卢丽敏[1]2002年在《图像增强模型及算法研究》文中提出图像增强技术是数字图像处理中的一项基本技术，是图像处理系统中预处理部分的重要一环。数字图像增强的结果直接影响到图像的高级处理和解译。 本文在分析、总结现有图像增强技术的基础上，提出了两种新的图像增强算法：一是基于人类视觉的图像增强方法，它将人类视觉特性与J.S.Lee的局部统计性图像增强方法相结合，是对局部统计性图像增强方法的改进；二是基于遗传算法的图像增强方法，利用遗传算法的寻优特性，结合已有的图像参数模型，找出控制图像质量的参数，采用遗传算法进行参数优化，最终达到信噪比(SNR)或其他评价准则意义下的最优。优化的准则选取图像的SNR或其他客观评价函数，SNR越高，认为图像质量越好。 两种方法的共同之处在于：利用图像局部信息，克服了对每个像素采用相同尺度变换处理带来的缺点，最终得到了良好的增强图像。 不同之处在于：前者结合人类视觉特性，对于处理后的图像主要从主观视觉角度评价；而后者则采用在与传统方法处理结果比较的基础上，进一步比较它们的边缘图像，在达到客观评价准则意义下最优的同时尽可能多的保持图像边缘位置和细节信息。前者是改进，后者则有所创新。 无论从主观分析还是从客观判断来说，实验结果都表明了本文方法对于图像的增强是有效且可行的。
张新龙[2]2011年在《基于人类视觉特性的图像增强理论及应用研究》文中提出人类视觉系统之所以是目前世界上效果最好、精度最高、速度最快的图像处理系统,主要是由于人眼具有一系列特殊的视觉特性,其中与图像增强密切相关的特性包括色彩恒常性与亮度恒常性等。研究人类视觉特性对于图像处理尤其是图像增强领域具有重要的意义,国内外学者主要通过模拟人类视觉特性来获取更好的图像增强效果。有了对色彩和亮度的恒常性感知,人类视觉系统可轻易地对目标进行快速、准确、稳定地识别、处理,因此目前许多优秀的图像增强算法都是基于上述特性的,并且仍在不断发展。本文以人类视觉特性为研究重点,在分析色彩恒常性、亮度恒常性及Retinex理论的基础上,提出一种能够更好模拟人类视觉特性的增强框架与计算模型,将其应用于雾天图像的清晰化以及压缩域图像的增强两个领域,以验证其有效性。文章主要内容如下:1、深入研究人类视觉特性理论,包含与图像增强密切相关的两个视觉特性:色彩恒常性与亮度恒常性,通过对Retinex理论的分析,指出现有增强算法在模拟人类视觉特性时的不足以及Retinex算法本身的局限性,为增强框架与计算模型的研究提供理论基础与思路。2、提出一种新的能够同时保持色彩恒常性与亮度恒常性的增强模型并应用于雾天图像的清晰化。首先针对雾天图像退化程度与景深呈非线性关系的特点,提出一种自适应Retinex雾天图像增强算法,根据图像像素点所处的人类视觉区域反映出的雾的厚薄程度自动调整算法的参数取值。在此基础上,构建一种新的图像增强计算模型,将自适应Retinex增强算法与CLAHE增强算法的增强结果自适应地加权融合,使得增强结果能够同时保持色彩恒常性和亮度恒常性,实现对雾天图像的有效清晰化。3、提出一种新的基于Retinex理论的压缩域图像增强算法。该算法以Retinex理论为基础,将DCT系数分为入射分量(DC系数)和反射分量(AC系数),通过对DC系数进行动态范围调整,对AC系数进行细节增强调整,并使用阈值方法抑制块状效应,由此实现对压缩域图像的增强。同时处理入射分量和反射分量能充分利用原始图像的低频信息与高频信息,达到增强细节、保持色彩并抑制块状效应的目的。
