图23 直方图均衡化 6

图24 同态滤波流程图 7

图25 同态滤波函数的剖面图 8

图31 白金衣还是蓝金衣 9

图32 色彩恒常性 10

图33 利用PS技术处理图像 11

图34 m×n的灰度图像 13

图35 局部Retinex增强结果图 17

1 绪论

1。1 研究背景及意义

当显示的视频图像不清晰时，则需要对整个视频或者由视频中提取出的帧进行图像清晰化处理。经过处理后的图像较原图像更加清晰，便于人像特征点的观察和比较。对不清晰化的视频文件可以通过专业软件将整个视频文件进行清晰化处理，但清晰化效果一般不够理想。常见的处理方法是通过提取出图像中的帧后，再对特定的帧进行清晰化处理。清晰化处理主要包括光线模糊的处理、离焦模糊的处理、运动模糊的处理、噪点模糊的处理等。本篇文章利用能见度的思想，分类处理监控场景下的得到的带雾图像，使用文中所列出的去雾算法的优点，从而达到使雾霾天气下所得到的模糊图像变得清晰的目的，并进行大量实验来对这篇文章中所提出算法做出验证，发现Retinex算法具有很强的实用性。

1。2 研究现状及问题

近年来人们讨论最多的就是生活中常常出现的雾霾。雾霾的出现给我们带来很多不便，无论是对我们的呼吸道造成的损伤，还是工作生活驾车出行，都十分不便。根据美国最新实验表明，人们所吸收的信息中，视觉系统吸收的信息所占的比例最多，达到72。52%。因此可以看出视觉在人类的感知占据着极其重要的地位。随着国内外的专家和科研人员对于恶劣天气环境下模糊图像的不断深入研究，不断地对于现有的处理方法进行改进，使其处理后成像更为清晰。然而，当前的道路视频监控系统对天气条件非常敏感，特别是在雾霾天气下，此时能见度过低，会使得到的图像退化严重，在发挥户外监控系统的效用方面存在极其大的限制作用。本论文主要目的在于研究雾霾天降质视频图像，从而实现道路视觉监控系统能够不惧恶劣天气正常工作，具有重要的实用价值。

通过目前的研究成果可知有两类使雾霾天气下模糊图像清晰化的方法。第一类：雾天图像增强方法。采用全局直方图均衡化的算法来处理图像较为简单，在通常的情况下可以使图像的对比度有显著增加，但在雾天拍摄的图像，其对比度的降低与物体到相机的距离之间是非线性递增的，而且通过对比可以发现单帧图像较之其他图像的不同点在于它的景物深度各不相同，所以它的衰退的程度也是不一样的，因此想要达到预期的状态仅仅采用全局处理这种方法是不可行的。图像增强从本质上而言仅仅只是让人能够更容易地认出某种信息，而为了达到这种效果，往往会失去一切信息，所以得到的景物图像会显得不自然。第二类：雾天图像复原方法。此方法基于建立大气物理模型，分析图像退化的主要原因并在反演退化的过程中弥补图像的失真，从而获得清晰图像，实现雾天图像的复原。不过这个方法在处理模糊图像时，对采集视频图像的过程要求得过于苛刻。