《《計算機(jī)視覺》課程報告》由會員分享，可在線閱讀，更多相關(guān)《《計算機(jī)視覺》課程報告（10頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、重慶郵電大學(xué)研究生堂下考試答卷 2015-2016學(xué)年第2學(xué)期 考試科目計算機(jī)視覺 姓 名 學(xué) 號 年 級 專 業(yè)計算機(jī)科學(xué)與技術(shù) 2016 年 6 月 28 日 關(guān)于圖像增強(qiáng)技術(shù)的綜述 摘要：圖像增強(qiáng)是指以滿足特定應(yīng)用需求為目的， 突出圖像中感興趣區(qū)域信 息，抑制或去除其他信息，針對不同的應(yīng)用而異的圖像分析識別預(yù)處理， 其目標(biāo) 是變換原圖像信息為更加適合人機(jī)辨識的系列方法。對圖像質(zhì)量的要求也隨著多 媒體技術(shù)和產(chǎn)品的不斷發(fā)展和在各領(lǐng)域的廣泛應(yīng)用而不斷提高。 而通常圖像在獲 取過程中受成像設(shè)備、場景動態(tài)范圍、光照條件等因素影響，使得圖像質(zhì)量下降， 甚至于影響后續(xù)的人機(jī)圖像分析

2、識別。為此，需要對圖像進(jìn)行動態(tài)范圍調(diào)整、對 比度增強(qiáng)、彩色圖像增強(qiáng)處理及視覺感知一致性等方面的處理來獲得高質(zhì)量的圖 像。論文以具體應(yīng)用目標(biāo)要求為基準(zhǔn)，通過對圖像的視覺效果增強(qiáng)相關(guān)理論和技 術(shù)方法的深入研究，分析其在實際應(yīng)用中存在的問題和缺點， 進(jìn)一步提出相應(yīng)的 改進(jìn)增強(qiáng)算法。主要包括對彩色圖像本身的增強(qiáng)、 基于圖像域的多曝光圖像融合 增強(qiáng)以及基于頻率域的多傳感器圖像融合增強(qiáng)。 關(guān)鍵字：圖像增強(qiáng)高動態(tài)范圍成像多曝光融合色調(diào)映射 目錄 前言 3.. 第1章 圖像增強(qiáng)的研究背景與意義 3 第2章圖像增強(qiáng)研究現(xiàn)狀及存在的問題 4 2.1空域增強(qiáng) 4 22基于頻域的增強(qiáng) 5 2.3基于

3、融合的增強(qiáng) 5 2.4圖像增強(qiáng)的評價方法 6 2.5圖像增強(qiáng)算法概述 6 參考文獻(xiàn) 7... 課程體會 9 、八 、- 前言 現(xiàn)代人類對圖像應(yīng)用和質(zhì)量提出了越來越高的要求， 因此，與具體需求相適 應(yīng)的圖像增強(qiáng)方法隨之而產(chǎn)生。 課題以圖像增強(qiáng)的相關(guān)技術(shù)和具體應(yīng)用需求為研 究出發(fā)點和歸宿， 以算法在視覺感知和處理效率方面的改進(jìn)為導(dǎo)向， 將單一圖像 增強(qiáng)處理到多幅圖像融合增強(qiáng)相關(guān)方法和應(yīng)用需求有機(jī)地結(jié)合在一起。 在這一章 中，將分析和介紹與本課題圖像增強(qiáng)研究密切相關(guān)的研究背景與意義、 國內(nèi)外此 領(lǐng)域的研究現(xiàn)狀、課題研究的基本內(nèi)容， 最后，指明論文的課題來源及整篇組織。 圖像已經(jīng)廣泛深