陈燕[3]2016年在《工业X射线图像增强算法研究》文中研究表明随着各种相关需求的不断增加,X射线检测技术已得到了广泛的应用,在医疗诊断、安全检查、航空航天、工业检测等领域均发挥着重要的作用,已然成为我们生产生活中不可或缺的部分。然而,在X射线检测系统成像过程中,由于工件结构的复杂性以及成像过程中电气噪声、射线噪声等各种不利因素的影响,导致工业射线图像的整体质量较差,具体表现为图像对比度低、结构细节模糊等,进而影响对工件结构的分析和判断。因此,在实际应用中,为了使射线图像能够满足具体要求,有必要改善X射线图像的质量,以利于对工件结构的分析与判断。而图像增强则可以依据具体应用要求突出图像中细节特征、提高图像对比度,从而改善图像视觉效果。因此,研究优质高效的X射线图像增强算法具有特别重要的理论意义与实际价值。鉴于此,本文在深入分析、研究国内外相关图像增强算法的现状、分析总结了其在实际应用中存在的问题与不足的基础上,对X射线图像增强算法进行了比较深入的研究,提出了一些新的方法和思路,取得了较好的效果。本文的主要工作如下:(1)在研究偏微分方程中各向异性扩散模型的基础上,提出了一种基于局部方差的自适应各向异性图像增强算法。该算法采用局部方差检测图像的边缘特征,然后设定随迭代次数增加而减小的方差阈值,对图像特征进行分类,在含噪的平坦区域,采用正向扩散,有效去除噪声;在边缘细节区域,采用逆向扩散,增强图像中的特征。实验结果表明该算法克服了传统Laplace增强算法对噪声敏感的不足,有效地增强了图像细节。(2)针对图像梯度对噪声敏感的缺点,提出了一种改进的基于变分方法的对比度场增强算法。该方法利用图像的差分曲率来替代梯度,放大系数随着差分曲率的增加而单调递减。以差分曲率作为自变量的放大系数函数考虑了更多的邻域像素,不仅包括梯度方向上的四个邻域像素,还包括对角线方向上的四个邻域像素,从而克服了图像梯度对噪声敏感的缺点。将该方法用于标准测试图像和X-射线图像,实验结果表明,本章算法增强后的图像边缘更加清晰,细节更加明显,噪声也更少,表现出优越的细节保护能力和噪声抑制能力。(3)在深入分析非局部均值滤波算法原理及特点的基础上,提出了一种基于非局部差值信息的图像增强算法。新算法结合经典的高提升图像锐化算法,引入了非局部均值思想用以计算邻域内像素参与增强操作的权重值,邻域大小可变。同时,中心点像素的权重值可调,从而体现出高提升的效果。因而,新算法继承了非局部均值滤波算法与高提升图像增强算法的优点。通过实验深入分析研究了相关参数对算法性能的影响,并总结了参数选择的原则。此外,针对经典测试图像与实际采集的工业射线图像的增强,从与同类算法性能比较方面进行了实验验证。实验结果表明,经所提算法增强后的图像细节信息更加突出,同时还保持了较高的峰值信噪比,获得了较满意的效果。(4)在深入分析Retinex传统算法的基础上,研究了一种基于人眼视觉特性的改进算法。文中讨论了单尺度算法、多尺度算法对图像增强的影响,选取不同的参数值,图像呈现不同的增强效果。算法采用S函数模型将非线性运算引入到图像增强中,S函数模型更能符合人眼特性,并且可以克服对数处理模型拉伸超出图像显示范围的问题,算法还从保护图像亮度和降低射线噪声对图像的影响两个方面做了改进。实验结果表明该方法不仅对普通灰度图像具有增强效果,还对具有低对比度的射线图像有良好的增强效果,可以满足射线图像后续处理分析的要求。
