论文部分内容阅读
由于采集设备的不完善和天气环境等外界因素的干扰,在光照不足时往往获取到的图像都是噪声多、对比度低、灰度范围小的低照度降质图像,针对这一问题,本文从低照度图像的增强和去噪两个方面进行了深入研究。本文首先提出了一种基于大气散射模型的低照度图像的同时增强和去噪算法。算法第一步先求取所采集到的低照度图像的反转图像,由于反转图像R、G、B三通道中G通道的噪声含量相对较少,因此,把G通道图最大值滤波后的图像作为引导图,对反转图像的最小值图像做改进融合梯度信息的引导滤波,进行低照度图像的同时增强和去噪,因为低照度图像的反转图像与有雾图像具有很多的相似性,所以利用大气散射模型,复原得到低照度图像细节增强和噪声减少的高质量图像。最后,为了避免复原后图像的颜色失真,对增强后的图像进行迭代白平衡处理,提高改进后图像的视觉效果。本文还提出了一种改进自适应双平台直方图均衡的低照度图像增强与去噪算法。算法根据低照度图像本身的特点,首先自适应的选取平台直方图均衡化中的两个平台阈值,即上平台值和下平台值,目的是抑制低照度图像背景噪声的同时突出图像的小目标细节信息。低照度图像进行双平台直方图均衡化处理的同时借助数学模型S型曲线对映射范围进行优化,最后利用自适应中值滤波对增强后的图像进行进一步的去噪,提高图像质量和清晰度。本文对多组低噪度图像进行了实验,结果表明本文算法对低照度图像的增强和去噪效果明显,并且算法的时空间复杂度较低,在处理低照度降质图像时具有较好的鲁棒性和实用性。