【摘要】：在霧霾等復(fù)雜天氣條件下,大氣光受到空氣中微小粒子的散射作用使得參與成像的光發(fā)生衰減,導(dǎo)致所獲取圖像的對比度降低,圖像質(zhì)量下降。不僅嚴(yán)重影響了圖像的視覺效果還增加特征信息提取的難度。嚴(yán)重時(shí),使得戶外監(jiān)視系統(tǒng)無法正常運(yùn)行。因此,研究復(fù)雜天氣下圖像清晰化處理技術(shù)具有重要的現(xiàn)實(shí)意義�，F(xiàn)有的霧霾圖像清晰化技術(shù)主要分為兩大類:基于非物理模型的圖像增強(qiáng)技術(shù)和基于物理模型的圖像復(fù)原算法。圖像增強(qiáng)方法僅從低對比度和低亮度特征出發(fā),按照特定需求突出圖像中感興趣的部分信息,同時(shí)抑制不需要的信息,算法實(shí)時(shí)性高,應(yīng)用范圍廣,但易造成圖像顏色失真;而圖像復(fù)原方法是從霧霾成像的物理機(jī)理出發(fā),盡可能利用先驗(yàn)信息,求解模型參數(shù),以獲取清晰圖像。這種方法去霧,圖像紋理細(xì)節(jié)復(fù)原較好,但算法復(fù)雜度高,圖像亮度和色度低。因此,在霧霾圖像清晰化處理過程中,不僅要兼顧圖像增強(qiáng)程度和細(xì)節(jié)信息恢復(fù)的問題,還要關(guān)注去霧后圖像顏色失真的問題。基于以上認(rèn)識,針對上述兩類去霧方法存在的問題,提出了改進(jìn)的清晰化處理方法,我們主要做了以下研究工作:通過深入分析已有兩類去霧模型存在的不足,我們提出了一種改進(jìn)的基于線性模型參數(shù)優(yōu)化搜索的去霧方法。首先,從模型機(jī)理上著手,根據(jù)兩類方法原理的線性本質(zhì),并考慮圖像獲取過程中的噪聲影響,給出了統(tǒng)一的線性模型描述形式。進(jìn)而,在模型方程的求解問題上,借助估計(jì)參數(shù)的先驗(yàn),充分利用遺傳算法自身具有的尋優(yōu)能力,將霧霾圖像的復(fù)原問題轉(zhuǎn)化為對原始未退化圖像的參數(shù)最優(yōu)估計(jì)問題,實(shí)現(xiàn)對模型參數(shù)的最優(yōu)搜索。最后,將最優(yōu)參數(shù)帶入線性模型方程并且復(fù)原出最佳去霧圖像。實(shí)驗(yàn)結(jié)果表明,該算法處理后的圖像邊緣細(xì)節(jié)清晰、場景自然、顏色信息豐富。通過對已有去霧方法效果的比對,并對其進(jìn)行圖像質(zhì)量評價(jià)。針對不同類別霧霾圖像清晰化效果存在的普適性差問題,我們提出了一種基于清晰度判決的自適應(yīng)單幅圖像去霧算法。首先,對輸入圖像計(jì)算清晰度判決函數(shù)并將霧霾圖像分類。進(jìn)而自適應(yīng)調(diào)用去霧算法依次進(jìn)行去霧處理。為了使去霧圖像的色度和對比度均能達(dá)到最優(yōu),這里我們對圖像質(zhì)量評價(jià)結(jié)果引入編碼決策方法。最后,輸出多種方法結(jié)果比較的最優(yōu)結(jié)果,實(shí)現(xiàn)去霧系統(tǒng)的整體最優(yōu)化。實(shí)驗(yàn)結(jié)果表明,經(jīng)該算法去霧后圖像對比度高,視覺效果好,算法普適性強(qiáng),該算法能夠很好的實(shí)現(xiàn)霧霾圖像清晰化。
【學(xué)位授予單位】：河南工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41
【圖文】：