于欣妍[4]2017年在《变指数泛函在图像反问题中的应用研究》文中进行了进一步梳理伴随着变指数Lebesgue空间和Sobolev空间理论的发展,变指数函数空间中的函数找到了越来越多的具有局部"逐点异性"的物理对象与其对应,从而开创了将变指数函数空间理论应用于实际问题的新局面.继变指数函数空间理论在偏微分方程理论中得以应用,该理论在变分问题的建模、求解方面也实现了突破,摆脱了以往变分问题的局限性,即为具有局部异性甚至"逐点异性"的对象的研究提供了新的研究工具和理论依据.本文立足于一般图像的局部相异特性假设,从反问题的角度,利用正则化的方法尝试为图像复原、图像去噪以及图像增强问题建立在变指数Lebesgue函数空间和Sobolev空间中的变分模型.并且充分利用变指数函数空间理论和凸优化理论对模型解的存在性、唯一性以及求解方法进行了研究,从而在理论层面探讨了构建具有局部自适应特性模型的可行性,实现了对图像在变指数函数空间中更精确的描述和逼近目标.此外,本文还就如何在变指数变分模型中利用图像的局部相异特性及相关先验信息做出了有益的尝试.文中多角度的实验进一步支持了图像具有局部相异特性这一前提假设,证明了变指数变分模型在处理此类对象上的有效性和优势。本文的主要工作及创新点如下:(1)提出了一种图像流形框架下的变指数图像复原模型.首先根据微分流形理论以及流形上的几何特征与图像局部几何特征的内在联系,把整幅图像从局部几何特征的相似性角度予以重新结构;其次给出了图像流形几何特征相似程度的两种数量化的判别方法;最后通过选择适当的变指数能量泛函将图像流形的局部性质与正则化方法有机的结合起来,形成了一种基于图像流形局部几何特征的局部相异正则化变指数图像复原模型.文中基于模型的凸性,利用变指数函数空间理论及凸优化理论,给出了该模型解的存在唯—性的证明.此外,通过变分法的手段对模型能够恢复出图像局部性质的能力进行了数学分析.该部分最后通过选择快速的数值计算方法验证了变指数函数空间理论对解决图像复原问题的适用性及基于图像流形框架下构建图像复原模型的有效性。(2)提出了一种基于图像噪声估计与图像局部特征的双变指数图像去噪模型.文中首先利用图像几何特征改进了一种噪声方差估计方法,然后依据优化模型在不同范数度量下解的特点以及残差的特征,将估计出的图像局部噪声方差信息用于选择变指数去噪模型的逼近项部分的能量泛函.此外,图像的局部特征也被用来选择正则化项的能量泛函,使得图像去噪模型中的逼近项与正则化项的能量泛函同时具备"局部自适应"的能力.文中给出了该模型的解的存在性证明以及数值求解的算法.通过实验结果的分析比较,表明该模型对遭受较大方差噪声污染的图像去噪有一定优势。(3)提出了一种变指数函数空间中的Retinex图像增强模型.文中以Retinex理论为基础,分析了由低质图像分离出光照分量和反射分量这一问题的反问题属性及问题本身的病态性.基于光照分量与反射分量所具有的局部异性,在理论上给出了两种可以融合图像多种局部信息的变指数Retinex图像增强模型,并依据变指数函数空间理论对其进行了数学定性分析.正则化方法的使用,克服了原问题的病态特性;变指数泛函与图像特征的使用,实现了在分离光照分量与反射分量过程中对二者的精确描述,两方面相得益彰,有效提高图像增强的效果.文中采用分裂Bregman算法在特定变指数函数空间中对人造图像、自然场景下的图像以及特殊场景中的图像完成了数值实验,其实验结果充分说明了变指数Retinex图像增强模型较其它Retinex增强模型更加显着的改善了图像视觉效果。
