人類視覺系統(tǒng)是智能、高效的視覺信息處理系統(tǒng)。通過模擬生物視覺感知機(jī)制,開發(fā)出更有效的圖像處理算法是當(dāng)前圖像處理研究的熱點(diǎn)。本文所建立的計(jì)算模型圍繞圖像增強(qiáng)所涉及的內(nèi)容進(jìn)行研究,包括圖像增強(qiáng)、增強(qiáng)后去噪、圖像增強(qiáng)質(zhì)量評價(jià)。按照基于生理、面向任務(wù)的思路,本文通過模擬生物視覺的感受野機(jī)制、視覺系統(tǒng)的感知特性為圖像增強(qiáng)、圖像去噪及圖像質(zhì)量評價(jià)等圖像處理應(yīng)用提供新的計(jì)算模型和簡單、有效的實(shí)現(xiàn)方法。本文第一部分針對目前眼底彩色圖像增強(qiáng)存在的顏色失真問題,提出一種改進(jìn)的基于顏色恒常的Retinex眼底彩色圖像增強(qiáng)方法。本方法首先提取亮度通道,對亮度通道進(jìn)行多尺度Retinex處理,再通過改進(jìn)的gain/offset算法以及顏色恢復(fù)方法進(jìn)行圖像映射,最后根據(jù)眼底彩色圖像的特征對具有亮度信息的紅色通道進(jìn)行恢復(fù)。為驗(yàn)證本方法的有效性,本文以DIARETDB0眼底圖像數(shù)據(jù)庫為研究對象,將該方法與多尺度Retinex（MSR）、帶色彩恢復(fù)的多尺度Retinex（MSRCR）、直方圖均衡化（HE）、對比度受限自適應(yīng)直方圖均衡化（CLAHE）等經(jīng)典增強(qiáng)算法進(jìn)行主觀和客觀比較。實(shí)驗(yàn)結(jié)果表明該方法處理的圖像在色彩保護(hù)... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：114 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 本文研究背景及意義
    1.2 生物視覺系統(tǒng)概述
        1.2.1 前端視覺通路的基本感知結(jié)構(gòu)
            1.2.1.1 視網(wǎng)膜
            1.2.1.2 外側(cè)膝狀體
            1.2.1.3 初級視覺皮層
        1.2.2 視網(wǎng)膜與外側(cè)膝狀體的神經(jīng)機(jī)制及模型
            1.2.2.1 感受野神經(jīng)機(jī)制
            1.2.2.2 視網(wǎng)膜神經(jīng)節(jié)細(xì)胞感受野模型
        1.2.3 視覺系統(tǒng)的感知特性
            1.2.3.1 亮度及對比度特性
            1.2.3.2 圖像結(jié)構(gòu)的敏感性
            1.2.3.3 顏色恒常性
    1.3 圖像增強(qiáng)及質(zhì)量評價(jià)概述
        1.3.1 圖像增強(qiáng)
        1.3.2 圖像去噪
        1.3.3 圖像質(zhì)量評價(jià)
            1.3.3.1 主觀圖像質(zhì)量評價(jià)
            1.3.3.2 客觀圖像質(zhì)量評價(jià)
    1.4 本文研究內(nèi)容與主要貢獻(xiàn)
    1.5 本文的結(jié)構(gòu)安排
第二章 基于Retinex理論的眼底彩色圖像增強(qiáng)方法
    2.1 引言
    2.2 Retinex理論基礎(chǔ)
        2.2.1 Retinex理論及其模型
            2.2.1.1 單尺度Retinex算法
            2.2.1.2 多尺度Retinex算法
            2.2.1.3 帶色彩恢復(fù)的多尺度Retinex算法
        2.2.2 Retinex算法缺陷
    2.3 基于Retinex的彩色圖像增強(qiáng)方法
        2.3.1 亮度調(diào)整
        2.3.2 CP-MSR算法的“gain/offset”修正
        2.3.3 顏色恢復(fù)因子的改進(jìn)
        2.3.4 對亮度通道進(jìn)行恢復(fù)處理
        2.3.5 Retinex算法頻域處理
        2.3.6 算法評價(jià)指標(biāo)
    2.4 實(shí)驗(yàn)結(jié)果和分析
        2.4.1 算法驗(yàn)證
        2.4.2 本文算法與現(xiàn)有算法的主觀比較
        2.4.3 本文算法與現(xiàn)有算法的客觀比較
    2.5 本章小結(jié)
第三章 基于視覺感受野特性的自適應(yīng)圖像去噪方法
    3.1 引言
    3.2 圖像去噪的生物視覺基礎(chǔ)
    3.3 基于視覺感受野的計(jì)算模型
        3.3.1 顏色空間轉(zhuǎn)換
