標題: 應用色彩補償與校正技術於影像品質增強之研究
A Study of Image Quality Enhancement and Color Correcting Compensation
作者: 謝韶紘
Shau-Hung Hsieh
林昇甫
Sheng-Fuu Lin
電控工程研究所
關鍵字: 色彩補償;色彩校正;影像品質;回傳類神經網路;模糊系統;color compensation;color correction;image quality;back-propagation neural network;fuzzy system
公開日期: 2006
摘要: 本論文提出的系統分成兩個部份:系統的第一個部份採用類神經網路判斷影像是否需要校正及補償,在實做上由訓練影像取得具有代表性的統計參數,再將這些參數輸入類神經網路,作為訓練回傳神經網路(back-propagation neural network)的輸入特徵向量。系統的第二部份採用模糊系統建立一個影像曝光校正演算法,在實做上將影像區分成若干區塊,並分別計算亮度因子以取得修正權重,然後分別修正影像中過度曝光(影像過於明亮)及曝光不足(影像過於灰暗)的區塊,最後再將影像經由色彩校正補償使影像具有較佳的視覺效果。 在增強影像品質的處理,影像亮度的校正及影像色彩的補償是很重要的一環。強化影像對比的演算法中,直方圖等化法是常被使用的一個演算法,但直方圖等化法對於明暗對比過於強烈的影像處理效果有限。Retinex演算法是另一個非常好用的演算法,然而若完整地考慮色彩資訊則其龐大的運算量也使得應用受到限制。本論文以Retinex演算法中運算量較少的Single Scale Retinex與直方圖等化法結合,使用類神經網路偵測影像中需要進行色彩校正的部分,並配合模糊系統計算校正及補償的權重,使影像色彩達到較佳的修正。
URI: http://140.113.39.130/cdrfb3/record/nctu/#GT009012548
http://hdl.handle.net/11536/80847
Appears in Collections:Thesis


Files in This Item:

  1. 254801.pdf