徐煜[5]2007年在《车辆检测中的关键算法的研究》文中提出当前,智能交通系统是计算机视觉的一个重要研究方向。与传统方法相比,智能交通系统具有成本低、性能好、功能多等优点。视频车辆的检测是智能交通系统的核心技术,也是智能交通系统中其他技术的基础。由于运动车辆检测技术的复杂性,该技术仍处在起步阶段,需要不断的研究并加以改进。本论文针对车辆检测中一些关键问题进行了探索和研究,提出了新的方法,并通过实验证明了新方法的有效性。主要研究包括以下几个方面:1.由于对车辆检测需要比较清晰的监控视频图像输入,因此图像增强技术作为对图像的预处理,起到很重要的作用。所以本文对图像增强技术进行研究。首先介绍视频图像增强中的两种常用算法(直方图均衡化法及钝化算法),并针对现有的算法对图像局部细节增强效果不足的缺点,提出结合自适应阈值图像选取和非线性增益算子的图像增强方法。通过与已有的算法的仿真比较,证明本算法取得更好的增强效果。2.在运动车辆的检测中,由于受到光照变化、恶劣天气、摇动树木等运动背景的影响,无法准确地检测出运动车辆,并且无法避免动态背景造成的检测虚警。通过对运动背景和运动车辆的实验分析发现,动态背景和运动车辆的运动向量具有不同的特征分布。本文根据这一特点,在高斯运动模型法[32]的基础上,对动态背景和运动车辆分别进行运动向量建模,进而利用序列的帧内信息,引入修正因子,最后使用贝叶斯算法判断运动像素属于动态背景或是运动车辆。通过与常用运动车辆检测算法实验比较,本文提出的基于运动向量模型的运动车辆检测方法具有更高的车辆检测精度。3.在图像的帧内存在大量的车辆的信息,对于帧内的图像分析、处理,特别是对特征信息的提取,是对基于帧间信息的车辆检测算法的有力补充,同时可以有效地弥补本文所提出的运动车辆检测算法在细节检测上的不足。所以,本文引入特征提取的方法,并结合基于运动向量模型的车辆检测方法,实现更为精确的运动车辆检测。
张广燕[6]2014年在《对数图像处理新模型及其应用研究》文中指出对数图像处理模型已经广泛的形成并且应用于图像处理的很多领域，包括边缘检测、图像增强和图像恢复等等。本文针对随机缺陷版图图像的预处理和航拍影像去雾处理技术，对该类模型及其应用做了详细的研究。本文首先介绍相关的对数图像处理模型及其应用发展。其次，基于SLIP(Symmetric Logarithmic Image Processing)模型，提出一种SLIP模型的图像增强新算法。该算法既能以反射光图像的模式对图像进行增强，又能以透射光图像的模式对图像进行增强。通过主观评价和熵增强方法(EMEE, Evalution Measure ofEnhancement by Entropy)客观评价，结果表明该算法不仅能增强图像的细节，还能提升图像整体对比度。然后，对雾天降质图像进行分析研究，提出基于SLIP模型的视频图像二次去雾方法。该方法是将雾天降质图像清晰化的两类算法结合起来，在物理模型一次去雾的基础上，对每帧视频图像进行I分量SLIP图像增强的二次去雾处理，从而实现视频图像清晰化的目的。最后，针对目前人类视觉系统很大的变化性以及对图像需求不同，提出一种新的PSLIP(Parameterized Symmetric Logarithmic Image Processing)模型。该模型建立了一种可以处理图像负值部分的带参数的对称结构，同时该模型很好的综合了PLIP模型对图像中感兴趣的部分进行自适应调整的特性和SLIP模型可以同时处理反射光图像和透射光图像的特性。为了验证该模型的有效性，将该模型应用于边缘检测和图像增强中，形成PSLIP边缘检测和PSLIP图像增强算法。结果表明，其边缘检测和图像增强的效果均优于现有的对数图像处理模型的。
