本文是为大家整理的图像增强算法综述主题相关的10篇毕业论文文献，特此筛选出以下10篇期刊论文，为图像增强算法综述选题相关人员撰写毕业论文提供参考。

1.【期刊论文】图像增强算法综述

期刊：《计算机系统应用》 | 2021 年第 006 期

摘要：图像增强算法主要是对成像设备采集的图像进行一系列的加工处理, 增强图像的整体效果或是局部细节,从而提高整体与部分的对比度, 抑制不必要的细节信息, 改善图像的质量, 使其符合人眼的视觉特性. 首先, 本文从图像增强算法的基本原理出发, 归纳了直方图均衡图像增强、小波变换图像增强、偏微分方程图像增强、分数阶微分的图像增强、基于Retinex理论的图像增强和基于深度学习的图像增强算法, 并讨论了它们的改进算法. 然后,从视觉效果、对比度、信息熵等方面对几种算法进行了定性和定量的对比, 分析了它们的优势和劣势. 最后, 对图像增强算法的未来发展趋势作了简单的展望.

关键词：图像增强；直方图均衡；小波变换；微分方程；Retinex理论；深度学习

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_computer-systems-applications_thesis/0201290101154.html

---------------------------------------------------------------------------------------------------

2.【期刊论文】水下图像增强和修复算法综述

期刊：《计算机应用研究》 | 2021 年第 009 期

摘要：因受到光线散射和吸收、水体杂质、人工光源等因素影响,水下成像质量较低,很难满足生产作业的需求,而水下图像的增强和复原技术有助于提升水下机器视觉的能力.为帮助研究者掌握水下图像处理领域的研究方法和现有技术,对水下图像增强和复原方法进行综述.首先对水下图像存在的主要退化类型进行分析;分别对水下图像增强、复原的经典方法和最新进展进行总结,系统梳理了水下图像质量评测体系和公开数据集;最后对水下图像处理未来的研究趋势进行了展望.

关键词：水下图像增强；水下图像复原；深度学习

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_application-research-computers_thesis/0201290795724.html

---------------------------------------------------------------------------------------------------

3.【期刊论文】采用深度学习与图像融合混合实现策略的低照度图像增强算法

期刊：《电子学报》 | 2021 年第 001 期

摘要：提出了一种采用深度学习与图像融合混合实现策略的低照度图像增强算法.首先,利用照射分量预测模型直接基于输入的低照度图像快速地估计出其最佳照射分量并在Retinex模型框架下获得一张整体上适度曝光图像;其次,将低照度图像本身及它的过曝光图像作为适度曝光图像的修正补充图像参与融合;最后,采用局部结构化融合和色度加权融合机制技术将制备好的3张待融合图像进行融合以获得最终的增强图像.实验数据表明:本文算法相较于各种主流对比算法在主客观图像质量评价指标上均有显著优势,在局部图像结构细节上具有更好的边缘保持和颜色保真效果.

关键词：低照度图像增强；深度学习；照射分量预测模型；适度增强图像；过曝光图像；图像融合

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_acta-electronica-sinica_thesis/0201286441998.html

---------------------------------------------------------------------------------------------------

4.【期刊论文】保持自然度的非均匀光照图像增强的Retinex算法

期刊：《数据采集与处理》 | 2021 年第 001 期

摘要：常规的非均匀照明图像增强方法在增强低光照区域细节时,容易对图像过度增强而导致结果失真.本文从一种新的角度提出了Retinex模型的一种扩展形式,并用于非均匀照明图像的增强.该算法将中心环绕Retinex模型输出作为感知反射率,将图像分解为感知光照图像和感知反射率图像,通过调整感知光照图像,再重新组合感知光照和感知反射率图像,得到增强结果.与近几年来多种图像增强算法的主客观评估对比实验结果表明,该算法对非均匀光照图像具有良好的增强效果,能够有效增强图像亮度和细节,提高图像质量.

关键词：非均匀光照图像；图像增强；感知反射率；Retinex；对比度增强

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_journal-data-acquisition-processing_thesis/0201286454062.html

---------------------------------------------------------------------------------------------------

5.【期刊论文】基于深度学习的低照度图像增强技术研究综述

期刊：《无线互联科技》 | 2021 年第 001 期

摘要：使用图像增强方法和深度学习的方法可以提高低照度图像亮度,改善图像质量.文章首先对传统的低照度图像增强算法分类介绍,总结这些算法近年来的改进过程,然后重点介绍当下适用于低照度图像增强的网络模型,同时对这些网络结构和适用于该网络的部分方法进行梳理,最后介绍实验所需要的数据库与增强后图像的评价准则,提出了目前深度学习在该领域所面临的挑战,旨在为低照度图像增强的发展方向提供思考.