4、入應(yīng)用到人們生產(chǎn)、生活的方方面面，而人們對圖像質(zhì)量的 要求也越來越高。 而圖像增強(qiáng)技術(shù)正順應(yīng)人們的需求， 經(jīng)過幾十年的沉積， 仍有 許多尚待研究和解決的問題。 本文將針對不同的具體應(yīng)用， 研究改善圖像視覺質(zhì) 量和感知效果的幾類圖像增強(qiáng)相關(guān)算法和理論，提出了新的優(yōu)化改進(jìn)方法。 第 1 章 圖像增強(qiáng)的研究背景與意義 在人類的五觀感知信息中， 由眼睛即視覺感知所帶來的信息在人類信息獲取 中占據(jù)著非常重要的地位 [1] 。而圖像正是人們在日常生活、科學(xué)研究、生產(chǎn)與消 費領(lǐng)域最直接和最直觀地可接觸到的信息， 圖像的應(yīng)用已經(jīng)滲透到人類活動的各 個領(lǐng)域。而為了達(dá)到人類對圖像應(yīng)用各領(lǐng)域特定需求的目的， 又需

5、要對原始捕獲 的圖像作相應(yīng)的處理， 在一系列的數(shù)字化圖像處理中， 圖像增強(qiáng)成為了整個圖像 處理中非常引人注目的一個研究點。 圖像增強(qiáng)作為圖像處理的一個古老而重要的分支， 在不斷地應(yīng)用需求變化面 前，也在不斷更新其研究目標(biāo)和發(fā)展其增強(qiáng)處理方法技術(shù)。 通常，由于場景本身 所包含的動態(tài)范圍、 光照條件、 圖像捕獲設(shè)備如數(shù)碼相機(jī)的局限， 以及攝影者本 身的技術(shù)問題等多種因素影響， 多數(shù)情況下， 會使得拍攝的圖像達(dá)不到人們預(yù)期 的目標(biāo)，如場景中的運動目標(biāo)產(chǎn)生的運動模糊、 由于曝光不恰當(dāng)引起的場景細(xì)節(jié) 損失或是弱小目標(biāo)辨識不清等， 都會對后期的圖像前后景分割、 目標(biāo)識別、 目標(biāo) 跟蹤和最終的圖像理解以及

6、預(yù)測分析等帶來困難。 而圖像增強(qiáng)本身的目標(biāo)就是為 了突出圖像中感興趣的區(qū)域、 降低或去除不需要的圖像信息， 以此來加強(qiáng)和獲取 用戶覺得有用的信息，進(jìn)而得到更加適合于人 / 機(jī)器對圖像進(jìn)行理解和分析處理 的表現(xiàn)形式或是富含更多細(xì)節(jié)信息的圖像的相應(yīng)處理方法 [1] 。由于各行各業(yè)都擁 有各自特有類型的圖像也使得圖像增強(qiáng)處理方法有其共性也有其特殊性。 如用數(shù) 碼相機(jī)采集的圖像， 通過增強(qiáng)單幅彩色圖像， 可以有效減少由于光照不均、 實際 場景在成像過程中的動態(tài)范圍壓縮不恰當(dāng)所造成的細(xì)節(jié)損失、 彩色失真等造成的 圖像退化問題。 而通過連續(xù)多次曝光同一場景獲取圖像序列， 通過圖像融合處理 可以彌補(bǔ)單一曝光

7、度圖像所不能捕獲的動態(tài)信息， 最終形成一幅具有更豐富細(xì)節(jié) 的增強(qiáng)圖像。在醫(yī)學(xué)領(lǐng)域， MRI、CT 等成像技術(shù)的大量使用，使得人們對腦部、 胸部、肺部等內(nèi)臟器官及其他人體機(jī)構(gòu)中病變的檢測和定位提供了更精準(zhǔn)的信息。 而在軍事和其他公共安防監(jiān)控中， 可通過紅外成像提取出感興趣的目標(biāo)， 同時借 助可見光成像來對提取的目標(biāo)環(huán)境進(jìn)行準(zhǔn)確定位。 在智能交通中， 隨著天氣愈加 惡劣，霧霾、沙塵暴，以及受夜間光照影響等，使得監(jiān)控成像后需要對圖像進(jìn)行 增強(qiáng)，以增進(jìn)對車輛、行人、車牌號及道路標(biāo)識等進(jìn)行更好的識別。而在衛(wèi)星遙 感成像中， 增強(qiáng)處理遙感圖像可以加強(qiáng)對森林火災(zāi)防控、 作物分布蟲害防治以及 金屬礦產(chǎn)探測方面