陈素琴[7]2017年在《基于分数阶微分的雾天交通图像增强算法》文中提出增强驾驶员视觉效果,确保在低可见度条件下驾驶员能够准确获取前方道路信息,是车辆安全行驶的保障。在雾霾环境下保证安全驾驶的一项关键技术在于车载图像视觉效果的改善和增强。近年来,国内外许多研究者发现分数阶微分作用于信号有助于使信号的高频成分得到增强,中频信息得到提升,低频成分得以保留。因此分数阶微分作用于图像时不仅能够有效保留图像的弱纹理细节信息,同时还可加强轮廓和边缘信息,以此来达到增强图像质量的目的。本文研究了基于分数阶微分的雾天图像增强算法,主要工作如下:(1)从拉格朗日插值逼近出发,得出一阶微分的向后插值逼近格式,按照Lubich的思想,把一阶微分的近似公式推广到分数阶微分理论中,获得了一种Riemann-Liouville分数阶微分的二阶向后差分逼近格式,并用实验验证了该格式的收敛精度。(2)介绍了基于分数阶微分的图像增强算子的构造原理,并根据第二章提出的二阶向后差分逼近格式建立了图像增强的二阶向后差分算子(TBD算子)来处理雾霾天气条件下的交通图像。考虑到TBD算子有明确的中心,为了达到更好的纹理增强效果,对TBD算子做了改进,提出了 DTBD算子,并与其它几种算子做了对比,无论是视觉效果还是客观评价指标,DTBD算子都具有优越性。(3)对于在复杂环境下拍摄到的图像难以人为地给出使得图像增强效果最佳的分数阶微分阶数,且对整幅图像用同一个分数阶微分阶数进行滤波也很难确保在增强目标信息的同时还能有效保留背景像素的信息。针对这个问题,本文分别采用了基于迭代阈值分割算法和基于马尔科夫随机场的Otsu阈值分割算法把图像分割成目标区域和背景区域,结合这两个区域像素点的不同特征建立分段函数,自适应地确定两个区域中像素点的最佳微分阶数,从而建立了两种新的基于分割的自适应分数阶微分的图像增强算法,用来改善雾霾天气条件下交通图像的质量。实验效果表明了算法的合理性。
许春香[8]2003年在《图像增强技术在煤矿视频监控系统中的应用与研究》文中研究指明本文从目前煤矿工业电视监控系统的现状出发，提出了利用图像增强技术增强煤矿视频监控系统图像质量。分析了BMP图像文件的格式，构建了煤矿多媒体工业电视监视系统。不仅从理论上分析了典型图像增强技术的原理及算法，而且得出了各种算法的适应性及特点，并通过C语言编程应用实现了对井下静止视频图像的增强处理，从而使视频监控系统图像变得较为清晰。
李兰兰[9]2004年在《基于偏微分方程的图像复原和增强算法研究》文中研究表明图像处理中采用偏微分方程(PDE:Partial Differential Equation)的思想可以追溯到Gabor和其后Jain的工作,但实质性的创始工作应该归功于Koenderink和Witkin各自独立的工作,他们将图像与高斯核相卷积后的结果与偏微分方程的解联系起来,给出了图像多尺度描述的具体数学表达形式。变分法和偏微分方程具有一定的理论框架、多样的模型形式和快速的数值算法,将它们引入数字图像处理和计算机视觉领域,无疑给该领域提供了有力的解决问题的数学工具。近几年来,基于偏微分方程和几何曲率流驱动扩散的图像分析和处理方法越来越成为图像处理学中的研究热点,PDE是一种比较精细的图像分析和处理方法,可以用于图像降噪、增强和分割等领域。本论文主要围绕基于偏微分方程的图像处理方法而展开的,主要内容涉及图像复原、图像增强、图像的超分辨率处理、图像修描以及图像分割,概括如下:第一章介绍偏微分方程在图像处理中的主要应用及研究价值,概括了基于偏微分方程的图像处理方法的发展历史和研究现状。