图像去雾的技术研究开题报告.docVIP

毕业设计开题报告 题 目： 图像去雾技术研究 学 院： 电气信息学院 专 业： 电子信息工程 学生姓名： 刘梁 学 号： 200701030224 指导老师： 张可为 2011年月日 1．: 雾天图像增强和雾天图像复原。雾天图像的增强方法不考虑图像降质原因，适用范围广，能有效地提高雾天图像的对比度，突出图像的细节，改善图像的视觉效果，但对于突出部分的信息可能会造成一定损失。雾天图像复原是研究雾天图像降质的物理过程，并建立雾天退化模型，反演退化过程，补偿退化过程造成的失真，以便获得未经干扰退化的无雾图像或无雾图像的 最优估计值，从而改善雾天图像质量。这种方法针对性强，得到的去雾效果自然，一般不会有信息损失，处理的关键点是模型中参数的估计。对于每一类方法，按照去雾方法的相似性进一步归纳为不同的子类方法: 基于图像处理的雾天图像增强方法分为全局化的图像增强方法和局部化的图像增强方法; 基于物理模型的雾天图像复原方法则包括基于偏微分方程的雾天图像复原、基于深度关系的雾天图像复原和基于先验信息的雾天图像复原。图1 详细描述了这种分类层次。 1.1 基于图像处理的雾天图像增强 1.1.1 全局化的图像增强方法 全局化的雾天图像增强方法是指对灰度值的调整是由整幅雾天图像的统计信息决定的，与被调整点所处的区域无关。由于雾天下场景的退化程度与其深度相关，而一幅图往往包含复杂的深度信息，所以全局化的处理方法往往不能得到理想的效果，但当雾天图像的场景相对简单时，不失为一种有效的途径。典型的全局化雾天图像增强方法主要有6 种。1) 全局直方图均衡化算法。该方法的基本思想是把有雾图像的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围从而达到增强雾天图像整体对比度的效果。大部分文献在进行去雾算法对比时均以直方图均衡化的去雾效果作为参照［1 － 4］。2) 同态滤波算法。该算法是一种把频率过滤和灰度变换相结合的图像增强处理方法，也是一种把照明反射模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像质量的处理技术。该方法及其推广在彩色图像增强方面得到了广泛的应用［5］。3 ) 小波方法。小波与多尺度分析在对比度增强上的应用取得了很大进展。例如，在多个尺度上对雾天图像的细节进行均衡化［6］，对图像的细节有很好的锐化作用。4) Retinex 算法。Retinex 是一种描述颜色不变性的模型，它具有动态范围压缩和颜色不变性的特点，对由于光照不均而引起的低对比度彩色图像具有很好的增强效果。近年来受到研究者的很大关注，包括单尺度Retinex 算法( Single-Scale Retinex，SSR ) 和多尺度Retinex 算法( Multi-Scale Retinex，MSR) 的应用都取得了很大的成功。芮义斌等人根据Retinex 理论及MSR 算法，采用正态截取拉伸对有雾图像进行处理，取得了较好的图像去薄雾效果［7］。5) 曲波变换。曲波是一种在小波变换基础上发展起来的新的多尺度分析方法，由于它特别适合于各向异性奇异性特征的信号处理，因此能够很好地弥补小波变换在图像的曲线边缘增强方面的局限性。Brian Eriksson 利用曲波变换的优势，采用基于曲波的消失点检测对雾天图像进行了自动去雾处理［8］。6) 基于大气调制传递函数( Atmospherical Modulation TransferFunction，MTF) 增强雾天图像。该方法的原理是: 首先通过对大气调制传递函数的预测，近似估计大气对图像质量的退化过程。当得到先验信息时，通过预测公式计算出相应的湍流调制传递函数和气溶胶调制传递函数，再由前两者的乘积得到总的大气调制传递函数。然后利用大气调制传递函数在频域内对天气退化图像进行复原，并对户外景物图像中由大气调制传递函数造成的衰减进行补偿。文献［9 － 10］均是采用大气调制传递函数对天气退化图像进行清晰化处理。 1.1.2 局部化的图像增强方法 对于上述全局化的图像增强方法而言，由于此类方法是对整幅图像进行操作，而且在确定变换或转移函数时是基于整个图像的统计量。而在实际应用中常常需要对图像某些局部区域的细节进行增强，但这些局部区域内的像素数量相对于整幅图的像素数量往往较小，在参与整幅图的计算时其影响常被忽略掉，并且从整幅图像得到的函数也不能保证这些所关心的局部区域得到所需的增强效果。因此，需要根据所关心的局部区域的特性来计算变换或转移函数，并将这些函数用于所关心的区域，以得