8、更好的應(yīng)用等。 通常從兩個方面實現(xiàn)圖像增強(qiáng)，一是對比度拉伸處理，二細(xì)節(jié)保持與再現(xiàn) [2] 。將 在非良好照明條件下獲取到的視覺效果較差的低對比度圖像，通過圖像灰度變 換，調(diào)整其對比度， 可實現(xiàn)原圖像的對比度增強(qiáng)。 為了使得圖像中感興趣的信息 或是有用的信息變得更加突顯， 而這些細(xì)節(jié)信息通常被遮蓋或剪除， 此時通過相 應(yīng)的變換，必然達(dá)到增強(qiáng)圖像細(xì)節(jié)的目標(biāo) [3] 。而在實際應(yīng)用中，通常會需要對退 化圖像進(jìn)行對比度和細(xì)節(jié)兩方面的增強(qiáng)處理， 以達(dá)到最終的圖像增強(qiáng)效果。 圖像 增強(qiáng)的結(jié)果通常具有主觀性， 大多靠經(jīng)驗性累積方法， 對實際應(yīng)用中的圖像進(jìn)行 交互處理以達(dá)到增強(qiáng)的目的， 這也為圖像增強(qiáng)量化標(biāo)

9、準(zhǔn)帶來困難。 由于圖像增強(qiáng) 處理在許多實際應(yīng)用領(lǐng)域中都非常必要， 因此，其研究始終處于圖像處理的前沿。 第 2章 圖像增強(qiáng)研究現(xiàn)狀及存在的問題 圖像增強(qiáng)技術(shù)按其變換處理所在的作用域不同而被分為空域方法和頻域方法兩 大類。而由于具體的應(yīng)用目的不同， 其圖像實際增強(qiáng)處理所用到的方法和增強(qiáng)的 內(nèi)容有一定的差異， 但圖像增強(qiáng)處理的各目標(biāo)和方法并不互相排斥， 某些應(yīng)用中 需要同時聯(lián)合幾種方法來實現(xiàn)最好的增強(qiáng)效果。 2.1 空域增強(qiáng) 空域增強(qiáng)通常包含圖像灰度級變換、圖像直方變換、直方均衡以及使用模糊 邏輯和基于優(yōu)化的增強(qiáng)算法，如使用遺傳算法和細(xì)菌覓食等算法進(jìn)行優(yōu)化處理以 達(dá)到圖像增強(qiáng)的目的。 空域圖

10、像增強(qiáng)方法的一般定義[1,2-3]如下公式1： g(x,y)二T[f(x,y)] ( 1) 其中，f ( x,y) 為輸入的待增強(qiáng)的圖像g ( x,y) 為處理后的增強(qiáng)圖像，T為空 間域變換函數(shù)，表示對原圖像f( x,y)在像素空間所進(jìn)行的各種變換操作。當(dāng)T操 作定義在單個像素點(x ,y)上時，稱該操作為點操作；而空間濾波指 T操作作 用于像素點(x ,y)的鄰域上時的相應(yīng)處理。 2.2基于頻域的增強(qiáng) 基于頻域的圖像增強(qiáng)算法基礎(chǔ)為卷積理論，該方法把圖像視為波，然后再利 用信號處理手段來處理圖像。其通用的數(shù)學(xué)表示 ⑴如下公式2所示： G(u,v) =H(u,v)*F(u,v) ( 2

