本文關(guān)鍵詞：高清圖像處理與顯示關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著半導體技術(shù)的不斷發(fā)展,以及圖像采集與顯示設(shè)備質(zhì)量的不斷提高,高清圖像在影視娛樂,視頻監(jiān)控以及工業(yè)生產(chǎn)等領(lǐng)域的作用愈發(fā)凸顯,廣大消費者對高清圖像的期望也越來越高。但是,受到圖像采集設(shè)備、采集環(huán)境、傳輸過程以及終端顯示設(shè)備的局限性等因素的影響,最終獲得圖像的質(zhì)量低于預期的水平。本文就此方面的若干關(guān)鍵問題進行了研究,并在圖像對比度增強、圖像去霧、圖像脈沖噪聲去除和顯示器亞像素渲染清晰化顯示等方面取得了先進的理論成果和目前國際前沿水平的處理效果。本文的主要創(chuàng)新點有如下四點：(1)圖像對比度增強可以大大提高圖像的質(zhì)量和視覺觀感效果。目前許多主流的圖像對比度增強算法都是基于圖像直方圖的增強方法,不論是傳統(tǒng)的圖像直方圖還是基于擴展的二維直方圖,都獲得一個目標灰度變換函數(shù)。整幅圖像采用同一個目標變換函數(shù),而沒有根據(jù)圖像灰度所處的圖像局部環(huán)境不同,而采用不同的處理方法,進而限制了圖像對比度的增強效果。本文以增強所有非噪聲圖像細節(jié)為目的,通過模仿人類進行手工圖像對比度增強的過程,將圖像對比度和對比度所在的局部環(huán)境亮度聯(lián)合考慮,提出了一種基于圖像亮度自適應線性變換的圖像對比度增強方法。該方法計算圖像中每個像素位置的對比度和局部背景值,通過志愿者手工增強的圖像效果,得到對比度和背景值的目標映射函數(shù)。然后通過對每個像素點值的線性變化來實現(xiàn)目標對比度和背景值,并且在此過程中利用交叉雙邊帶濾波器平滑兩個線性參數(shù)圖像,最終達到增強圖像所有非噪聲細節(jié)的目的。(2)針對霧霾天氣條件下,空氣中懸浮顆粒和小液滴對光的散射效應導致拍攝到的室外圖像對比度偏低且顏色淡化,質(zhì)量嚴重退化的問題。目前大多數(shù)圖像去霧霾方法都是基于簡化的有霧圖像生成模型,通過參數(shù)估計重構(gòu)出無霧清晰圖像,但是由于許多參數(shù)設(shè)置和簡化近似使得清晰無霧圖像很難被精確地估計出來。本文將有霧圖像生成的簡化模型,在HSV顏色空間進行推導分析,推到出HSV顏色空間與RGB顏色空間相比更適合解決圖像去霧霾問題,且圖像去霧霾問題可以看作是一個特殊的圖像對比度增強問題�；谶@兩個觀察,我們將圖像去霧霾問題和圖像對比度增強問題無縫隙的綜合在一起,提出一種基于暗通道先驗恢復圖像飽和度,基于圖像對比度增強方法調(diào)整圖像亮度的單幅圖像去霧霾方法。(3)脈沖噪聲是圖像獲取和傳輸過程中常見的一種圖像噪聲,目前發(fā)表的脈沖噪聲去除方法都是按照脈沖噪聲噪聲點檢測和噪聲點像素值重建兩個標準步驟進行噪聲去除的,沒有更進一步的處理。而本文通過實驗發(fā)現(xiàn)目前的圖像脈沖噪聲去除方法重建的噪聲點像素值中含有服從近似拉普拉斯分布的重建誤差,基于這個發(fā)現(xiàn)本文提出了一種帶有后處理的圖像脈沖噪聲去除新框架,來進一步濾除這種重建誤差,進而得到更好的圖像脈沖噪聲去除效果。實驗仿真結(jié)果也表明,不論是從主觀視覺觀察還是客觀PSNR值上看,我們提出的圖像脈沖噪聲去除新框架得到了目前最好的脈沖噪聲去除效果。(4)亞像素渲染顯示技術(shù)通過單獨控制顯示器的每個亞像素,可以明顯提高顯示器的顯示分辨率,但是這會使得顯示效果中出現(xiàn)走樣現(xiàn)象和顏色失真假象。為了更好地抑制圖像走樣現(xiàn)象和顏色失真現(xiàn)象,本文將像素的亞像素幾何結(jié)構(gòu)和人類視覺系統(tǒng)的感知特性綜合考慮,提出了一種基于人類視覺系統(tǒng)感知質(zhì)量最優(yōu)化的亞像素渲染顯示技術(shù),也就是使得人類視覺系統(tǒng)感知到的圖像與真實場景的圖像之間的差別最小。這是一個有約束的最優(yōu)化過程,如果用傳統(tǒng)的迭代方法求解,需要較高的計算復雜度。因此本文將問題變換到頻域,進行分析推導,找出了一個快速的求解方法,這個求解方法可以直接解出顯示圖像各個頻率的系數(shù)。實驗結(jié)果表明,本文的亞像素渲染顯示技術(shù),與最先進的其他亞像素渲染技術(shù)相比,得到的顯示效果圖像邊緣更加銳利,更加清晰,且顏色失真更少,同時計算復雜度保持在FFT的水平。
