色調(diào)保持的自適應(yīng)圖像視頻細(xì)節(jié)增強(qiáng)算法.pdf

1、在圖像與視頻獲取過程中，由于照明環(huán)境、采集設(shè)備、噪聲干擾等因素的影響，會導(dǎo)致圖像與視頻視覺效果的下降。因此，需要采用細(xì)節(jié)增強(qiáng)算法來突出圖像與視頻中的部分細(xì)節(jié)信息以便于用戶進(jìn)行更好地分辨和后續(xù)處理。
　　 目前，已有的細(xì)節(jié)增強(qiáng)方法主要存在以下三點不足:
　　 (1)對于不同的輸入圖像，需要根據(jù)經(jīng)驗采取不同的細(xì)節(jié)增強(qiáng)模型并設(shè)置不同的參數(shù)，這些要求對非專業(yè)人士來說難以掌握;
　　 (2)實驗結(jié)果難以保持輸入圖像的色調(diào)分

2、布，致使細(xì)節(jié)增強(qiáng)后圖像發(fā)生了明顯的顏色失真;
　　 (3)目前還沒有出現(xiàn)面向視頻應(yīng)用的細(xì)節(jié)增強(qiáng)算法。針對上述問題，本文對圖像視頻細(xì)節(jié)增強(qiáng)技術(shù)進(jìn)行了深入的研究，并提出了相應(yīng)的解決方法，主要內(nèi)容包括:
　　 (1)我們研究了多種圖像多尺度分解方法，為了無需二次采樣或量化就可以達(dá)到對任意彩色圖像實時邊緣保持的濾波效果，本文采用了基于域變換的一維線性濾波進(jìn)行圖像的多尺度分解。該方法可以將輸入圖像快速分解成一幅含有大尺度邊緣信息的

3、基圖像和多幅含有小尺度細(xì)節(jié)信息的細(xì)節(jié)層。
　　 (2)雖然我們采用了保持邊緣的濾波方法，但是細(xì)節(jié)層中仍然會殘留很多強(qiáng)邊緣以及由強(qiáng)邊緣引起的震蕩現(xiàn)象。如果在細(xì)節(jié)增強(qiáng)過程中，這些強(qiáng)邊緣也被放大相同的尺度，則會引起梯度逆轉(zhuǎn)所導(dǎo)致的光環(huán)現(xiàn)象。因此，為了有效抑制細(xì)節(jié)增強(qiáng)結(jié)果中產(chǎn)生的這些現(xiàn)象，本文提出了基于邊緣梯度響應(yīng)的自適應(yīng)細(xì)節(jié)增強(qiáng)函數(shù)。該函數(shù)在放大小尺度細(xì)節(jié)的同時，可以有效地減少對強(qiáng)邊緣的增強(qiáng)幅度。
　　 (3)一種有效的彩色圖

4、像細(xì)節(jié)增強(qiáng)算法在增強(qiáng)圖像細(xì)節(jié)的同時，還必須保證處理后的圖像色調(diào)分布不會帶來失真。細(xì)節(jié)增強(qiáng)過程中，盡管采用本文構(gòu)造的抑制大尺度邊緣的自適應(yīng)細(xì)節(jié)增強(qiáng)函數(shù)，整個圖像的亮度通道仍然會發(fā)生劇烈的變化，使得細(xì)節(jié)增強(qiáng)后的圖像色調(diào)分布大幅度偏離原圖像。即使采用對比度拉伸或直方圖匹配等方法，也無法有效地糾正細(xì)節(jié)增強(qiáng)圖像的色調(diào)偏移問題。因此，基于馬爾科夫隨機(jī)場理論，本文提出了一種可以有效校正圖像色調(diào)分布的能量優(yōu)化算法。
　　 實驗結(jié)果表明:本文算法