与应用开题报告

1. 研究目的与意义（文献综述）

随着图像采集技术的发展以及消费型和专业型数码相机的日益普及，大量的图像数据正在产生，但是由于图像在产生、传播以及接收的每一个过程中都有可能受到各种因素的影响，从而增加了后续图像分析及识别的任务难度。例如，在摄影时由于光照条件不足或过足，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊。而图像增强的目的就是采用某种技术，突出图像的某些信息，并抑制或去除无关的信息，将原图像转换成一种更适合与人或机器进行分析处理的形式，并达到改善图像的视觉效果、工艺的适应性的目的，以提高图像的使用价值。在对图像进行处理之前，一般都会对图像进行去噪处理，去噪的效果直接影响到后续环节的性能和效果。在图像增强后，之前未被消除的部分噪声也会被增强，因此研究改善增强后的图像的去噪算法是非常有实际意义。

图像增强技术按其变换处理所在的作用域不同而被分为空间域和频率域方法两大类。目前基于空间域的增强方法包括图像灰度级变换、直方图均衡化以及使用模糊逻辑和基于优化的增强算法，如遗传算法。基于频域的增强依赖于傅里叶分析等变换方法，其理论基础为卷积运算，即将图像视为波，再利用信号处理手段来处理图像。上述方法主要针对于单幅图像的处理，近年来，许多学者意识到可以基于多幅图像来进行增强，从来出现了图像融合增强概念，主要可以分为基于多传感器图像融合和单一传感器的连续曝光图像融合算法。

针对于低照度图像的增强，很多研究机构都做了相关工作，大多采用全局图像对比度、亮度拉伸的方法，其理论基础是retinex模型，将一幅图像看成反映光照特性的光照图像和反映反射特性的反射图像的组合。人眼接收到的就是反射图像。普遍认为光照图像在空间上是平滑的，因此可以被估计为原图像的低通滤波后的输出，再与原图像在log域作差值运算即可得到反射图像。目前基于retinex模型的处理方法分为：自retinex模型被提出后，关于低照度图像的处理技术被分类总结为:单尺度模型(singlescaleretinex/ssr)、多尺度模型(multi-scaleretinex/msr)色彩重建的多尺度模型(multi-scaleretinexwithcolorrestoration/msrcr)。retinex模型可以很好地估计图像本身的细节特性，然而其也存在一些不足，比如光晕的产生，颜色的扭曲，噪声的扩大。针对光晕的产生，保持边缘的滤波器应运而生，如双边滤波器、mean-shift滤波器等。为了防止在变换过程中出现颜色扭曲，大多的研究人员均将图像转换到hsi色彩空间进行处理。

2. 研究的基本内容与方案

1、基本内容：

（1）研究低照度图像的特点，色彩空间转换技术，了解人类视觉系统及彩色恒常性。

（2）研究图像增强算法。研究retinex模型的原理，使用matlab实现相应的算法，了解传统的retinex模型会光晕现象的原因，研究估计光照函数的原理，以及如何选取合适的低通滤波函数来消除光晕。

3. 研究计划与安排

第1-2周查阅、收集图像增强及去噪的相关资料

第3-4周完成开题报告，并对阅读过的资料进行整合和提炼

第5周根据研究的基本内容，确定整体系统的框架

4. 参考文献（12篇以上）

[1]李艳梅.图像增强的相关技术及应用研究[d].电子科技大学,2013.

[2]许欣.图像增强若干理论方法与应用研究[d].南京理工大学,2010

[3]冈萨雷斯.数字图像处理(第三版)[m].北京：电子工业出版社,2012