单幅图像去雾算法的研究.pdf

摘 要 随着计算机技术与图像处理技术的发展，计算机视觉被广泛应用到智能交通、遥感遥测、 小区监控、自动驾驶等多个领域中。然而，工作在户外的计算机视觉系统在采集图像的过程 中，容易受到外界环境的干扰。特别在雾霾天气下，采集的户外图像往往退化严重，主要表 现为清晰度下降、色彩失真等，而将特征受损的图像作为输入必然会影响系统后续对图像的 分析和理解，削弱视觉系统的工作性能。因此，研究如何有效地从有雾降质图像中重建出原 始图像，对提高视觉系统的应用性能和鲁棒性具有重要的现实意义。 本质上，图像去雾的目的在于从退化图像中去除来自天气因素的干扰，增强图像的清晰程 度、颜色饱和度，最大限度地恢复图像有用的特征。论文的主要工作是在分析单幅有雾图像 特征的基础上，结合雾天成像的机理，从图像增强和图像复原两个方面，分别设计对应的单 幅图像去雾算法。主要内容包括： (1) 针对传统图像增强类算法在图像去雾的应用上表现出的局限性，提出基于场景雾化 程度估计的有雾图像增强算法。算法充分挖掘有雾图像在亮度、梯度、饱和度等方面的特征 衰减与景物深度分布之间的联系，利用雾图多特征先验对场景雾化程度进行估计。再基于全 变分优化的数学模型，从原始雾图中分离出有效的纹理分量，并根据估计得到的雾化程度分 布，对图像的纹理分量和色彩饱和度分别执行自适应增强和校正处理。实验结果表明，本算 法能够较好恢复雾化场景的特征，在提高清晰度和色彩保真两方面均取得不错的主观效果。 (2) 为解决户外图像天空区域暗通道先验失效的问题，提出基于大气散射模型的有雾图 像复原算法。算法充分利用天空部分在亮度、连通性、位置、概率分布等方面的特征，设计 出天空区域识别方法，并将天空识别结果用于全局大气光的估计和透射率下限的自动调节， 以避免天空部分透射率的过低估计，防止复原天空部分色彩失真；为减少高分辨率图像在透 射率估计方面的计算开销，本算法依据暗通道先验，利用降采样后的有雾图像进行透射率的 初步估计，并应用最小滤波和联合双边滤波对透射图进行进一步的优化处理。实验结果表明， 采用本算法估计得到的透射率分布在保留场景结构、保持景深一致区域的局部平滑性方面具 有较好的效果，复原图像中远景更加清晰，天空区域色彩保真度高，算法实时性能较好。 (3) 针对最小滤波模板尺寸参数难以统一设置的问题，提出基于多尺度融合和全变分优 化的透射率估计的优化算法。算法首先利用暗通道先验，根据不同的滤波模板尺寸，从输入 原始雾图中导出两幅透射粗估计图；然后，对两幅透射图粗估计，执行拉普拉斯金字塔分解， 在不同分解层上，依据两者在边缘、纹理保留上的差异性，执行逐层加权融合处理；最后， I 利用全变分模型对透射图执行局部平滑优化，进一步消除透射图中高频纹理噪声分量，并应 用基于梯度近似的迭代方法加速优化模型的求解。另外，算法依据景深分布与雾气浓度的一 致性变化关系，利用场景中浓雾区域的多先验特征，通过定位场景最深像素点位置实现全局 大气光的估计，从而在一定程度上减少高亮物体对估计大气光带来的不良影响。实验结果表 明，利用本算法复原后图像在整体对比度增强、细节保留、颜色饱和度恢复等方面均取得较 好的效果。 关键词: 图像去雾，图像增强，图像复原，大气散射模型，暗通道先验 II Abstract With the development of computer technology and image processing technology, computer vision has been widely used in many fields, such as intelligent transportation, rem