雾天图像去雾技术的研究
雾天图像去雾技术的研究
(1)针对雾天图像景物深度变化大的特点，利用自适应直方图均衡化方法对雾天图像进行局部细节信息增强。本文深入分析了包括子块不重叠直方图均衡化，子块部分重叠直方图均衡化，插值自适应直方图均衡化等多种自适应直方图均衡化方法在雾天图像去雾上的应用。
(2)对Retinex的算法在图像对比度增强上的应用作了简单介绍。本文主要讨论基于中心环绕的Retinex算法在图像增强上的应用，并分别比较和分析了单尺度Retinex和多尺度Retinex算法的优劣。
(3)本文还实现了一种基于物理模型的图像复原方法——基于暗原色先验的去雾算法。 HM000086
实验结果及理论分析表明，本文所采用的算法对于雾天图像的清晰化效果显著，能满足实际应用的要求。本文的研究工作将为雾天图像增强的进一步研究打下良好的基础。
关键词：雾天降质图像；对比度增强；自适应直方图均衡化；单尺度Retinex；多尺度Retinex；基于暗原色先验的去雾算法
一、拉普拉斯变换
拉普拉斯算子比较适用于改善因为光线的漫反射造成的图像模糊[21][22]。拉普拉斯算子法是最常用的边缘增强处理算子，它是各向同性的二阶导数，一个连续的二元函数，它在位置处的拉普拉斯运算定义为：
拉普拉斯算子对于边缘是敏感的。一般增强技术对于陡峭的边缘和缓慢变化的边缘很难确定其边缘线的位置。此算子却可用二次微分正峰和负峰之间的过零点来确定。从公式可以看出此算子对孤立点或端点更为敏感，因此特别适用于以突出图像中的孤立点，孤立线或线端点为目的的场合。
二、图像锐化
图像锐化处理的作用是使边缘和轮廓线模糊地图像变得清晰，使其细节变得清晰[21][22]。图像模糊的实质就是图像受到平均运算或积分运算，因此可以对图像进行逆运算，如微分运算以突出图像细节使图像变得更为清晰。
由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区
域，减弱灰度的慢变化区域。因此，锐化处理可选择拉普拉斯算子对原图像
进行处理产生描述灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产
生锐化图像。拉普拉斯锐化的基本方法可以由下式表示：
（2.17）
这种简单的锐化方法既可以产生拉普拉斯锐化处理的效果，同时又能保留背景信息。将原始图像叠加到拉普拉斯变换的处理结果中去，可以使图像中的各灰度值得到保留，灰度突变处的对比度得到增强，最终结果是在保留图像背景的前提下，突现出图像中小的细节。
摘 要 I
Abstract II
第1章 绪 论 1
1.1 课题背景 1
1.2 研究现状 2
1.2.1图像对比度增强方法 2
1.2.2基于大气物理模型的图像复原方法 4
1.3 本文目标和主要工作 5
1.4 本文结构安排 5
第2章 雾天图像增强基础理论 7
2.1 大气散射物理模型 7
2.1.1入射光衰减模型 7
2.1.2大气光成像模型 7
2.1.3雾天降质图像的退化模型 8
2.1.4大气散射的波长相关性 9
2.2 图像增强基础理论 9
2.2.1直方图均衡化 9
2.2.2同态滤波 10
2.2.3拉普拉斯变换及图像锐化 11
2.3 彩色图像基础 13
2.3.1彩色模型 13
2.3.2彩色空间的转换 14
2.4 本章小结 15
第3章 基于直方图均衡化的图像增强算法 16
3.1 全局直方图均衡化 16
3.2 子块重叠直方图均衡化 19
3.3 子块非重叠直方图均衡化 20
3.4 子块部分重叠直方图均衡化 21
3.4.1基本思想 21
3.4.2算法描述 23
3.4.3实验结果及分析 25
3.5 插值自适应直方图均衡化 27
3.5.1基本思想 27
3.5.2算法描述 28
3.5.3实验结果及分析 29
3.6 本章小结 30
第4章 基于中心环绕的Retinex图像增强算法 31
4.1 单尺度Retinex算法 31
4.2 多尺度Retinex算法 33
4.3 Retinex算法结果分析 34
4.4 本章小结 36
第5章 基于暗原色先验的去雾算法 37
5.1 算法描述 37
5.2 算法结果 39
5.3 本章小结 40
第6章 总结与展望 41
6.1 总结 41
6.2 展望 42
参考文献 43
致 谢 46
附 录 48
英文原文 49
英文翻译 68