11、) g( x,y)為增強(qiáng)后的圖像，F(xiàn)( x,y)為原圖像的傅立葉變換，H( x,y)為濾波 變換函數(shù)，通過大量的實驗研究，發(fā)現(xiàn)增強(qiáng)處理后的圖像具有比原圖像更加清晰 的細(xì)節(jié)。常用的濾波方法有低通、高通、帶阻及同態(tài)濾波等。 頻域圖像增強(qiáng)方法從本質(zhì)上講是一種間接對圖像進(jìn)行變換處理的方法。 其最 早的變換理論，由傅立葉的《熱分析理論》指出的周期函數(shù)表達(dá)可由不同頻率和 不同倍乘系數(shù)表達(dá)的正/余弦和形式表征⑴。隨著圖像處理應(yīng)用不斷發(fā)展，頻率 域變換方法近年來發(fā)展了在小波變換基礎(chǔ)上發(fā)展起來的具有更高精度以及更的 稀疏表達(dá)特性，更加適合于表達(dá)圖像的邊緣輪廓信息的 Curvelet和Contourl-

12、et變換。這些超小波變換都是基于變換域的新型的多尺度分析方法，在圖像對 比度增強(qiáng)、降噪、圖像融合與分割等方面得到了廣泛地應(yīng)用 [4-8]。 2.3基于融合的增強(qiáng) 上述方法主要從圖像自身的處理來完成單一圖像的增強(qiáng)， 但對于原始圖像本 身蘊(yùn)含信息量不夠，特別是由于光照、曝光度等原因造成的部分區(qū)域信息損失時， 單靠唯一一幅原始圖像本身不足以實現(xiàn)整幅圖像增強(qiáng) [4,10]。近年來，許多學(xué)者對 融合多圖像增強(qiáng)提出了許多新的方法和思路。主要可以分為：基于多傳感器圖像 融合增強(qiáng) [10-14] ，如 Stathaki 分析總結(jié)了圖像融合的相關(guān)算法及應(yīng)用領(lǐng)域 [10] 。Shah 等提出四

13、種紅外圖像與可見光圖像融合以增強(qiáng)圖像背景信息的方法 [12] 。其中基于 直接圖像域的權(quán)值調(diào)整方法取得了較明顯的增強(qiáng)效果， 但在總體細(xì)節(jié)有模糊化痕 跡,且其強(qiáng)烈依賴于圖像精確校準(zhǔn)和場景完全靜態(tài)的假設(shè)； 而基于小波、Curvelet 變換以及 Contourlet 變換等頻率域多尺度方法融合增強(qiáng)后細(xì)節(jié)保留得更好。 Pohl 等分析了遙感圖像中多傳感器圖像融合技術(shù)的相關(guān)概念、技術(shù)方法及其應(yīng) 用[13] 。 Li 等人提出一種基于區(qū)域的脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像融合方法 [14]。 2.4 圖像增強(qiáng)的評價方法 圖像增強(qiáng)算法本身在不同的應(yīng)用過程中, 其增強(qiáng)的結(jié)果隨著增強(qiáng)的目的不同 而存在差異, 因此,沒

14、有一個統(tǒng)一的增強(qiáng)算法能適合于所有類型的增強(qiáng)處理。 同 樣,對于增強(qiáng)后的結(jié)果評價也因主觀性和客觀需求不同而有所側(cè)重。 圖像增強(qiáng)評 價方法總體可分為兩大類：即主觀評價和客觀評價 [9] 。主觀評價具有較強(qiáng)的經(jīng)驗 性,從人眼視覺感知的角度進(jìn)行評判, 而對于人類視覺系統(tǒng) (HumanVisual System, HVS的精確模擬仍是困難的問題，因此，真正意義上的基于HVS的主觀評價系 統(tǒng)只能定性描述并未能起到實際定量量化評估的作用。 2.5 圖像增強(qiáng)算法綜述 隨著成像技術(shù)和計算機(jī)技術(shù)的不斷發(fā)展， 數(shù)字圖像已經(jīng)成為人們?nèi)粘Ｉ钪?必不可少的組成部分， 各種成像手段和設(shè)備大量用于數(shù)字娛樂、 身份識別、

