水下光學(xué)圖像增強(qiáng)與復(fù)原方法及應(yīng)用

目錄
前言
第1章 緒論 1
1.1 研究背景及意義 1
1.2 國內(nèi)外研究現(xiàn)狀 2
1.2.1 基于暗通道理論的圖像復(fù)原算法研究 6
1.2.2 基于偏振成像技術(shù)的圖像復(fù)原算法研究 7
1.2.3 超分辨率重構(gòu)算法的國內(nèi)外研究 9
1.3 本書的主要內(nèi)容 14
參考文獻(xiàn) 16
第2章 基于仿射陰影形成模型的水下圖像增強(qiáng)算法 23
2.1 引言 23
2.2 仿射陰影形成模型及其改進(jìn)模型 23
2.3 基于改進(jìn)仿射陰影形成模型的水下圖像增強(qiáng)算法 25
2.3.1 光照問題區(qū)域的界定 26
2.3.2 算法的流程 27
2.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析 27
2.4.1 水下人工紋理圖像勻光處理實(shí)驗(yàn) 27
2.4.2 水下自然紋理圖像勻光處理實(shí)驗(yàn) 29
2.4.3 分析與討論 30
2.5 本章小結(jié) 31
參考文獻(xiàn) 31
第3章 基于粗糙集上下近似的水下圖像增強(qiáng)算法 32
3.1 引言 32
3.2 粗糙集知識(shí)表達(dá)模型構(gòu)建 33
3.3 水下圖像背景亮度近似劃分 34
3.4 自適應(yīng)分層的背景亮度均衡及前景紋理增強(qiáng) 37
3.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析 39
3.5.1 增強(qiáng)實(shí)驗(yàn) 40
3.5.2 實(shí)驗(yàn)分析 47
3.6 本章小結(jié) 48
參考文獻(xiàn) 48
第4章 基于仿鱟復(fù)眼機(jī)制的水下圖像增強(qiáng)算法 50
4.1 引言 50
4.2 仿鱟復(fù)眼圖像增強(qiáng)機(jī)制 50
4.2.1 生物視覺亮度均勻原理 50
4.2.2 鱟復(fù)眼仿生機(jī)制 51
4.3 仿鱟復(fù)眼機(jī)制的圖像增強(qiáng)算法 54
4.3.1 亮度自適應(yīng)均勻 54
4.3.2 自適應(yīng)非對(duì)稱窄條引導(dǎo)的側(cè)抑制 55
4.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析 59
4.5 本章小結(jié) 63
參考文獻(xiàn) 63
第5章 基于水下低分辨率圖像退化模型的圖像增強(qiáng)算法 64
5.1 引言 64
5.2 水下低分辨率圖像退化模型 65
5.2.1 低分辨率圖像退化模型 65
5.2.2 水下光學(xué)成像的低分辨率圖像退化模型構(gòu)建 66
5.2.3 水下光學(xué)成像的低分辨率圖像退化模型分析 72
5.3 基于改進(jìn)水下低分辨率圖像退化模型的圖像增強(qiáng)算法 74
5.3.1 水下低分辨率圖像退化模型關(guān)鍵參數(shù)估計(jì) 76
5.3.2 基于水下低分辨率圖像退化模型的超分辨率重構(gòu) 79
5.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析 80
5.4.1 增強(qiáng)效果對(duì)比 81
5.4.2 模型適用性驗(yàn)證 83
5.5 本章小結(jié) 86
參考文獻(xiàn) 87
第6章 基于暗通道的水下圖像增強(qiáng)算法 88
6.1 引言 88
6.2 基于暗通道的水下圖像去模糊 90
6.2.1 參數(shù)估計(jì) 90
6.2.2 圖像去模糊 93
6.2.3 改進(jìn)ACE的自適應(yīng)對(duì)比度增強(qiáng) 94
6.3 單點(diǎn)白平衡的顏色校正 96
6.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析 97
6.4.1 實(shí)驗(yàn)結(jié)果 97
6.4.2 算法性能分析 100
6.5 本章小結(jié) 103
參考文獻(xiàn) 103
第7章 基于改進(jìn)水下光學(xué)成像模型的圖像增強(qiáng)算法 104
7.1 引言 104
7.2 水下光學(xué)成像模型 104
7.3 改進(jìn)水下光學(xué)成像模型和場景入射光的估計(jì) 106
7.3.1 改進(jìn)水下光學(xué)成像模型 106
7.3.2 場景入射光的估計(jì) 108
7.4 基于水下光學(xué)輻照特性的透射率估計(jì) 111
7.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析 115
7.5.1 實(shí)驗(yàn)結(jié)果 115
7.5.2 算法性能分析 118
7.6 本章小結(jié) 120
參考文獻(xiàn) 121
第8章 基于優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的圖像增強(qiáng)算法 122
8.1 引言 122
8.2 卷積神經(jīng)網(wǎng)絡(luò)原理 122
8.3 UIRNet網(wǎng)絡(luò)結(jié)構(gòu)分析 125
8.3.1 特征提取層 127
8.3.2 多尺度特征映射層 128
8.3.3 特征重標(biāo)定層 129
8.3.4 非線性回歸層 130
8.4 UIRNet的訓(xùn)練信息 131
8.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析 132
8.5.1 實(shí)驗(yàn)結(jié)果 133
8.5.2 算法性能分析 137
8.6 本章小結(jié) 138
參考文獻(xiàn) 139
第9章 基于結(jié)構(gòu)相似性的水下偏振圖像增強(qiáng)算法 140
9.1 引言 140
9.2 水下偏振成像 140
9.2.1 偏振成像原理 140
9.2.2 水下偏振成像模型 141
9.3 基于結(jié)構(gòu)相似性的水體透射率估計(jì) 143
9.4 圖像復(fù)原 147
9.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析 148
9.5.1 實(shí)驗(yàn)結(jié)果 148
9.5.2 算法性能分析 149
9.6 本章小結(jié) 151
參考文獻(xiàn) 151
第10章 基于暗通道理論的水下偏振圖像復(fù)原算法 153
10.1 引言 153
10.2 偏振圖像去模糊 153
10.2.1 透射率估計(jì) 153
10.2.2 目標(biāo)偏振反射光恢復(fù) 155
10.3 目標(biāo)反射光的偏振復(fù)原 157
10.3.1 光的偏振狀態(tài) 157
10.3.2 偏振復(fù)原 159
10.4 自適應(yīng)對(duì)比度增強(qiáng)與顏色校正 160
10.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析 162
10.5.1 實(shí)驗(yàn)結(jié)果 162
10.5.2 算法性能分析 164
10.6 本章小結(jié) 165
參考文獻(xiàn) 165
第11章 基于色彩遷移的半全局水下圖像復(fù)原算法 167
11.1 引言 167
11.2 色彩遷移算法分析 168
11.2.1 色彩空間模型概述 168
11.2.2 色彩遷移算法 170
11.2.3 實(shí)驗(yàn)結(jié)果分析 170
11.3 水下色彩衰減水平估計(jì)模型 172
11.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析 175
11.5 本章小結(jié) 181
參考文獻(xiàn) 182