基于暗原色的雾天图像增强算法(2)
3.2引导滤波 .. 13
4 算法设计与实现 .. 15
4.1基于暗原色提取暗通道图像 . 15
4.2采用引导滤波获取透射率 15
4.3去雾恢复 .. 17
4.4MFC界面设计 .. 18
4.5算法特点 .. 19
5 实验与分析 . 21
5.1实验效果 .. 21
5.2实验与分析进行 .. 26
总 结 . 27
致 谢 . 28
参考文献 .. 29
1 绪论 1.1 课题背景 在获取外界信息时，人们主要的信息来源是通过视觉，通过视觉呈现在大脑中的则是图想图像可以具体客观的描述外界环境，信息量全面且表达直接、稳定等优点。因此，图像信息与人们的生活休戚相关，在许多领域中作用都极其重要。图像应用快速发展的同时，如何获取高质量的图像、如何从已有图像中提取更多的信息，是急需进行研究的问题。 大多数情况下，人们所获取的图片来自于户外。然而由于户外环境较为复杂，未知因素比较多，所采集到的图像可能并不是很准确。其中，雾霾是最为常见的自然影响之一。雾天时，由于空气中水汽、颗粒物等含量较高，光在传播过程中受到阻碍，使得人眼接收到的景物图像清晰度大幅降低。雾霾情况下，采集到的户外图像信息会缺失较为严重，清晰度下降，对比度也会下降，而且采集到的图像会出现颜色偏移与灰白化的情况，比如雾霾天气获得的图像经常出现严重的灰白化现象。这样图像的实际应用价值就会大大降低，之后的图像采集和图像处理得到的结果也可能是无效的，从而对科学研究或是实际应用都会造成很大的影响。例如，在恶劣的天气状况下，由于能见度低，路面情况复杂，道路监控系统很难准确的对车况的进行有效的监控； 这种影响不仅体现在人们的生活中，在军事上也有很大的影响，图像退化导致采集到的信息不完整，识别到的信息和真实信息之间产生很大偏差，这样所造成的后果可能会很严重；在遥感探测中，对于图像信息准确性的要求同样是极高的，退化的图像会对后续的信息处理造成极大的影响。因此，如何对这些退化的图像进行有效的处理，恢复其原有的图像信息的研究显得尤为重要，并且具有广泛的应用。 近年来，随着采集设备的分辨率不断提高，人们希望得到的图像更加真实更加清晰，能够提供更多有用的信息。由于计算机发展迅速，计算机的运行速度越来越快，图像处理的算法也逐渐优化，处理后得到的图像效果也越来越好。 其中户外监视系统，自动导航系统，军用探测系统及地形分类系统等视觉系统的使用越来越受到人们关注，人们的生产生活也随之发生着变化。户外视觉系统通过图像识别和图像处理等技术检测输入图像的特征。然而由于雾天天气的影响，得到的图像信息不完整或有偏差，以至于视觉系统无法达到实际的应用效果。所以，如何对在雾天状况下的退化图像进行去雾处理，还原景物的真实信息有着重要的意义。1.2 研究意义 由于近些年工业的迅速发展，工业化所带来的负面影响也同时困扰着人们的生活。大气中的颗粒物半径增大，颗粒物浓度也逐渐增加，导致城市中经常会产生雾霾天气。当户外雾天的情况下，图像采集设备所采集到的图像受雾霾的影响较大， 实际场景中的很多有用的信息在获得的图像中消失，影响了图像信息的可靠性和实用性。为此通过对雾天图像效果衰减和去雾算法的研究 ，恢复图像原本所包含的信息，得到有应用价值的图像， 从而提高计算机视觉系统的可靠性 。 在路况监控、车辆疏导、侦查测控等方面上该研究具有实际应用的。 价值雾天时，有自然天气情况的干扰，导致能见度大幅度下降，可视范围降低，交通道路监控变得极其困难。对于道路状况、车流量的监控，对于信息获取都会有极大的影响，对这样的道路信息进行判断和监控，可能会造成很大误差。