(1)针对雾天图像景物深度变化大的特点，利用自适应直方图均衡化方法对雾天图像进行局部细节信息增强。本文深入分析了包括子块不重叠直方图均衡化，子块部分重叠直方图均衡化，插值自适应直方图均衡化等多种自适应直方图均衡化方法在雾天图像去雾上的应用。
(2)对Retinex的算法在图像对比度增强上的应用作了简单介绍。本文主要讨论基于中心环绕的Retinex算法在图像增强上的应用，并分别比较和分析了单尺度Retinex和多尺度Retinex算法的优劣。
(3)本文还实现了一种基于物理模型的图像复原方法——基于暗原色先验的去雾算法。 HM000086
实验结果及理论分析表明，本文所采用的算法对于雾天图像的清晰化效果显著，能满足实际应用的要求。本文的研究工作将为雾天图像增强的进一步研究打下良好的基础。
关键词：雾天降质图像；对比度增强；自适应直方图均衡化；单尺度Retinex；多尺度Retinex；基于暗原色先验的去雾算法
一、拉普拉斯变换
拉普拉斯算子比较适用于改善因为光线的漫反射造成的图像模糊[21][22]。拉普拉斯算子法是最常用的边缘增强处理算子，它是各向同性的二阶导数，一个连续的二元函数，它在位置处的拉普拉斯运算定义为：
拉普拉斯算子对于边缘是敏感的。一般增强技术对于陡峭的边缘和缓慢变化的边缘很难确定其边缘线的位置。此算子却可用二次微分正峰和负峰之间的过零点来确定。从公式可以看出此算子对孤立点或端点更为敏感，因此特别适用于以突出图像中的孤立点，孤立线或线端点为目的的场合。
二、图像锐化
图像锐化处理的作用是使边缘和轮廓线模糊地图像变得清晰，使其细节变得清晰[21][22]。图像模糊的实质就是图像受到平均运算或积分运算，因此可以对图像进行逆运算，如微分运算以突出图像细节使图像变得更为清晰。
由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区
域，减弱灰度的慢变化区域。因此，锐化处理可选择拉普拉斯算子对原图像
进行处理产生描述灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产
生锐化图像。拉普拉斯锐化的基本方法可以由下式表示：
（2.17）这种简单的锐化方法既可以产生拉普拉斯锐化处理的效果，同时又能保留背景信息。将原始图像叠加到拉普拉斯变换的处理结果中去，可以使图像中的各灰度值得到保留，灰度突变处的对比度得到增强，最终结果是在保留图像背景的前提下，突现出图像中小的细节。
摘 要 I
Abstract II
第1章 绪 论 1
1.1 课题背景 1
1.2 研究现状 2
1.2.1图像对比度增强方法 2
1.2.2基于大气物理模型的图像复原方法 4
1.3 本文目标和主要工作 5
1.4 本文结构安排 5
第2章 雾天图像增强基础理论 7
2.1 大气散射物理模型 7
2.1.1入射光衰减模型 7
2.1.2大气光成像模型 7
2.1.3雾天降质图像的退化模型 8
2.1.4大气散射的波长相关性 9
2.2 图像增强基础理论 9
2.2.1直方图均衡化 9
2.2.2同态滤波 10
2.2.3拉普拉斯变换及图像锐化 11
2.3 彩色图像基础 13
2.3.1彩色模型 13
2.3.2彩色空间的转换 14
2.4 本章小结 15
第3章 基于直方图均衡化的图像增强算法 16
3.1 全局直方图均衡化 16
3.2 子块重叠直方图均衡化 19
3.3 子块非重叠直方图均衡化 20
3.4 子块部分重叠直方图均衡化 21
3.4.1基本思想 21
3.4.2算法描述 23
3.4.3实验结果及分析 25
3.5 插值自适应直方图均衡化 27
3.5.1基本思想 27
3.5.2算法描述 28
3.5.3实验结果及分析 29
3.6 本章小结 30
第4章 基于中心环绕的Retinex图像增强算法 31
4.1 单尺度Retinex算法 31
4.2 多尺度Retinex算法 33
4.3 Retinex算法结果分析 34
4.4 本章小结 36
第5章 基于暗原色先验的去雾算法 37
5.1 算法描述 37
5.2 算法结果 39
5.3 本章小结 40
第6章 总结与展望 41
6.1 总结 41
6.2 展望 42
参考文献 43
致 谢 46
附 录 48
英文原文 49
英文翻译 68
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/2285.html