15、 智能 交通、醫(yī)療病癥檢測、軍事監(jiān)管等。由于夜間光照不足、大霧、沙塵等影響，捕 獲圖像中突發(fā)事件如相機(jī)運動、 或是場景中目標(biāo)運動等， 都會使采集的圖像或是 圖像序列遭受損失，存在成像模糊、噪聲污染及曝光不均等問題，為此，圖像增 強(qiáng)顯得尤為重要。 綜合分析相關(guān)文獻(xiàn)， 圖像增強(qiáng)技術(shù)可歸為空域方法 [1-3] 和頻域方法 [1] 。在第一 章緒論中已完成對空域圖像增強(qiáng)的具體總結(jié)分析， 直接對像素值施用相應(yīng)的操作 以獲得增強(qiáng)效果，如灰度變換、直方均衡、直方匹配等方法；而頻域方法中，圖 像首先被轉(zhuǎn)換到頻率域， 也就是說第一步先要進(jìn)行傅立葉變換。 頻率增強(qiáng)方法中， 所有的增強(qiáng)算子都是在進(jìn)行傅立葉變換之后

16、進(jìn)行的， 然后再進(jìn)行傅立葉逆變換以 得到增強(qiáng)后的圖像。 這些增強(qiáng)算子通常用于調(diào)整圖像亮度、 對比度或是灰度級分 布，作為結(jié)果的輸出圖像的像素值根據(jù)所應(yīng)用的變換函數(shù)得以改觀。 空域方法具 有理論簡單，算法復(fù)雜度低， 可廣泛應(yīng)用于實時領(lǐng)域圖像增強(qiáng)， 缺點是缺少很強(qiáng) 的自適應(yīng)能力。 而頻域圖像增強(qiáng)方法依賴于頻域信息變換處理， 其作用于相應(yīng)的 變換系數(shù)。這些頻域的圖像增強(qiáng)方法 [4-8] ，具有算法的復(fù)雜性較低，相應(yīng)變換及 特性應(yīng)用性好等優(yōu)點，其主要缺點是不能滿足對圖像的所有部分都能較好增強(qiáng)， 且算法難于應(yīng)付自適應(yīng)的圖像增強(qiáng)。 隨著各領(lǐng)域人們對高質(zhì)量圖像需求的不斷增加， 對圖像色彩及圖像中場景各 部

17、分細(xì)節(jié)要求越來越高， 如何獲取高質(zhì)量圖像以及如何將低質(zhì)量退化圖像進(jìn)行增 強(qiáng)以達(dá)到更好的應(yīng)用目標(biāo)需求， 越來越成為研究者們關(guān)注的焦點， 而帶給人們更 多視覺感知信息的彩色圖像和具有更高圖像細(xì)節(jié)質(zhì)量的高動態(tài)范圍圖像帶給人 們更多的研究興趣。 而本文的研究也正是基于此， 因此，本論文將著重從單一彩 色圖像增強(qiáng)和高動態(tài)范圍成像兩個方面進(jìn)行研究。 參考文獻(xiàn) 1. R.C.Gonzalez,R.E.Woods.Digital Image Processing[M],Person Prentice Hall, New Jersey,2008 2. Y.B.Rao, L.T.Chen. A survey

18、 of video enhancement techniques[J]. International Journal on Electrical Engineering and Informatics, 2012, 3(1):71-99 3. 饒云波. 夜間視頻增強(qiáng)的關(guān)鍵技術(shù)研究 [D]. 成都：電子科技大學(xué)， 2012 4. P. Ganzalop, M. Jesus. Wavelet-based image fusion tutorial[J]. Pattern Recognition. 2004, 8(37):1855-1872 5.S. Li, B. Yang. Multifo

19、cus image fusion by combining curvelet and wavelet transform[J].Pattern Recognition Letters, 2008, 29: 295-301 6. A. Borsdorf, R. Raupach, T. Flohr, et al. Wavelet based noise reduction in CT-images usingcorrelation analysis[J]. IEEE Transactions on Medical Imaging, 2008, 27(12): 1685-1703 7. K.