将去雾技术运用在监控系统中，使得系统能对所捕获的监控图像进行去雾处理，从而得到更清晰的图像，对交通管理和道路监控道都有很大帮助。该技术也同样能够应用到汽车系统中，能够及时地对捕捉到的雾天图像进行去雾处理，提高图像的清晰度和真实性，那么驾驶员就可以及时了解到路面情况，避免发生一些危险情况。 因此，我们可以看出图像处理所能涉及到的领域极其广泛，能够给研究者提供最真实最直观的数据和信息，并通过这些图像信息进行更深入的研究。 1.3 国内外现状 雾霾天气下，空气中包含着大量的颗粒物粉尘，这些颗粒物对光线产生散射、折射等干扰，使空气对成像产生影响，使采集的图像亮度升高、对比度不足、颜色饱和度较低，极大地影响了在户外所获取到的图像的高质量和稳定性。对于雾霾图像的研究工作，最早由Oakley等人于1988年展开。近年来 ，由于图像处技术广泛的使用以及相关技术的发展，去雾技术逐渐成为图像处理领域的研究热点。 经过多年的研究，目前的图像去雾技术主要分为两种：一种是图像增强算法，另外一种是利用物理模型的去雾算法[1]。采用图像增强的去雾方法主要包括：直方图均衡化、色彩均衡理论等；利用物理模型的去雾方法主要包括：单幅图像去雾，辅助信息去雾以及基于先验理论的单幅图像去雾等。 香港中文大学信息工程系的何凯明博士提出了基于暗通道的单幅图像去雾算法。暗原色先验的一种户外图像去雾的统计数据。它是基于在去雾户外图像中大多数区域包含一些像素具有非常低的至少一个颜色通道的强度。使用这个有雾成像模型的优先方法，可以直接估计阴霾的厚度和优质去雾图像恢复关于各种户外带雾图像的结果论证提出的先验的力量。此外,还可以获得高质量的深度图，作为去雾的副产品[2]。 合肥工业大学计算机与信息学院的汪荣贵,傅剑峰,杨志学,沈法琳,查炜提出一种基于暗原色先验模型的 Retinex 算法.根据局部区域暗原色值设计一种尺度可变滤波器,针对不同景深和雾化区域采用不同尺度的滤波器估算雾天图像的照度分量,实现对雾天图像的增强[3]。 海军舰艇学院的郭珈，王孝通，胡程鹏，徐晓刚利用 3 文到 2 文透视投影模型，推导了海上图像任意像素点景深的计算公式，并结合暗原色先验知识，选取基准景深点的和天空亮度，最后基于相对景深模型和大气散射模型，对单幅雾天图像进行清晰化处[4]。 华侨大学的张冰冰提出了一种基于暗原色先验理论的快速去雾算法"改进了透射率修复方法，显著地减少了算法的计算量，通过自适应调节透射率下限值和大气光成分值，扩大了去雾处理的适用范围，对复原的图像进行增强处理，改善了复原图像的整体视觉效果[5]。 1.4 论文主要内容 雾天图像增强算法是图像处理中如今非常热门的一个科学领域，在许多领域都发挥着作用。本文研究了图像去雾的方法理论，在现有的去雾算法基础上，实现了基于暗原色的雾天图像增强算法，并进行分析总结。 第一章，引言和绪论。主要说明了本文的选题依据和往后研究的意义，以及目前该课题所涉及领域的国内外情况，最后介绍本文的主要内容。 第二章，相关概念与技术。首先介绍了暗原色的相关概念以及暗原色先验原理。然后概述几种滤波技术并进行分类，着重介绍本文所用的引导滤波。接下来介绍大气散射退化模型以及基于 opencv下的C语言编程。 第三章，具体阐述基于暗原色提取暗通道图像，并对暗通道图像实现引导滤波的算法。第四章，论述了基于暗原色的雾天图像增强算法的设计与实现。从算法分析需求入手，然后是界面的介绍和核心模块部分的陈述。第五章，实验与分析。利用实际的图像，进行对本程序算法的运行，得出的结果进行比较，然后得出结论。 最后是总结和参考文献部分，是对内容的主要设计进行概括，总结算法实现的效果。
上一篇：ARM架构下的相控阵雷达数字仿真