随着工业技术的不断发展，为更大限度地保留自然场景中的信息，获得更 丰富的细节信息，高位宽（>8 bit）数字图像以其高动态范围而在实际工程中被 越来越广泛地应用。但是，目前普遍使用的显示设备仍然是 8 位的而难以将高 位宽的丰富信息清晰显示，所以在显示前需要将图像进行处理，使之适应普通 显示器的动态范围。本文的研究目的是实现高位宽图像的动态范围调整，以将 高位宽大动态范围图像映射到适应显示的图像，并有效保持与增强图像中的细 节信息，避免各类视觉瑕疵，以便后续的人眼观察或机器处理。  本文主要进行了以下研究： 

1.分析探究了复杂场景下高位宽数字图像的特点与处理难点，调研分析了 国内外高位宽数字图像处理研究现状与发展。对现有各类图像增强、图像去噪 领域经典的、效果良好的算法理论进行了梳理与性能分析。

2.针对现有高位宽图像映射算法的局部细节保持和全局一致性的矛盾、算 法过多地依赖经验人工选取参数值、对不同场景适应性差不鲁棒等问题，提出 一种自适应的动态范围调整与细节增强方法。该方法通过梯度能量函数指导自 适应地生成系列全局一致图像；在此基础上，对系列图像进行多尺度基础层和 细节层分解，从为获得更丰富的角度对分解图像再进行基于信息熵指导的自适 应融合，从而有效保留图像细节信息并确保图像全局整体的一致性。基于公开 数据集和实际工程图像对其效果进行验证，通过主观分析与信息熵、Tenengrad 函数等客观评估；结果表明该方法不仅在动态范围压缩和图像细节信息增强方 面是有效且鲁棒的，且参数调节少，自适应能力强。

3.针对实际场景中噪声导致图像降质的问题，提出一种基于全变分模型与 多尺度引导滤波器的去噪方法。该方法用全变分模型有效去除图像噪声并很好 地保留图像信息，基于去噪后图像生成系列引导图，对引导图进行迭代分解与 全变分去噪，有效去除噪声并避免了全变分过平滑；而多尺度信息融合实现噪 声图像的去噪、动态范围压缩与细节保留的一体化。利用仿真高斯加性噪声图 像及工程噪声图像对算法进行验证，本方法有效抑制噪声的同时，很好保持了复杂场景的细节信息；在以峰值信噪比 PSNR、结构相似度 SSIM 等量化指标评 价上，性能优异。

综上，研究针对高位宽图像的大动态范围图像的高质量显示，提出了自适 应动态调整的图像显示算法，在有效地一致压缩映射图像动态范围的同时很好 地保持了图像细节信息。针对工程项目实际中，不可避免的噪声问题，提出了 基于全变分去噪与引导滤波的大动态范围显示算法，实现噪声图像的高质量显 示。通过实验表明，本文所提出算法在图像质量、鲁棒适应性等方面有显著提 升。

目 录

第 1 章 绪论................................................................................................1

1.1 课题研究背景与意义..........................................................................................1

1.2 数字图像高质量显示技术概述..........................................................................2

1.2.1 图像动态范围调整与增强...........................................................................2

1.2.2 图像去噪.......................................................................................................2

1.3 国内外研究现状..................................................................................................3

1.4 论文主要研究内容与结构安排..........................................................................7

第 2 章 高位宽数字图像处理技术基础....................................................9

2.1 引言......................................................................................................................9

2.2 高位宽图像动态范围调整与细节增强基础理论..............................................9

2.2.1 灰度变换函数...............................................................................................9

2.2.2 基于直方图统计的方法.............................................................................11

2.2.3 保边滤波器.................................................................................................13

2.2.4 基于人类视觉模型的方法.........................................................................16

2.2.5 基于图像融合的增强方法.........................................................................18

2.3 图像去噪方法基础理论....................................................................................19

2.3.1 传统图像去噪方法.....................................................................................19

2.3.2 非局部图像去噪算法.................................................................................21

2.3.3 全变分去噪.................................................................................................24

2.3.4 基于稀疏表达与低秩聚类的去噪算法.....................................................27

2.4 本章小结............................................................................................................29

第 3 章 一种高位宽图像自适应动态范围调整与细节增强方法 .........31

 3.1 引言....................................................................................................................31

3.2 基于 EOG 指导的 Gamma 变换与多尺度引导滤波器的增强方法...............32

3.2.1 原始高位宽图像归一化.............................................................................32

3.2.2 自适应多区间 Gamma 校正......................................................................32

3.2.3 熵指导的多尺度引导滤波.........................................................................34

3.2.4 多亮度图像融合.........................................................................................37

3.2.5 坏点滤除.....................................................................................................40

3.2.6 算法整体流程.............................................................................................40

3.3 实验结果与分析................................................................................................41

3.3.1 主观评价与分析.........................................................................................41

3.3.2 客观评价与分析.........................................................................................52

3.3.3 真实场景图像实验与分析.........................................................................54

3.4 本章小结............................................................................................................57

第 4 章 基于引导滤波器与全变分模型的高位宽噪声图像去噪 .........59

4.1 引言....................................................................................................................59

4.2 全变分模型改进的引导滤波器去噪................................................................59

4.3 全变分模型改造的多尺度引导滤波器............................................................61

4.4 实验验证与分析................................................................................................64

4.4.1 实验参数设置.............................................................................................64

4.4.2 标准测试图像主观评价分析.....................................................................65

4.4.3 标准测试图像客观评价分析.....................................................................69

4.4.4 实际场景图像实验与分析.........................................................................71

4.5 本章小结............................................................................................................74

第 5 章 总结与展望..................................................................................75

5.1 论文主要工作与创新点....................................................................................75

5.2 研究展望............................................................................................................77

参考文献...................................................................................................79

致 谢.........................................................................................................89

作者简历及攻读学位期间发表的学术论文与研究成果......................91