20、Tsai, J. W. Ma, D. T. Ye, et al. Curvelet processing of MRI for local image enhancement[J].International Journal for Numerical Methods in Biomedical Engineering, 2012, 28 (6): 661-670 8. M. H. Asmare, V. S. Asirvadam, L. Iznita. Image enhancement by fusion in contourlettransform[J]. International J

21、ournal on ElectricalEngineering and Informatics, 2010, 2(1): 29-42 9. E. Reinhard, G. Ward, S. Pattanaik, et al. High Dynamic RangeImaging: Acquisition, Display and Image-based Lighting[M](2nd Edition). Morgan Kau_man, 2010 10. T. Stathaki. Image Fusion Algorithms and Applications[M]. Academic Pr

22、ess is an imprint of Elsevier, 2008 11. A. Toet. Natural color mapping for multi band night-vision imagery[J]. Information Fusion,2003, 4: 155-166 12. P. Shah, B. C. S. Reddy, S. N. Merchant, et al. Context enhancement to reveal a camouflaged target and to assist target localization by fusion mul

23、tispectral surveillance videos[J]. Signal,Image and Video Processing, 2011, 8: 1-16 13. C. Pohl, J. L. V. Genderen. Multisensor image fusion in remote sensing: concepts, methods and applications[J]. International Journal of Remote Sensing, 1998, 19(5): 823-854 14. M. Li, W. Cai, Z. Tan. A region-b

24、ased multi-sensor image fusion scheme using pulse-coupledneural network[J]. Pattern Recognition Letters, 2006, 27(16): 1948-1956 15. T. Mertens, J. Kautz, T. V. Reeth. Exposure fusion: a simple and practical alternative to high dynamic range photography[J]. Computer Graphics forum, 2009, 28: 161-17

25、1 課程體會 這學(xué)期我選了計算機(jī)視覺這門課， 總的來說收獲比較大， 了解了與自己研究 生階段研究方向不同的知識點。 作為計算機(jī)專業(yè)的研究生， 我本身比較喜歡計算 機(jī)這個專業(yè)，而計算機(jī)視覺是一門研究如何使機(jī)器“看”的科學(xué)，更進(jìn)一步說， 就是指用攝影機(jī)和和電腦代替人眼對目標(biāo)進(jìn)行識別、 跟蹤和測量等機(jī)器視覺， 并 做進(jìn)一步的圖形處理， 使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。 首先在這門課上， 我們了解了該領(lǐng)域的基本研究現(xiàn)狀和一些研究方法， 擴(kuò)大了我 們的視野。 而且老師在上課時候也給我們提供了一些自學(xué)的資料和網(wǎng)址， 方便對 這方面感興趣的同學(xué)可以深入的去學(xué)習(xí)一下該領(lǐng)域。 因此在這

26、學(xué)期的課程中， 我對教學(xué)比較滿意， 能夠?qū)W到這門課的知識點， 也 具有自己學(xué)習(xí)的自由度。 同時老師在這門課的教學(xué)上， 讓我們分成小組， 選取課 程相關(guān)的高質(zhì)量論文，來做最后的課程報告，我本來的研究方向不是圖像領(lǐng)域， 因此，最初拿到小組成員給的一個圖像增強(qiáng)方面的報告， 看了幾遍，發(fā)現(xiàn)看不懂。 其中可能也有是英文的原因， 自己英語不是很好， 另外就是對該領(lǐng)域的基本方法 了解不夠， 導(dǎo)致看論文存在問題。 所幸，我們小組有一個同學(xué)就是做圖像增強(qiáng)方 向的，因此我們決定進(jìn)行一次討論， 由那位比較了解該方向的同學(xué)， 給我們講解 一下論文。經(jīng)過這次討論會，我們該方向的基本方法也了解了，再看起論文，就 比較容易了。后來我們又進(jìn)行了幾次討論，完成了小組的報告內(nèi)容和演講 PPT。 在這個過程中也是我提高比較多的地方。 希望在以后的課程中， 老師可以加強(qiáng)課堂教學(xué)管理， 這樣在平時成績管理上 能夠更加真實的反應(yīng)平時狀況。 總的來說， 作為研究生的一門課程， 計算機(jī)視覺 這門課，我個人覺得還是比較滿意的。