【關(guān)鍵詞】：高清圖像 對比度增強 圖像去霧霾 HSV顏色空間 脈沖噪聲去除 椒鹽噪聲 亞像素渲染 圖像顯示 人類視覺系統(tǒng)
【學位授予單位】：蘭州大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 中文摘要3-5
• Abstract5-10
• 第一章 緒論10-22
• 1.1 高清圖像概述10-12
• 1.2 高清圖像增強研究背景12-17
• 1.2.1 圖像對比度增強研究背景12-14
• 1.2.2 圖像去霧霾研究背景14-15
• 1.2.3 圖像脈沖噪聲去除研究背景15-17
• 1.3 圖像亞像素渲染顯示研究背景17-19
• 1.4 論文主要工作19-20
• 1.5 論文章節(jié)安排20-22
• 第二章 高清圖像對比度增強22-42
• 2.1 圖像對比度增強的研究現(xiàn)狀22-25
• 2.2 基于自適應線性變換的圖像對比度增強方法25-31
• 2.2.1 圖像對比度增強的算法描述26-30
• 2.2.2 圖像對比度增強的具體實現(xiàn)步驟30-31
• 2.3 圖像對比度增強實驗結(jié)果及效果比較31-36
• 2.4 本章小結(jié)36-42
• 第三章 高清圖像去霧霾42-66
• 3.1 霧產(chǎn)生機理及有霧圖像簡化模型42-47
• 3.2 圖像去霧霾方法的研究現(xiàn)狀47-49
• 3.2.1 多幅圖像去霧霾方法47-48
• 3.2.2 單幅圖像去霧霾方法48-49
• 3.3 HSV顏色空間基于圖像對比度增強的去霧霾方法49-57
• 3.3.1 有霧圖像模型在HSV顏色空間的分析49-53
• 3.3.2 基于HSV顏色空間的圖像去霧方法描述53-56
• 3.3.3 基于HSV顏色空間的圖像去霧的具體實現(xiàn)步驟56-57
• 3.4 圖像去霧霾實驗結(jié)果及效果比較57-59
• 3.5 本章小結(jié)59-66
• 第四章 高清圖像脈沖噪聲去除66-82
• 4.1 圖像脈沖噪聲簡介66-69
• 4.1.1 圖像脈沖噪聲數(shù)學模型67-68
• 4.1.2 基于中值濾波器的圖像脈沖噪聲去除方法68
• 4.1.3 基于變分法的圖像脈沖噪聲去除方法68-69
• 4.2 重建誤差的發(fā)現(xiàn)和分析69-71
• 4.3 帶有后處理的圖像脈沖噪聲去除新框架71-73
• 4.4 圖像脈沖噪聲去除實驗結(jié)果及效果比較73-77
• 4.5 本章小結(jié)77-82
• 第五章 高清圖像亞像素渲染顯示82-102
• 5.1 亞像素渲染簡介82-85
• 5.2 亞像素渲染的研究現(xiàn)狀85-86
• 5.3 基于人類視覺系統(tǒng)感知的亞像素渲染86-93
• 5.3.1 基于人類視覺系統(tǒng)感知的圖像顯示模型86-90
• 5.3.2 有約束最優(yōu)化問題的迭代求解方法90
• 5.3.3 最優(yōu)化問題的頻域直接快速求解90-93
• 5.4 亞像素渲染實驗結(jié)果及效果對比93-96
• 5.5 本章小結(jié)96-102
• 第六章 總結(jié)與展望102-105
• 6.1 本文工作總結(jié)102-103
• 6.2 進一步研究工作展望103-105
• 參考文獻105-115
• 在學期間的研究成果115-117
• 致謝117

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 丁駿;;照相機的發(fā)展史[J];初中生世界(初二物理版);2008年Z6期

2 撒尼;Cola;;由歷史看趨勢,數(shù)碼相機發(fā)展史[J];消費;2007年12期

  本文關(guān)鍵詞：高清圖像處理與顯示關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：338871