超低照度微光图像增强算法研究开题报告

1. 研究目的与意义（文献综述）

超低照度微光图像增强在图像处理中是一个重要的内容。高速公路上车来车往，驾驶速度又非常快，本来采集出的图像就不清晰，加上晚间或日出时灯光昏暗的条件下，拍出的图像就更为模糊。因此高速公路下的微光图像增强技术就更为重要。现在国内外普遍使用的微光图像增强算法有五种：

1).基于直方图类的低照度图像增强算法直方图均衡化（he, histogram equalization）算法通过使图像灰度级的概率密度函数（pdf）满足近似均匀分布的形式来达到增大图像动态范围和提高图像对比度的目的。he算法的优点是原理简单，易于实现，实时性好。

2).基于 retinex 理论的低照度图像增强算法 retinex 类增强算法通过去除原始图像中照度分量的影响，求解出反映物体本质 颜色的反射分量，达到了图像增强的目的。retinex 理论是基于人眼视觉感知的颜色恒常性增强算法，可以有效的处理颜色的失真问题，但是容易出现光晕现象。

2. 研究的基本内容与方案

我主要研究的是基于高速公路道路环境下的，超低照度图像增强算法，用于提升图像质量。我拟采用深度学习的方式寻找一种算法用于图像的增强，现阶段在python中安装了tensorflow和keras等基于python的深度学习库，通过原图和模糊图像的对比进行训练。并且我在马路等区域进行了拍照录像，准备了相关数据。图像增强技术主要通过四个方面提升性能：数据、算法、算法调优、模型融合。我将从四个方面出发，分别进行学习和优化。

拟采用的研究方法

（1）查阅文献，理解高速道路下微光增强的意义，掌握数字图像处理的常用算法；

3. 研究计划与安排

第1周—第3周 查阅课题相关文献资料，进行英文资料翻译，撰写开题报告。

第4周—第5周 提交报告，分析清楚系统功能，论文开题。第6周—第9周 完成理论分析，模块设计，程序编制等工作。

第10—第12周 程序调试和实验，根据实际研究进展情况，完成3次阶段性成果报告。

4. 参考文献（12篇以上）

[1]刘超，张晓晖，胡清平，超低照度下微光图像增强神经网络损失函数设计分析，国防科技大学学报，2018vol40-4，p67-73 .

[2] zhang k，zuo w，chen y，et al．beyonda gaussian denoiser：residual learning of deep cnn forimage denoising［j］．ieeetransactionson image processing，2017，26（7）：3142－3155．

[3] chen g，srihari s n． removing structural noise in handwriting images using deep learning［c］ proceedings of the indian conference oncomputer vision graphics and image processing，2014：28．