基于小波变换的同态滤波算法在雨雾图像处理中的应用.docVIP

（基于小波变换的）同态滤波算法在雨雾图像处理中的应用 海博 摘要：在薄雾天气的影响下，由于大气对成像光线的作用，而使所获取的图片模糊不清，对比度降低。本文基于雨雾天气图像的特点，从时频分析的角度出发，提出了一种基于小波变换的同态滤波方法，采用快速小波变换代替传统傅里叶变换，在变换域内用改进的指数滤波器对小波系数进行处理，从而达到增强雾天降质图像的目的。实验结果表明，本文的方法，能够有效突出雾天图像的细节，增强景物对比度，较好的改善视觉效果。 关键词：同态滤波，小波变换，去雾，图像对比度 引言 对于雨雾天气条件下，通过交通和公共场合摄像头摄取的图像，由于雨雾的影响，图像的对比度降低，而且影响了对远处景物和人物信息的观察和辨别，从而给相关人员的工作带来的一定的阻碍。 而对于图像去雾的方法，国内外学者都做过大量的研究。常用的方法有直方图均衡，时域频域滤波和基于物理模型的方法。直方图均衡虽然算法简单，但是由于雨雾而使图像对比度降低与景物的远近并非线性关系，所以该方法的效果并不理想，有时由于将景物的灰度值增强或减弱后反而会影响图像的信息量。而基于物理模型的方法[1]，此方法由于缺少参数，对视频采集的要求过于苛刻，算法复杂等原因在使用中有诸多的困难。为了避免这些不足，本文提出基于小波的同态滤波算法，小波变换在时域和频域同时具有良好的局部特性[2]，比傅里叶变换有明显的优势，从而达到去除雨雾对图像的影响。 经典同态滤波算法 2.1同态滤波原理 同态滤波是一种把频率过滤和灰度变换结合起来的图像处理方法，它把图像的照度反射模型作为频域处理的基础，通过对图像的灰度范围的调整，可以有效解决图像上照度不均匀及动态范围过大对图像产生影响的问题，在不损失亮区细节信息的同时，有效增强暗区的细节信息[3]。 一般雨雾天气的图像由两个分量表示： (1) 其中：； ：可称为照明函数，频谱处于低频区域，在空间上变化缓慢，描述场景的照明，与景物无关，雨雾信息包含其中。 ：可称为反射函数，频谱处于高频区域，包含景物的细节，与照明无关。 由于二者是相乘的关系，无法在频域内分开处理，所以将（1）式取对数，这样就将乘性关系转变为加性关系，可以分开处理照明和反射分量，从而对图像进行处理： (2) 上式表明，图形亮度值的对数等于照明分量和反射分量对数和，是一个低频成分的函数与一个高频成分函数的叠加。对（2）式进行傅里叶变换，将图像从时域转换到频域： (3) 其中： ：照明函数在空间上变化缓慢，其频谱特性集中在低频段。 ：反射函数的频谱集中在高频段（景物本身具有较多的细节和边缘），反射函数描述的景物，反应图像的细节内容，其频率处于高频区域。 为同态滤波的函数，根据处理的图像的特征选择同态滤波函数，从而达到对图像处理的目的。本文中，想要去除恶劣天气，如：雨，雾，对图像的影响。而雨雾等信息主要集中在照度分量上，所以所选用的为高通滤波器，压缩照明函数的灰度范围，强化反射函数的频谱成分，增加图像的细节，达到消除雨雾天气对图像的影响。 将对数图像频谱式乘上同态滤波函数 (4) 求傅里叶反变换,将频域转换到时域： (5) 将上式两边同时取指数，所以处理后的图像为： (6) 经典同态滤波的流程图如 REF _Ref13285 \h 图 1所示： 图 SEQ 图 \* ARABIC 1 同态滤波流程图 2.2滤波器的设计 由于照明函数直接决定了一幅图像中像素达到的动态范围，而对比度是图像中物体反射特性函数。选用合适的同态滤波函数将获得对这些分量的理想控制[4]。 因为相对图像局部细节来讲，雨雾信息变化较慢，主要集中在低频段。因此，压缩的灰度范围或在频域上减弱的频谱成分；同时，反应图像细节，可以用对比增强的方法增强这一分量的对比度，即在频域上加大的频谱成分。因为对于受到雨雾天气影响的图像，通常采用二阶指数高通滤波函数作为同态滤波函数，本文也是采用的二阶指数滤波器，并做了一些改进，其表达式如下： 其中，为高频增益，；为低频增益，；，用来控制从到之间的斜坡的锐度。表示频率到滤波器中心的距离，为是的值，表示截止频率。需要指出的是，该同态滤波函数是以为中心圆对称的，如 REF _Ref13967 \h 图 2所示为同态滤波函数示意图。 图 SEQ 图 \* ARABIC 2同态滤波函数 3.小波变换 3.1小波变换的基本原理 小波变换是当前应用数学和工程学科中一个迅速发展的新领域，由于小波变换在时