学位论文 > 优秀研究生学位论文题录展示

自适应局部图像增强技术研究

作　者: 周金伟
导　师: 刘肖琳
学　校: 国防科学技术大学
专　业: 控制科学与工程
关键词: 自适应局部图像增强双边滤波 K近邻偏微分方程 P-M模型 CUDA
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 194次
引　用: 1次
阅　读: 论文下载

内容摘要

自适应局部图像增强技术根据图像的局部特性,将图像对比度增强、保持图像细节信息和去除噪声很好地结合起来,实现局部区域增强,提高了图像质量,有效克服了全局图像增强方法的不足。本文系统地研究了自适应局部图像增强技术中对比度增强和图像滤波技术,并且实现了一些时间复杂度较大的算法的实时运用。论文的主要工作和研究成果有:1、研究了自适应局部图像对比度增强技术。针对低照度、大背景、小目标图像,提出了基于对数变换的平台直方图均衡化算法。该算法克服了对数Lee算法存在的对噪声的高敏感性,能有效地增强图像的细节信息。2、研究了自适应局部图像滤波技术。针对现有的双边滤波算法存在不能锐化图像边缘等细节信息的不足以及自适应双边滤波算法对噪声的敏感性较大的缺点,结合K近邻算法,提出了基于K近邻的自适应双边滤波算法,该算法的滤波和保持细节能力接近于非局部平均算法,但能锐化边缘而且计算复杂度大大降低。3、研究了基于偏微分方程的自适应局部图像增强技术。针对P-M模型存在的不适定性以及滤波性能依赖于迭代次数的不足,引进了保真项,提高了算法的稳定性和保持细节的能力。4、设计并实现了基于CUDA的自适应局部图像增强并行算法,显著地提高了运算效率。

全文目录

摘要  9-10
ABSTRACT  10-11
第一章绪论  11-18
  1.1 课题研究的背景和意义  11
  1.2 自适应局部图像增强的技术难点  11-12
  1.3 自适应局部图像增强技术的研究现状  12-16
    1.3.1 自适应局部图像对比度增强技术的研究发展  12-13
    1.3.2 自适应局部图像滤波技术的研究发展  13-14
    1.3.3 基于PDE 的自适应局部图像增强技术的研究发展  14-16
  1.4 论文概述  16-18
    1.4.1 本文主要工作和成果  16-17
    1.4.2 论文结构  17-18
第二章基于对数变换的平台直方图均衡化  18-33
  2.1 自适应局部图像对比度增强技术概述  18-26
    2.1.1 Wallis 算子  18-20
    2.1.2 双向直方图均衡化技术  20-21
    2.1.3 平台直方图均衡化技术  21-22
    2.1.4 GLG 算子  22-26
  2.2 基于对数变换的平台直方图均衡化  26-29
    2.2.1 Lee 图像增强算法及其改进型  26-27
    2.2.2 基于对数变换的平台直方图均衡化  27-29
  2.3 实验结果及其性能比较  29-32
  2.4 小结  32-33
第三章基于K 近邻的自适应双边滤波算法  33-46
  3.1 自适应局部图像滤波技术概述  33-39
    3.1.1 自适应中值滤波算法  34-35
    3.1.2 非局部平均滤波技术  35-37
    3.1.3 基于小波变换的自适应局部滤波技术  37-39
  3.2 滤波算法去噪性能评价标准  39-40
  3.3 基于K 近邻的自适应双边滤波算法  40-44
    3.3.1 双边滤波器原理  40-42
    3.3.2 基于K 近邻的自适应双边滤波器  42-43
    3.3.3 双边滤波器参数设置  43-44
  3.4 实验结果及其性能比较  44-45
  3.5 小结  45-46
第四章基于偏微分方程的自适应局部图像增强技术  46-57
  4.1 基于偏微分方程的自适应局部图像增强技术概述  46-50
    4.1.1 扩散模型  46-49
    4.1.2 TV 模型  49-50
    4.1.3 激波滤波器  50
  4.2 改进的P-M 模型  50-56
    4.2.1 改进的P-M 模型  51-52
    4.2.2 改进P-M 模型的数值计算  52-54
    4.2.3 实验结果  54-56
  4.3 小结  56-57
第五章自适应局部图像增强算法的CUDA 实现  57-67
  5.1 CUDA 编程模型  57-60
    5.1.1 主机和设备  58
    5.1.2 线程层次结构  58-59
    5.1.3 CUDA 软件体系  59
    5.1.4 CUDA 存储器层次结构  59
    5.1.5 CUDA 编译器模型  59-60
  5.2 基于CUDA 的图像并行处理  60-62
    5.2.1 基于CUDA 的图像处理基本框架  60-61
    5.2.2 纹理存储器  61-62
  5.3 自适应局部图像增强算法的CUDA 实现  62-66
    5.3.1 Wallis 算子的CUDA 实现  62-63
    5.3.2 基于K 近邻的自适应双边滤波器的CUDA 实现  63-64
    5.3.3 改进P-M 模型算法的CUDA 实现  64-66
  5.4 小结  66-67
第六章总结和展望  67-68
致谢  68-69
参考文献  69-73
作者在学期间取得的学术成果  73

自适应局部图像增强技术研究

内容摘要

全文目录

相似论文