隨著科技的發(fā)展,計算機視覺系統(tǒng)設備得到了極大的發(fā)展,在人們的日常生活中發(fā)揮著日益重要的作用。如車輛導航、無人機拍攝、視頻監(jiān)控、智能交通等,其絕大部分信息源于圖像及視頻。大部分視覺設備在無外界干擾情況下都能捕獲到清晰自然的圖像。然而在霧、霾天氣條件下,由于大氣介質的散射、吸收作用會使得場景的反射光在傳播時發(fā)生顯著地衰減,導致戶外圖像采集設備接收的圖像出現(xiàn)不同程度的降質,這在很大程度上影響和限制了視覺系統(tǒng)的正常發(fā)揮。因此,如何獲取高清晰化的圖像就顯得愈發(fā)重要,研究霧天復雜光照條件下的圖像處理算法,具有重要的現(xiàn)實應用價值和理論研究意義。本文在對經典的圖像去霧算法原理和關鍵技術進行深入研究的基礎上,以大氣散射模型為物理模型,提出了改進的復雜光照下圖像去霧算法。主要研究內容如下:第一,針對暗通道先驗理論中圖像的明亮區(qū)域去霧后存在色偏嚴重、色彩失真等問題,提出改進的暗通道先驗圖像去霧算法。首先,利用三通道明亮區(qū)域分割法獲得更為精確的全局大氣光強度值;其次,通過邊界約束條件得到透射率圖像,并運用高斯型同態(tài)濾波對圖像進行平滑處理;最后,用色階補償原理結合小波變換對透射率圖像與原圖像進行融合,之后將融合... 

【文章來源】：西安建筑科技大學陜西省

【文章頁數】：69 頁

【學位級別】：碩士

【部分圖文】：

入射光經過粒子后發(fā)生散射大氣中懸浮顆粒的大小、類型、分布及方向對光的衰減作用有影響

西安建筑科技大學碩士學位論文8圖2.2不同濃度霧的能見度如表2.1為不同大氣懸浮顆粒影響下采集設備獲取圖像的質量。可以看出，在晴朗的天氣下，空氣中大多為懸浮的分子，且粒徑較小，光線在傳播過程中不受其干擾，成像設備采集到高質量清晰的圖像。而在霧，霾天氣下，大氣中懸浮粒子的粒徑較大，成像設備在采集圖像時受到折射、散射等干擾，獲取到的圖像質量較為模糊。在陰雨天氣下，多數水滴粒子直徑很大，光線在傳播過程中受到嚴重的散射、折射、反射等干擾，成像設備獲取到圖像十分模糊，嚴重影響到圖像后續(xù)的一系列處理。表2.1不同顆粒影響下獲取圖像質量氣候狀況懸浮顆粒類型單位體積濃度(m-3)粒徑(μm)圖像質量晴朗懸浮顆粒101610-4清晰少霧（靄）懸浮顆粒10~10-310-2~1較清晰多云小水滴0.3~10-31~10中等濃霧小水珠0.1~10-31~10較模糊雨天水滴10-5~10-8102~104模糊2.1.2霧天復雜光照環(huán)境下獲取圖像的特征霧天復雜光照環(huán)境下圖像特征的研究與分析是圖像復原研究中重要的組成部分。如圖2.3分別為霧天、無霧的圖像及其對應的灰度直方圖。在灰度直方圖中橫軸為像素的灰度層級(也稱積分光密度值，單位為（IOD）)，一般為28-1，而縱軸為某一像素灰度級的出現(xiàn)頻率。