        3.3.2 噪聲判斷算法描述
        3.3.3 噪聲處理算法描述
        3.3.4 自適應(yīng)動態(tài)處理
        3.3.5 算法評價(jià)指標(biāo)
    3.4 實(shí)驗(yàn)結(jié)果和分析
        3.4.1 ON/OFF去噪效果的貢獻(xiàn)
        3.4.2 不同噪聲水平下的去噪效果對比
        3.4.3 本文模型整體與細(xì)節(jié)去噪效果對比
        3.4.4 本文模型用于處理夜間增強(qiáng)圖像
            3.4.4.1 主觀視覺效果對比
            3.4.4.2 客觀評價(jià)對比
            3.4.4.3 運(yùn)算時(shí)間比較
    3.5 本章小結(jié)
第四章 基于視覺感知的圖像增強(qiáng)質(zhì)量評價(jià)
    4.1 引言
    4.2 圖像質(zhì)量評價(jià)的視覺感知基礎(chǔ)
    4.3 基于視覺感知的圖像增強(qiáng)質(zhì)量評價(jià)
        4.3.1 引言
        4.3.2 視覺參數(shù)的構(gòu)建
            4.3.2.1 視覺參數(shù)的測量
            4.3.2.2 圖像質(zhì)量評價(jià)函數(shù)的建立
        4.3.3 評價(jià)指標(biāo)
        4.3.4 實(shí)驗(yàn)結(jié)果與分析
            4.3.4.1 LIVE圖像數(shù)據(jù)庫上的性能比較
            4.3.4.2 增強(qiáng)圖像主觀評價(jià)與客觀評價(jià)的結(jié)果比較
            4.3.4.3 對圖像增強(qiáng)算法的評價(jià)
    4.4 圖像增強(qiáng)的失真率檢測方法
        4.4.1 引言
        4.4.2 失真率參數(shù)構(gòu)建
            4.4.2.1 信息失真率計(jì)算
            4.4.2.2 組成成分失真率計(jì)算
            4.4.2.3 顏色失真率計(jì)算
        4.4.3 實(shí)驗(yàn)結(jié)果與分析
            4.4.3.1 直方圖均衡化方法與其他圖像增強(qiáng)算法的失真率比較
            4.4.3.2 CP-MSR增強(qiáng)方法的失真率比較
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于視覺感受野特性的自適應(yīng)圖像去噪算法[J]. 劉玉紅,張艷山,李永杰,楊開富,顏紅梅.  電子科技大學(xué)學(xué)報(bào). 2017(06)
[2]自適應(yīng)雙向保帶寬對數(shù)變換及低照度圖像增強(qiáng)[J]. 毛東月,謝正祥,賀向前,賈媛媛,周麗華.  中國圖象圖形學(xué)報(bào). 2017(10)
[3]一種多分辨多尺度的Retinex彩色圖像增強(qiáng)算法[J]. 李益紅,周曉誼.  計(jì)算機(jī)工程與應(yīng)用. 2017(16)
[4]蘋果采摘機(jī)器人夜間圖像邊緣保持的Retinex增強(qiáng)算法[J]. 姬偉,呂興琴,趙德安,賈偉寬,丁世宏.  農(nóng)業(yè)工程學(xué)報(bào). 2016(06)
[5]眼底數(shù)碼圖像血管分割預(yù)處理關(guān)鍵技術(shù)研究[J]. 段彥華,楊春蘭,劉冰.  北京生物醫(yī)學(xué)工程. 2015(04)
[6]具有顏色保真性的快速多尺度Retinex去霧算法[J]. 肖勝筆,李燕.  計(jì)算機(jī)工程與應(yīng)用. 2015(06)
[7]Information-based reduced reference image quality assessment incorporating non-tensor product wavelet filter banks[J]. Yong Ding,Yuan Zhang,Xiaolang Yan,Andrey S.Krylov.  Chinese Science Bulletin. 2014(16)
[8]融合圖像質(zhì)量評價(jià)指標(biāo)的相關(guān)性分析及性能評估[J]. 張小利,李雄飛,李軍.  自動化學(xué)報(bào). 2014(02)
[9]圖像拼接質(zhì)量評價(jià)方法[J]. 萬國挺,王俊平,李錦,曹洪花,汪松,王樂,李亞寧,韋蓉.  通信學(xué)報(bào). 2013(08)
[10]基于Hessian特征的視網(wǎng)膜血管圖像的增強(qiáng)濾波算法[J]. 蔣先剛,熊娟,丘赟立,范德營.  華東交通大學(xué)學(xué)報(bào). 2013(03)



本文編號：3447006