毕业论文移动版

 2。2。2基于景深信息的去雾

借助雷达等距离传感器可以获得场景的深度，基于场景的深度信息模拟出场景3D模型，但是实验的设备费用较大，不太现实。场景深度的信息的提取可以从多幅图片

中提取，从不同的天气条件或者是场景角度拍摄图片，然后从这些图片中提取到场景的深度，利用场景深度结合雾霾图像形成模型进行去雾。通过景深的去雾就是从另一个方面求图像的透射率图，所谓的景深信息就是呈像设备与景物的距离，而透射率与这个距离有关，因此从这个角度出发求出了与距离有关的约束就可以得到与透射率有关的约束，不同的方法可以得到不同程度的景深信息，最终去雾的效果的程度也是不同的。对于景深信息去雾还有人通过图像融合的方法进行去雾，将图像进行分割然后分别去雾处理，最后进行图像的融合处理形成结果。这种方法相比于上一种方法可以更好得到约束的信息，对于雾霾图像模型中的透射率t与景深有关，得到了景深的信息就直接得到了透射率，其他的方法是通过其他的信息间接地求出透射率。但是这种方法对于实验设备或者实验条件有较高的要求，实验设备可能要有很高的要求，拍摄的图像要更多保留景深信息。或者是在同一条件下拍摄同一场景的图片，这样的条件实现起来比较困难。或者是不同天气条件下的同一场景的图像，由于种种条件的影响，处理天气条件之外，不能控制其他的条件相同，这样求得的结果就会有一定的误差。文献综述

2。2。3基于先验信息的去雾

在去雾的过程中，会通过发现各种的约束条件进行去雾，然后会通过这些条件作为先验信息，利用雾霾图像形成模型，推算出透射率t和大气光A，进行去雾得到原来的图像。Fattal等人假设景物表面反射光和大气透射率在局部区域统计两者不关联，通过使用独立成分分析估计恒定值的反照率。何凯明等人根据统计结果提出了暗通道先验算法，并利用这个先验信息进行去雾，取得了良好的效果。基于先验信息的去雾算法就是通过一些假设条件，然后从这些假设条件出发结合雾霾图像形成模型，运用数学进行化简，得到了透射率与大气光A的值，就可以最终去雾了。对于假设条件的得到可以通过各种方法，但是这些方法必须要有一定合理的基础，比如暗通道先验算法的提出的机理就是源于图像拍摄时的三个限制条件，因此暗通道的先验算法有一定的合理性。同样其他的先验算法也必须有一定的合理性，而不能随意假设。基于先验信息的去雾算法往往具有一定的局限性，需要在一定的假设条件下成立，如果假设条件不满足就会出现错误。先验信息去雾算法可以取得比较好的效果，因为多数先验算法具有一定的普适性（虽然有一定的局限性），对比基于景深的算法有更多的约束信息，可以得到更加精确的结果。同样基于先验信息也是比较难获得的，对于图像比较适合的假设是难以得到的，合理的假设往往需要大量的实验信息来得到验证。来;自]优Y尔E论L文W网www.youerw.com +QQ752018766-

2。3本章总结

本章介绍了入射光衰减模型和大气光散射模型，通过这两个模型演变为雾霾图像形成的物理模型。在这个模型的基础上介绍了图像去雾的一些方法，为下面进行图像和视频去雾奠定基础，其中的暗通道先验算法是现研究去雾效果最好的算法，下一章我们要介绍暗通道先验算法，然后在这个算法基础上进行去雾算法的研究。