霧天條件下大氣能見(jiàn)度降低,戶外采集設(shè)備的工作效率會(huì)大打折扣,拍攝的圖像畫(huà)質(zhì)衰減嚴(yán)重。因此如何通過(guò)一定的處理方法去除圖像中霧的干擾,從而得到高質(zhì)量的無(wú)霧圖像,使恢復(fù)后的圖像具有滿意的視覺(jué)效果,并從圖像中獲得更多的有效信息,是目前計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究?jī)?nèi)容。針對(duì)暗通道先驗(yàn)理論算法中存在的不足,本文提出了兩種不同的圖像去霧算法。首先提出了基于逐層搜索法與快速導(dǎo)向?yàn)V波（LLS-FGF）的圖像去霧算法。對(duì)天空大氣光照值計(jì)算不夠精確這一問(wèn)題,采用逐層搜索法對(duì)其進(jìn)行優(yōu)化,并使用快速導(dǎo)向?yàn)V波對(duì)透射率進(jìn)行細(xì)化,最后采用非線性疊加處理的圖像增強(qiáng)方法,解決去霧后圖像存在普遍偏暗的問(wèn)題,該改進(jìn)算法能得到清晰度較好的去霧圖像,處理時(shí)間也較低,去霧后圖像中某些區(qū)域偏暗問(wèn)題也得到改善,但是該方法難以有效解決圖像中紋理與邊緣保持問(wèn)題,本文結(jié)合暗通道先驗(yàn)理論與非局部變分模型各自的優(yōu)點(diǎn),提出了H-NL-LTV模型,并利用交替方向乘子法（ADMM）與輔助變量對(duì)模型進(jìn)行求解,使去霧后圖像最大程度保持紋理、邊緣特征。為驗(yàn)證本文所提去霧算法的有效性,選取Kimmel Retinex算法、MSR算法、He算法三種經(jīng)典算法與本... 

【文章來(lái)源】：青島大學(xué)山東省

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究目的與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 圖像增強(qiáng)方法
        1.2.2 圖像復(fù)原方法
    1.3 本文的主要工作及章節(jié)安排
第二章 圖像去霧的儲(chǔ)備知識(shí)
    2.1 基于大氣散射的物理模型
    2.2 暗通道先驗(yàn)理論的基本思想
        2.2.1 大氣光值的計(jì)算
        2.2.2 透射率細(xì)化計(jì)算
        2.2.3 圖像去霧后的增強(qiáng)處理
    2.3 變分模型與模型求解
    2.4 圖像質(zhì)量評(píng)價(jià)方法
        2.4.1 主觀質(zhì)量評(píng)價(jià)方法
        2.4.2 客觀質(zhì)量評(píng)價(jià)方法
    2.5 本章小結(jié)
第三章 基于逐層搜索法與快速導(dǎo)向?yàn)V波的圖像去霧算法
    3.1 精確大氣光值的計(jì)算
    3.2 精確透射率的計(jì)算
    3.3 算法實(shí)現(xiàn)
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 主觀質(zhì)量評(píng)價(jià)
        3.4.2 客觀質(zhì)量評(píng)價(jià)
    3.5 本章小結(jié)
第四章 基于H-NL-LTV模型的彩色圖像去霧
    4.1 非局部變分模型與求解算法
        4.1.1 非局部算子
        4.1.2 NL-LTV模型與求解
    4.2 H-NL-LTV模型與ADMM算法
    4.3 算法實(shí)現(xiàn)
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 主觀質(zhì)量評(píng)價(jià)
        4.4.2 客觀質(zhì)量評(píng)價(jià)
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果
致謝



本文編號(hào)：3293866