西安建筑科技大學碩士學位論文9圖2.3圖像及直方圖(a)霧天圖像(b)去霧后圖像(c)霧天圖像直方圖(d)去霧后圖像直方圖圖2.3(a)-(d)分別為霧天圖像、去霧后圖像及其直方圖。在圖2.3(a)中，原始霧天圖像中由于霧氣因子的存在，導致圖像變得模糊。在圖2.3(b)中圖像整體亮度，對比度及飽和度較高，且無明顯霧氣因子的干擾。圖2.3(c)與圖2.3(d)對比分析，可以得出，霧天圖像灰度直方圖是隨著霧濃度增大，橫坐標(積分光密度值)取值區(qū)間變窄，且聚集到較小的區(qū)間中，局部較小的像素灰度值頻率降低，導致原始霧天圖像中邊緣細節(jié)信息丟失[48]17。2.2霧天復雜光照環(huán)境下采集設備的成像原理2.2.1大氣散射模型根據McCartney[49]的大氣散射物理模型，把散射對光學成像設備接收到的光分為兩部分：一部分是光線照射到場景內物體表面時產生的反射光線，成像設備的傳感器在獲取其過程中，在大氣中顆粒分子的散射作用下而衰減，且強度下降，成為入射光衰減模型。另一部分是太陽光、地面反射光以及其他物體反射光受到大氣散射而進入成像設備的干擾光，其最終附加到場景圖像上，會影響獲取圖像的對比度，稱為大氣光模型。兩個部分同時存在，成像設備接收到的光強度為二者之和。如圖2.4(a)所示為大氣散射模型的示意圖。實線為從物體到成像設備的光線，虛線為大氣中光線。圖2.4光在大氣中散射時(a)大氣散射模型(b)入射光衰減模型

【參考文獻】：
期刊論文
[1]基于雙邊濾波器的霧霾天氣交通標志圖像去霧算法[J]. 王園園,黃麗瓊.  艦船電子工程. 2019(12)
[2]基于雙域分解的多尺度深度學習單幅圖像去霧[J]. 陳永,郭紅光,艾亞鵬.  光學學報. 2020(02)
[3]基于多尺度卷積神經網絡的單幅圖像去霧方法[J]. 陳永,郭紅光,艾亞鵬.  光學學報. 2019(10)
[4]基于邊界限制加權最小二乘法濾波的霧天圖像增強算法[J]. 李紅云,云利軍,高銀.  中國激光. 2019(03)
[5]基于透射率融合與多重導向濾波的單幅圖像去霧[J]. 楊愛萍,王海新,王金斌,趙美琪,魯立宇.  光學學報. 2018(12)
[6]基于改進同態(tài)濾波的無人機影像清晰化[J]. 李開偉,張立亭,廖強強.  計算機與數字工程. 2018(07)
[7]基于同態(tài)濾波和Retinex的圖像去霧算法[J]. 汪秦峰,陳莉,樊泰亭,陳占武,楊濤.  火控雷達技術. 2016(02)
[8]基于閾值分割的暗原色先驗圖像去霧方法[J]. 蘇晉鵬,陳恩俊,景嘉帥,王文君,王之彥,孫云山.  計算機工程與應用. 2017(03)
[9]單幅圖像去霧方法研究綜述[J]. 何寧,王金寶,鮑泓.  北京聯(lián)合大學學報(自然科學版). 2015(03)
[10]基于暗通道先驗和Retinex理論的快速單幅圖像去霧方法[J]. 劉海波,楊杰,吳正平,張慶年,鄧勇.  自動化學報. 2015(07)

博士論文
[1]霧天降質圖像的清晰化技術研究[D]. 翟藝書.大連海事大學 2008

碩士論文
[1]基于小波自適應閾值結合雙邊濾波的圖像降噪[D]. 張宸楓.哈爾濱理工大學 2019
[2]基于層次遞階的霧天圖像清晰化方法研究[D]. 王紅.太原理工大學 2019
[3]基于深度卷積神經網絡的圖像去霧方法研究[D]. 雎青青.江南大學 2019
[4]自適應彩色圖像去霧的新模型及新算法[D]. 暴婉婷.西安電子科技大學 2019
[5]基于深度學習的單幅圖像去霧算法研究[D]. 姚晶晶.西安電子科技大學 2019
[6]基于拉普拉斯金字塔的圖像去霧算法的研究[D]. 楊德坤.中國地質大學(北京) 2019
[7]基于暗通道先驗的數字圖像去霧算法研究[D]. 朱維.哈爾濱理工大學 2019
[8]霧天能見度檢測與預測方法研究[D]. 郄巖.河北科技大學 2019
[9]基于濾波和物理模型的圖像去霧算法研究[D]. 戴飛.南京郵電大學 2018
[10]基于離散小波變換的圖像壓縮感知編碼技術研究[D]. 何永洋.南京郵電大學 2018



本文編號：3302044