第二章主要讨论基于变分模型的图像恢复算法。用于图像恢复的变分模型有多种形式,适当选取模型的正则化参数能够提高图像恢复的质量。正则化参数可以是一个常数,也可以是一个变量。根据图像的局部特征来选取自适应变化的正则化参数是提高图像恢复质量的一个重要方法,可以根据像素在迭代过程中的亮度变化量大小来选取正则化参数。全变分正则化函数是Rudin,Osher和Fatemi等人提出的一种变分模型(ROF模型),用于图像恢复时能够很好保持图像边缘,是目前为止保持边缘图像恢复问题中比较成功的方法。全变分最小化图像恢复模型具有几个重要性质,本章根据这些性质对ROF模型进行了改进。提出了一种RGB颜色空间中保持纹理特征的全变分模型,将变分模型推广到CB颜色空间中,可以用来恢复彩色图像,据此提出了一种改进的彩色图像恢复算法。第叁章重点研究基于异向扩散滤波的图像平滑。图像预处理是图像分析和处理必要的前期工作,对图像滤波以减弱噪声的影响是预处理中一个重要的环节。对这种初级信号(图像)的处理呈现两个矛盾需求:一方面,我们希望提取信号的总体趋势,而不是局部信息;另一方面,希望较准确地检测信号的突变信息,在图像中的表征形式即为图像的边缘。1990年,Perona和Malik提出了非线性各向异性扩散滤波,在去除图像噪声的同时能够精确定位图像的边缘特征。异向扩散滤波的形式多样,本章分析了这些不同形式,例如复数域内的异向扩散滤波,和具有方向特性的异向扩散滤波。异向扩散滤波模型可以用于平滑压缩图像,去除压缩图像的方块效应,提高压缩图像的恢复质量。在前向各向异性扩散方程的迭代求解过程中,选择合适的尺度(即选择合适的停止时间)对于准确定位图像边缘和去除噪声有十分重要的意义。本章在小波分析的理论基础上,从能量的角度估算扩散迭代过程的停止时间,提出了一中选择异向扩散停止时间的新方法。小波分析能够提取信号的低频分量和高频分量,本章讨论了小波域中的各向异性扩散滤波方程。第四章主要针对基于冲击滤波模型的图像分辨率增强。用于去除图像噪声的反应扩散方程是抛物型的偏微分方程,1990年,Rudin等人首次将非线性双曲型方程用于图像增强中,提出了用冲击滤波模型对图像增强的算法。用冲击滤波模型增强带有噪声的图像会使图像噪声放大,因此,1994年,L. Alvarez等人提出了能够增强带噪声图像的冲击滤波模型,在锐化图像边缘的同时能够平滑噪声。图像的分辨率增强是图像处理的一个重要方面,是一种重要的、代价较低的改善图像质量的方法。在用通常的内插方法对图像进行放大时会引入噪声,并且使图像的边缘变模糊。本章研究了增强图像的冲击滤波模型,并且在异向扩散滤波模型和冲击滤波模型的基础上,提出了一种图像分辨率增强的算法。第五章主要探讨基于全变分模型的图像修描算法。图像修描(inpainting)是图像复原一个重要分支,也是图像处理学研究的热门课题之一。修描图像就是用不显眼的方式来处理图画、照片或影片,包括恢复受损图像,移走或取代照片中被选择的物体等等。在通信领域,由于干扰、噪声和信道拥塞等原因导致信道不可避免会有误码或丢包等现象发生,使接收端重建的视频图像质量大幅度下降。可以利用信号的时空冗余度和视觉生理-心理的掩蔽特性对错误信号进行掩盖处理,用图像修描可以做到这一点。常用的图像修描方法是插值,本章研究了基于全变分模型插值的图像修描方法,结合图像增强模型提出了同时对图像进行局部修描和增强的方法,并提出了修补纹理图像的算法。第六章研究了各向异性扩散滤波在图像分割中的一些应用以及用Snake活动轮廓模型进行图像分割。最后对全文进行了总结,并展望了进一步的研究方向。
