数字图像去雾方法及其应用分析-digital image defogging method and its application analysis.docx

目 录 第一章 绪论1 1.1 课题研究背景及意义 1 1.2 图像去雾的国内外研究现状 1 1.3 本文主要工作和各章节安排 3 1.3.1 本文主要工作3 1.3.2 各章节安排3 第二章 雾天图像退化物理模型及暗通道先验算法 4 2.1 雾天图像退化物理模型 4 2.2.1 衰减模型5 2.2.2 环境光模型6 2.2.3 雾图退化物理模型公式总结6 2.2 暗通道先验 7 2.3 基于暗通道先验的去雾算法 10 2.3.1 大气光 A 估计 10 2.3.2 粗略透射率图估计11 2.3.3 精细化透射率图14 2.3.4 恢复去雾图像15 2.3.5 基于 DCP 的去雾算法的不足之处 15 2.4 本章小结 18 第三章 各种改进去雾算法探讨 19 3.1 基于中值滤波的去雾算法 19 3.1.1 求解大气光幕19 3.1.2 图像恢复21 3.1.3 中值滤波去雾算法的不足22 3.2 基于导向联合双边滤波的去雾算法 23 3.2.1 双边滤波和联合双边滤波介绍23 3.2.2 导向联合双边滤波25 3.2.3 基于导向联合双边滤波的去雾算法介绍27 3.3 基于导向滤波的去雾算法 29 3.3.1 导向滤波介绍30 3.3.2 基于导向滤波的去雾算法介绍32 3.3.3 导向去雾算法的不足35 3.4 本章小结 36 第四章 本文的两种改进去雾算法37 4.1 基于导向滤波的一种改进去雾算法 37 4.1.1 改进去雾算法介绍37 4.1.2 改进去雾算法的效果分析38 4.1.3 改进去雾算法总结40 4.2 基于局部自适应滤波的去雾算法 41 4.2.1 局部自适应去噪模型42 4.2.2 去雾算法流程44 4.2.3 局部自适应滤波参数估计45 4.2.4 大气光 A 估计 45 4.2.5 亮度调整46 4.2.6 去雾流程总结47 4.2.7 结果分析48 4.3 本章小结 50 第五章 总结与展望51 5.1 本文的工作 51 5.2 下一步工作的方向 51 参考文献53 发表论文和参加科研情况说明55 致 谢56 第一 第一章 绪论 PAGE PAGE 1 第一章 绪论 1.1 课题研究背景及意义 对于户外场景图（尤其是坏天气拍摄的图片）往往会因大气中颗粒或水汽的 存在而降质，而且降质后的图像往往对比度低、内容模糊不清。除了自然雾对图 像的影响，近期华北的雾霾天气呈现越来越严重之势，它对人们驾车出行、交通 视频监控等造成了很大的不便。而且在计算机视觉领域，往往假设输入的图像是 真实的图像，并且需要准确清晰地获得图像特征。如果输入图像因雾和霾而降质， 势必对计算机视觉系统造成很大影响。 针对上述问题，图像去雾能有效提升图像的对比度，恢复图像的真实色彩， 故它能有效地应用于日常照片处理、智能交通、遥感图像处理、户外视频监控、 自主车驾驶、计算机视觉系统、水下图像分析，以及军事探测等重要领域。 由于图像去雾在图像处理领域起步较晚，相关去雾算法可以参考的资料相对 较少，而且很多视觉和图像处理应用领域要求去雾算法具有实时性、自动性、鲁 棒性，其应用还没达到很成熟的地步，还有很大的发展空间。 由于何凯明在 2009 年提出了暗通道先验（Dark Channel Prior, DCP）和基于 DCP 的图像去雾算法[1]，这大大促进了图像去雾领域的研究，使其渐渐受到了研 究者的重视，有多种基于暗通道先验的有效算法被提出来。 本文针对图像去雾领域普遍存在的问题——“算法复杂度高，处理时间长”、 “深度变化剧烈处的残雾很难被去除”，提出了两种快速有效的改进方法，可以 更好的满足实际需求。 1.2 图像去雾的国内外研究现状 图像去雾方法主要包括基于图像增强的去雾方法和基于图像复原的去雾方 法。前者没有考虑雾天图像退化物理模型，对于一些浓雾的图像，往往得不到令 人满意去雾效果；而后者大多是建立在雾天图像退化物理模型之上，即使在浓雾 的情况下，也能得到很好的去雾效果（尤其是基于暗通道先验的去雾算法）。本 文主要研究讨论基于图像复原的去雾方法。 因为雾跟未知的深度信息有关，故图像去雾是一个很有挑战性的课题。如果 输入的信息只有一张有雾图像，那么去雾问题是一个欠约束问题。因此，很多方 法结合多张图像或额外的信息来进行图像去雾。基于偏振的方法[2,3]从不同的偏 振角度拍摄多幅图像来进行去雾。在一些论文[4,5,6]中，它们在不同的天气条件下， 从同一场景的多幅图片中获得更多的去雾约束。基于深度的方法[7,8]要求从已知 3D 模型或者用户输入中获得粗略的深度信息。 最近，单幅图像去雾获得了非常显著的进展，新的方法往往依靠更强的先验 或假设。Tan[9]发现，对比有雾图像，无雾图像拥有更高的对比度。该方法的去