图像去雾增强算法的研究 文献综述.docVIP

福州大学 专业英语 文献综述 题目：图像去雾增强算法的研究 姓名： 学号： 专业： 引言 由于近年来空气污染加重，我国雾霾天气越来越频繁地出现，例如：2012底到2013年初，几次连续七日以上的雾霾天气笼罩了大半个中国，给海陆空交通，人民生活及生命安全造成了巨大的影响。因此，除降低空气污染之外，提高雾霾图像、视频的清晰度是亟待解决的重要问题。 图像去雾实质上就是图像增强的一种现实的应用。一般情况下，在各类图像系统的传送和转换（如显示、复制、成像、扫描以及传输等）总会在某种程度上造成图像质量的下降。例如摄像时，由于雾天的原因使图像模糊；再如传输过程中，噪声污染图像，使人观察起来不满意；或者是计算机从中提取的信息减少造成错误，因此，必须对降质图像进行改善处理，主要目的是使图像更适合于人的视觉特性或计算机识别系统。从图像质量评价观点来看，图像增强技术主要目的是提高图像可辨识度。通过设法有选择地突出便于人或机器分析的某些感兴趣的信息，抑制一些无用信息，以提高图像的使用价值，即图像增强处理只是增强了对某些信息的辨别能力[1]。 背景及意义 近几年空气质量退化严重，雾霾等恶劣天气出现频繁，PM2.5[2]值越来越引起人们的广泛关注。在有雾天气下拍摄的图像，由于大气中混浊的媒介对光的吸收和散射影响严重，使“透过光”强度衰减，从而使得光学传感器接收到的光强发生了改变，直接导致图像对比度降低，动态范围缩小，模糊不清，清晰度不够，图像细节信息不明显，许多特征被覆盖或模糊，信息的可辨识度大大降低。同时，色彩保真度下降，出现严重的颜色偏移和失真，达不到满意的视觉效果[3-6]。上述视觉效果不佳的图像部分信息缺失，给判定目标带来了一定的困难，直接限制和影响了室外目标识别和跟踪、智能导航、公路视觉监视、卫星遥感监测、军事航空侦察等系统效用的发挥，给生产与生活等各方面都造成了极大的影响[7-9]。以公路监控为例，由于大雾弥漫，道路的能见度大大降低，司机通过视觉获得的路况信息往往不准确，进一步影响对环境的判读，很容易发生交通事故，此时高速封闭或者公路限行，给人们的出行带来了极大的不便[10]。而且，雾天获得的退化图像给监控交通情况也造成了很大的困难。又比如在军事侦察和遥感导航方面，雾天退化图像对信息的识别和处理会造成偏差，无法正确判别目标，从而带来严重的后果[11-12]。某些情况下，受到条件限制，侦察和监视工作不可能重复进行，所以依据有限的图像资料获得更准确的目标信息是极其重要的。尤其是给机载可见光成像系统带来的影响更大，严重干扰了其工作的稳定性和可靠性，大大限制了其在地质灾害监测方面的应用，而地质灾害发生前后多伴有大雾等恶劣天气，对现场搜索救援工作产生严重的影响。由此可见，为增强航拍数据的有效性和可用性，降低气象条件对航空成像测量的限制[13]，对雾天图像进行有效的去雾处理有着现实和理论的迫切需要，是户外成像系统能在恶劣天气下稳定、可靠工作的保证。 课题国内外现状 在图像增强领域，人们提出了很多种算法。最为通常的方法是直方图均衡化（Histogram Equalization）[14]，通过直方图均衡化来实现自动的对比度增强，直方图上灰度分布较密的部分被拉伸，灰度分布稀疏的部分被压缩，从而使一幅图像的对比度在总体上得到增强。但是在原图像直方图中有一个很大分量情况下，增强的图像会出现“褪色”和“散斑”效应，使得增强的图像在视觉效果上较差。为了解决这个问题，人们提出了局部直方图均衡化（Local Histogram Equalization）[15]，将直方图均衡化运算压缩到图像的局部区域，然后遍历所有的局部区域，这种方法要遍历图像的所有像素，所以它的时间复杂度很高，不利于实时处理。如果用不重叠的直方图均衡化（Partially Overlapped Sub-block Histogram Equalization,or POSHE）[16],把每次局部直方图均衡计算的有效像素点数从一个扩展到多个，从而减少了局部运算的次数，降低了算法的计算代价。为了消除块效应，需要对图像进行相应的插值运算，这在很大程度上影响了算法的效率。 Lee提出的图像增强算法[17]的优点是处理后的图像比较清晰，对比度高，并且基本上保持图像原来的灰度范围，缺点是实验参数较多，而且实验结果强烈地依赖于参数的选取，因此带有较强的实验性和难操作性，Deng等人[18]提出了一种基于LIP模型的Lee图像增强的新方法，并且在其中使用了非线性变换，提高了图像增强的能力，也减弱了对参数的过分依赖性。 M.Nilsson提出了SMQT(Successive Mean