李平[10]2017年在《基于模糊理论的医学图像增强算法研究》文中研究说明医学影像技术以经济、高效、无创等优点在现代医学的发展和临床疾病的诊断与治疗中发挥着重大作用。然而由于各种因素的影响,不论何种医学成像设备得到的影像,均会不同程度地受到噪声干扰,并表现出细节模糊、对比度低、视觉效果差的现象,影响医生诊断病情,因此医学图像增强显得尤为重要。医学图像本质上具有模糊性,这种模糊性不能用精确的数学语言描述,而模糊系统在表达不确定的、模糊信息中占有很大优势。本文在讨论已有增强算法的基础上,针对其缺点提出了改进算法,实验表明本文算法在细节增强和噪声抑制方面有一定的优越性。主要内容安排如下:1.简要概括了国内外已有图像增强算法的发展现状,论述了模糊理论在解决图像增强问题中的重要性,进一步阐述了模糊理论在图像增强中的应用。2.基于偏微分方程的图像增强方法多是将图像从灰度域变换到梯度域,通过梯度值的大小判断不同像素点的特征,并设计自适应的扩散系数,但是梯度对噪声比较敏感,也不能很好地分辨图像平滑区和细节区。本文针对这一缺点,在考虑图像模糊性的基础上提出了基于模糊熵和变分偏微分方程的医学图像增强算法,首先将图像映射到模糊域,用模糊域梯度代替灰度梯度;然后,构造了反映图像灰度值空间变化率的模糊熵,根据模糊熵自适应地确定梯度的扩散系数;最后,用变分法重建出图像,再变换到灰度域得到增强后的图像。对医学图像进行仿真实验,结果表明改进方法能够更好地分辨图像平滑区和细节区,并能在一定程度上抑制噪声。3.提出了基于信息测度的自适应模糊对比度增强算法。本章分析了现有的模糊对比度增强算法的不足,并在此基础上引入了信息测度来定量描述边缘点所具有的叁个特征,从本质上区分边缘点和噪声点,因而新算法具有较好的抗噪性。而且本章算法在图像模糊域定义了基于信息测度的对比度函数,并根据图像的局部信息测度自动确定对比度的放大倍数,得到修正后的隶属度值;并将隶属度逆映射回图像灰度域得到增强后的图像。实验表明该方法对图像的边缘及弱边缘较为敏感,能有效地增强图像细节,并抑制噪声干扰。
参考文献：
[1]. 图像增强模型及算法研究[D]. 卢丽敏. 中国人民解放军国防科学技术大学. 2002
[2]. 基于人类视觉特性的图像增强理论及应用研究[D]. 张新龙. 合肥工业大学. 2011
[3]. 工业X射线图像增强算法研究[D]. 陈燕. 中北大学. 2016
[4]. 变指数泛函在图像反问题中的应用研究[D]. 于欣妍. 北京交通大学. 2017
[5]. 车辆检测中的关键算法的研究[D]. 徐煜. 上海交通大学. 2007
[6]. 对数图像处理新模型及其应用研究[D]. 张广燕. 西安电子科技大学. 2014
[7]. 基于分数阶微分的雾天交通图像增强算法[D]. 陈素琴. 西安理工大学. 2017
[8]. 图像增强技术在煤矿视频监控系统中的应用与研究[D]. 许春香. 郑州大学. 2003
[9]. 基于偏微分方程的图像复原和增强算法研究[D]. 李兰兰. 东南大学. 2004
[10]. 基于模糊理论的医学图像增强算法研究[D]. 李平. 中北大学. 2017
标签：电信技术论文; 图像增强论文; 微分流形论文; 模糊算法论文; 自适应滤波论文; 图像融合论文; 模糊理论论文; 边缘提取论文; 图像滤波论文; 空间分析论文; 图像噪声论文; 视觉检测论文; 空间滤波论文; 偏微分方程论文; 平滑滤波论文; 图像处理论文; 正则化论文; 算法论文; 微分论文;