数字图像(图像去雾).pdf

目 录 一. 课程设计任务 1 二. 课程设计原理及设计方案 2 三. 课程设计的步骤和结果 3 四. 课程设计总结 4 五. 设计体会 5 六. 参考文献 6 1 一. 课程设计任务 由于大气的散射作用，雾天的大气退化图像具有对比度低、景物不清晰的特 点，给交通系统及户外视觉系统的应用带来严重的影响。但由于成像系统聚焦模 糊、拍摄场景存在相对运动以及雾天等不利环境，使得最终获取的图像往往无法 使用。为了解决这一问题，设计图像复原处理软件。 要求完成功能： 1、 采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直 方图； 2 、 查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复 原图像与原始图像以及直方图均衡化后的图像； 3 、 设计软件界面 2 二. 课程设计原理及设计方案 2.1 设计原理 在雾、霾等天气条件下, 大气中悬浮的大量微小水滴、气溶胶的散射作用导 致捕获的图像严重降质,随着物体到成像设备的距离增大, 大气粒子的散射作用 对成像的影响逐渐增加. 这种影响主要由两个散射过程造成: 1) 物体表面的反 射光在到达成像设备的过程中, 由于大气粒子的散射而发生衰减;2) 自然光因 大气粒子散射而进入成像设备参与成像. 它们的共同作用造成捕获的图像对比 度、饱和度降低, 以及色调偏移, 不仅影响图像的视觉效果, 而且影响图像分析 和理解的性能. 在计算机视觉领域中, 常用大气散射模型来描述雾、霾天气条件下场景的成 像过程.Narasimhan 等给出雾、霾天气条件下单色大气散射模型(Monochrome atmospheric scat-tering model), 即窄波段摄像机所拍摄的图像灰度值可表示 为 （1） I / A e−d +1−e−d 式中, x 为空间坐标, A 表示天空亮度(Skylight), ρ为场景反照率, d 为场景 的景深, β为大气反射系数。图像去雾的过程就是根据获得的有降质的图像，即 I （x）来推算出ρ的过程。 但由于该物理模型包含3 个未知参数, 从本质上讲, 这是一个病态反问题. 在只有单幅图像的条件下，我们可以考虑用假设以及推算的方式使其中的几个量 固定，然后求解。 2.2 设计方案 2.2.1 白平衡 WP (White point) 算法, 也称为Max-RGB 算法, 利用R、G、B 颜色分量的 最大值来估计光照的颜色。我们用天空亮度A来取代最大值。对于A，如果直接用 图像中最亮的灰度估计的话会受到高亮噪声或白色物体的干扰，因此我们首先对 图像颜色分量进行最小滤波，然后选择阀值为0.99，大于此值的认定为天空区域， 然后取平均值为我们估计的天空亮度A。然后方程（1）变为 I (x) Ae−d +A(1−e−d ) （2） 2.2.2 估计大气耗散函数 3 V(X ) 1−e−d 为了简化（2），我们设则 （2）变为 I I / A (1−V(x))+V(x) （3） V （x）称为大气耗散函数。根据（3）容易发现V （x）满足0V(x)I,如果对 I’进行最小滤波得到W （x），则V （x）也必定满足0V(x)W(x)。求V （x）的过 程其实是滤波的过程，分为三步： A median(W) B A−median( W−A ) V max(min( pB ,W),0) 其中p为恢复系数，去[0,1]中的值（一般为0.9—0.95）。 2.2.3 场