(c)HE 算法結(jié)果 (d)直方圖均衡化直方圖圖 6 直方圖均衡化處理從圖 6 可以看出，通過直方圖均衡化方法可以增強(qiáng)圖像對比度，然而也存在一些缺點(diǎn)。直方圖變換后的圖像灰度級數(shù)量減少，使得圖像的某些局部細(xì)節(jié)信息丟失，經(jīng)過處理后像素?cái)?shù)量較多的灰度級容易出現(xiàn)過增強(qiáng)現(xiàn)象。2.4.2 自適應(yīng)直方圖均衡化方法自適應(yīng)直方圖均衡化算法(Adaptive Histogram Equalization, AHE)通過計(jì)算圖像局部區(qū)域的直方圖，并對該區(qū)域的直方圖進(jìn)行均衡化處理，使得圖像局部像素灰度重新分布，最終輸出一幅效果較佳的增強(qiáng)圖像。該算法對直方圖均衡化方法進(jìn)行改進(jìn)，其目的是充分利用圖像的局部信息，達(dá)到改善圖像對比度，增強(qiáng)視覺效果。直方圖均衡化算法使用一種單一的直方圖變換函數(shù)對整幅圖像進(jìn)行全局變換。該方法針對像素分布不均勻的部分圖像效果不佳，自適應(yīng)直方圖均衡化算法通過對局部區(qū)域執(zhí)行相應(yīng)的直方圖均衡化處

鏡像填充處理，然后對填充后的整個(gè)區(qū)域采用直方圖均衡化處理。上圖中藍(lán)色區(qū)域和綠色區(qū)域位于圖像內(nèi)部可直接利用直方圖均衡化方法進(jìn)行處理。另外，局部區(qū)域大小的選擇也是一個(gè)制約算法性能的決定性參數(shù)，區(qū)域選擇小，則對比度高，區(qū)域選擇大，則對比度低。當(dāng)某個(gè)區(qū)域內(nèi)包含的像素值非常相似時(shí)直方圖上像素增多，變換后的直方圖將會出現(xiàn)某些灰度級上像素?cái)?shù)量劇增。這將導(dǎo)致經(jīng)過直方圖均衡化處理后，部分灰度級變化緩慢的區(qū)域的像素伴隨少量噪音過度放大，如圖 8 所示。(a)原圖像 (b)原圖直方圖

河南工業(yè)大學(xué)碩士學(xué)位論文法的基礎(chǔ)上進(jìn)行改進(jìn)，主要是將其圖像直方圖進(jìn)行限幅處理，主要針對每個(gè)子增強(qiáng)之后的直方圖進(jìn)行限幅處理。變換函數(shù)的斜度決定像素值周邊對比度的放大與否。利用預(yù)先定義的閥值來裁。這樣即可以限制累計(jì)分布函數(shù)的斜度又可以限制變換函數(shù)的斜度。一般情況直方圖時(shí)容易忽略掉一些超過裁剪限幅的部分，這樣會使圖像信息量減少，需掉的部分均勻的補(bǔ)充到整個(gè)灰度分布直方圖上，如圖 9 所示。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

2 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開發(fā);2013年12期

3 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術(shù);2003年08期

4 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

5 宋建中;;噴霧圖像的自動分析[J];光學(xué)機(jī)械;1988年04期

6 高華;;關(guān)于古建筑圖像中破損點(diǎn)優(yōu)化提取仿真[J];計(jì)算機(jī)仿真;2017年11期

7 劉娟娟;劉斌;;低照度非線性光學(xué)圖像邊緣自適應(yīng)增強(qiáng)裝置設(shè)計(jì)[J];激光雜志;2017年03期

8 張琳梅;;基于圖像邊緣增強(qiáng)的改進(jìn)方法[J];信息系統(tǒng)工程;2016年03期

9 王水萍;鄒蕾;;空中模糊目標(biāo)圖像邊緣信息的融合與恢復(fù)方法[J];科技通報(bào);2014年06期

10 朱慶生;楊世泉;柳鋒;;基于圖像邊緣摘要的快速模板匹配[J];計(jì)算機(jī)應(yīng)用研究;2009年02期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強(qiáng)方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

6 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

7 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

8 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

9 楊唐文;王敏杰;秦勇;;融合圖像邊緣和區(qū)域特征的道路檢測算法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

10 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復(fù)方法[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊）[C];2001年

相關(guān)重要報(bào)紙文章 前6條

1 侯杰;國產(chǎn)芯片進(jìn)軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報(bào);2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報(bào);2003年

4 ;體驗(yàn)決定一切[N];中國計(jì)算機(jī)報(bào);2003年

5 Wang JS;摳圖又有新招[N];電腦報(bào);2002年

6 ;令挑剔的人也刮目相看[N];中國電子報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 王展;基于示溫漆圖像的溫度自動判讀算法研究[D];電子科技大學(xué);2018年

2 張s

本文編號：2780416