毕业论文课题相关文献综述
1.1图像增强的研究目的和意义
图像增强指的是将原来不清晰的图像变得清晰或强调某些关注的特征，抑制非关注的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。
人类传递信息的主要媒介是语言和图像。据统计在人类接受的各种信息中视觉信息占80%，所以图像信息是十分重要的信息传递媒体和方式。图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示这六个部分。在实际应用中每个部分都有可能导致图像品质变差，使图像传递的信息无法被正常读取和识别。例如，在采集图像过程中由于光照环境或物体表面反光等原因造成图像整体光照不均，或是图像采集系统在采集过程中由于机械设备的缘故无法避免的加入采集噪声，或是图像显示设备的局限性造成图像显示层次感降低或颜色减少等等。因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一。
图像增强处理是数字图像处理的一个重要分支。很多由于场景条件的影响图像拍摄的视觉效果不佳，这就需要图像增强技术来改善人的视觉效果，比如突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等，这些都有利于对图像中目标的识别、跟踪和理解。图像增强处理主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。这样使有用信息得到加强，从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。图像增强的应用领域也十分广阔并涉及各种类型的图像。例如，在军事应用中，增强红外图像提取我方感兴趣的敌军目标；在医学应用中，增强X射线所拍摄的患者脑部、胸部图像确定病症的准确位置；在空间应用中，对用太空照相机传来的月球图片进行增强处理改善图像的质量；在农业应用中，增强遥感图像了解农作物的分布；在交通应用中，对大雾天气图像进行增强，加强车牌、路标等重要信息进行识别；在数码相机中，增强彩色图像可以减少光线不均、颜色失真等造成的图像退化现象。
众所周知，在雨雾环境下，图像变得很模糊，并且局部地方色彩偏暗，从而导致图像中有用信息的减少，给人们的生活带来极大的不便，比如在交通管理中，大雾的存在影响着高速路上车牌号码的监控拍摄，从而使得所拍摄的车牌号码图像模糊，无法提取号码信息，这样就会对一些超速和使用假牌的车辆无法进行处罚。因此对雨雾环境下所拍摄图像的增强技术研究有着重要的意义[1]。
1.2图像增强的国内外现状
在图像增强领域，有很多算法。
算法1，直方图均衡化（HistogramEqualization）[2]，通过直方图均衡化来实现自动的对比度增强，直方图上灰度分布比较密的部分被拉伸，灰度分布稀疏的部分被压缩，从而使一幅图像的对比度在总体上得到增强。但是在原图像直方图中有一个很大分量情况下，增强的图像会出现褪色和散斑效应，使得增强的图像在视觉效果上较差。为了解决这个问题，人们提出了局部直方图均衡化（LocalHistogramEqualization）[3]，将直方图均衡化运算压缩到图像的局部区域，然后遍历所有的局部区域，这种方法要遍历图像的所有像素，所以它的时间复杂度很高，不利于实时处理。如果用不重叠的直方图均衡化（PartiallyOverlappedSub-biockHistogramEqualization，orPOSHE）[4]，把每次局部直方图均衡计算的有效像素点数从一个扩展到多个，从而减少了局部运算的次数，降低了算法的计算代价。为了消除块效应，需要对图像进行相应的插值运算，这在很大程度上影响了算法的效率。
算法2，SMQT（SuccessiveMeanQuantizationTransform）方法[5]，它可以根据像素的分布适当地拉伸和压缩直方图，达到很好的调节图像动态范围的效果，同时保持了原直方图的形状，对于这种方法，在变换程度上主要取决于构建二叉树的层数，构建的层数越高，其时间复杂度也就越高。
算法3，1977年EdwinLand提出的被称为Retinex的色彩理论，Retinex这个词本来就是有视网膜Retina和大脑皮层Cortex两个词组合构成的。Retinex理论上主要包含了两个方面的内容：物体的颜色是由物体长波、中波和短波光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性。20世纪80年代初期没过宇航局下属的一个研究机构（NASAsLangleyResearchCenter）将Retinex理论用于处理航空器拍摄的外太空图片且获得了非常好的处理效果。近年来Retinex的应用范围越来越广泛，人们对它的研究也逐渐深入。比如Z.Rahman，D.J.Jobson，G.A.Woodell将这种理论运用到彩色图像增强领域，获得了非常好的效果。