关键词：低照度图像增强；深度神经网络；生成对抗网络

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_wireless-internet-technology_thesis/0201283016698.html

---------------------------------------------------------------------------------------------------

6.【期刊论文】基于融合策略的改进Retinex低照度图像增强算法

期刊：《计算机测量与控制》 | 2021 年第 004 期

摘要：针对Retinex算法处理低照度彩色图像出现色彩失真,边缘保持性差等问题,提出一种基于融合策略的改进Retinex低照度图像增强算法;该算法首先在YIQ颜色空间提取亮度分量Y,对其进行MSR算法增强;然后采用高斯-拉普拉斯算子对彩色图像的RGB三个分量进行边缘检测,将其叠加合成后转换成灰度图;最后使用小波变换将两幅图像融合得到新的亮度分量,将其与I、Q分量融合后转回RGB颜色空间,从而获得色彩保真度高、细节清晰的图像;实验结果表明,该方法有效提高了图像边缘细节信息,避免了色彩失真,具有很好的视觉效果.

关键词：Retinex；图像增强；颜色空间；高斯-拉普拉斯；小波变换

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_computer-measurement-control_thesis/0201288515201.html

---------------------------------------------------------------------------------------------------

7.【期刊论文】一种改进的低照度图像增强算法研究

期刊：《电子设计工程》 | 2021 年第 002 期

摘要：为了提高低照度图像的可视性和清晰度,提出一种基于梯度策略的DCT域低照度图像增强算法.该算法将图像分为入射分量和反射分量,建立灰度线性增强模型,对入射分量进行灰度线性增强;分别将入射分量和反射分量分别分块同时变换到离散余弦变换域(Discrete Co-sine Trans-form,DCT)中,进行DCT多聚焦融合,这里采用的是局部梯度融合准则,而不是目前常用的基于方差的融合策略,并采用一致性判别对融合的图像进行校验.最后将融合结果进行逆DCT变换得到最终增强的图像.实验结果表明,该算法对于低照度图像阴暗区域的细节可视性有明显的提升效果.

关键词：梯度；线性增强；DCT域；多聚焦融合；可视性

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_electronic-design-engineering_thesis/0201288509334.html

---------------------------------------------------------------------------------------------------

8.【期刊论文】宽动态红外图像增强算法综述

期刊：《激光技术》 | 2018 年第 005 期

摘要：红外成像系统设计中,一般采用宽动态的采集电路以获得丰富的细节信息,当前大部分的显示设备都只有8位,所以将宽动态图像压缩成低动态图像同时保持尽可能多的信息成为重点.研究了当前主流的宽动态红外图像处理算法,分析了映射、图像分层和梯度域3类算法的优缺点,实现了3类算法中的经典算法,并用同一张红外图片进行对比分析,提出了各类算法的改进意见.图像分层算法要在抑制光晕和梯度反转的情况下降低时间复杂度;梯度域算法需在进一步提高细节信息的情况下抑制背景噪声.

关键词：图像处理；红外图像增强；宽动态算法,映射；图像分层；梯度域

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_laser-technology_thesis/0201236224759.html

---------------------------------------------------------------------------------------------------

9.【期刊论文】图像增强算法综述

期刊：《信息与电脑》 | 2017 年第 016 期

摘要：图像增强是图像预处理中的一个重要环节,其目的是根据需要增强图像中感兴趣的区域.笔者在总结近年来图像增强的相关算法的基础上,对这些方法进行归类,主要分为空域和频域图像增强方法.阐述了空域和频域中各种图像增强方法的基本原理,并总结了几种常用增强算法的优缺点,同时提出了目前图像增强方法存在的问题和进一步的研究方向.

关键词：图像增强；空域；频域

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_china-computer-communication_thesis/0201243444719.html

---------------------------------------------------------------------------------------------------

10.【期刊论文】低照度视频图像增强算法综述

期刊：《长春理工大学学报（自然科学版）》 | 2016 年第 003 期

摘要：图像传感器在光照不足的环境下成像，会造成视频图像噪声大、对比度低、大量细节信息无法表现等问题，这些不足严重影响人们对视频图像内容的判读和理解。分析了低照度视频图像的不足，总结了近年来针对这些不足提出的有代表性的一些低照度视频图像增强策略及它们的衍生算法。根据这些算法的亮度增强原理将它们分为基于色调映射、背景融合、模型、直方图等几大类，并对比分析了它们各自的适用场合、算法优势、局限性等。%Imaging under the condition of insufficient illumination with the image sensor will cause the video image noise, low contrast and a lot of details cannot be expressed etc., these problems seriously affect people to understand and interpret the content of the video image. This paper analyzes the characteristics of low-light video images, and summarizing representative of some of the low-light image enhancement algorithm strategies and their derivatives based on the characteristics in recent years. The algorithms are divided into Tone Mapping,background fusion,model,map-ping function according to the principal of light enhancement,and their respective applications,algorithm advantages and limitations are also analyzed by comparing them.

关键词：低照度；视频图像；图像增强

链接：https://www.zhangqiaokeyan.com/academic-journal-cn_journal-changchun-university-science-technology-natural-edition_thesis/0201247948816.html

---------------------------------------------------------------------------------------------------