暗通道理论的单帧图像去雾算法研究
摘 要雾霾是由于大气中漂浮的气溶胶，水蒸气分子等杂质吸收或散射太阳光而造成的现象。在雾霾天气下，我们采集到的图像退化严重、清晰度和对比度都不高、色彩较暗，这样获得的图像实用价值不高。这直接限制生活生产中一些工作的顺利进行如交通监测、航海作业、户外目标识别、卫星遥感监测等智能视觉系统的运用都将会受到影响。因此，利用有效的图像去雾方法增强所获取的数据的有效性和实用性具有重要的现实意义。近年来，人们逐渐意识到对图像进行去雾处理对生活生产，科学建设的重要性，海内外不少学者致力于图像去雾算法的研究，并且提出了很多的算法。何恺明等人通过大量的实验，提出了一种基于暗通道先验的单帧图像去雾算法，通过这种算法取得的图像对比度和清晰度都得到了保证，图像的可用性得到了提升，说明该理论可以用于图像的去雾。本文围绕暗通道理论进行研究，针对该理论中图像去雾算法的不足做出了改进，提出了一种基于暗通道理论的高斯低通滤波算法。摘 要 V
目录
ABSTRACT VI
第一章 绪论 1
1.1课题研究的背景与意义 1
1.2国内外对图像去雾算法研究的现状 2
1.2.1基于图像处理的雾天图像增强算法 2
1.2.2基于物理模型的雾天图像还原 4
1.3本文主要内容和结构 6
第二章 云雾图像复原 8
2.1大气光散射模型 8
2.2入射光衰减模型 8
2.3雾天图像的退化模型 9
2.4基于暗通道的去雾模型 10
第三章 暗通道理论 11
3.1 快速图像去雾的算法 11
3.1.1对透射率的估计 12
3.1.2 对大气光的成分的估计 13
3.2基于暗通道理论去雾算法的实验结果分析： 14
第四章 基于暗通道理论的改进 17
4.1 盒子滤波 17
4.2对透射率的优化 17
4.3利用高斯低通分离出大气光 17
4.4基于高斯低通滤波去雾的实验结果分析： 18
4.5本文实验结果分析： 20
第五章 本文总结与展望 21
5.1研究总结
*好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
21
5.2研究展望 21
致谢 22
实验工具——MATLAB介绍 22
参考文献 23
附录： 25
第一章 绪论
1.1课题研究的背景与意义
图像去雾算法的研究对道路安全，科学教育，法制建设，国家军事行动等方面都有非常重要的意义。现实中我们通过相机等图像采集设备所采集到的图像可能会应大气中含有尘埃，水蒸气，气溶胶等颗粒杂质的干扰而使图像的色彩暗淡，分辨率差，看起来不够清晰。一方面我们采集的这些图像应用价值不会太高，影响我们从图像中提取出准确的信息，而且还会影响后期对图像的处理；另一方面图像的不清晰还可能会影响各类依赖于光学成像仪器的工作, 如卫星遥感系统、航拍系统、室外监控和目标识别系统等；还可能影响到户外监控系统如道路监控系统对图像的采集，这不利于公安部门准确快速地对道路状况，车辆信息，往来人群可能造成的交通安全隐患进行系统还原、分析；还有军队执行任务时，需要对侦查员或无人机拍摄的照片进行去雾处理，从而获取更为准确的信息，制定准确的行动方案。雾天图像对我们生活生产的方方面面都有重要的影响，因而我们有必要对雾天的图像进行处理，从而提高图像的实用价值。
随着科学技术的发展，计算机视觉系统大多数广泛应用于户外工作,如城市交通，通讯，生物医学，监控遥感等,这就要求被提取的图像准确度高，足够清晰。但是，光在大气介质中传播时会受到悬浮颗粒散射、折射等复杂作用而发生变化,导致雾霾的形成，而且户外监视系统对景深的要求较高，并且天气变化无常，空气中不可避免的存在杂质，故户外监控系统获取的景物图像色彩度不高，清晰度不好、对比度低等严重影响了监控系统性能的发挥。因此,对恶劣天气条件下(雾的景物图像进行清晰化处理具有重要意义。近年来，国内许多研究学者也针对计算机视觉和图像处理领域的研究提出了很多算法，本文主要介绍基于暗通道先验理论的单帧图像处理的研究及对该方法的改进。
1.2国内外对图像去雾算法研究的现状
目前，国内外许多学者通过大量的科学实验，提出了基于图像处理和计算机视觉的图像去雾处理方法的两类模型：雾天图像增强算法和雾天图像还原算法，这两类算法都是为了改善图像的色彩度，提高图像的清晰度和对比度，从而达到图像去雾的目的。然而两种方法对图像去雾的机理大不相同：图像增强不考虑图像是如何退化的，只探讨通过各种计算机技术来增强图像的视觉效果，因此图像增强不考虑增强后的图像是否失真，只要达到人眼视觉舒服即可；而图像复原就完全不同，我们首先需要知道图像的退化机理和退化过程的先验知识，据此找出一种相应的还原解算的逆方法，从而得到复原的图像。
下面我们来介绍几种常见的雾天图像增强与还原算法。
1.2.1基于图像处理的雾天图像增强算法
对雾天图像进行增强其本质在于改善图像的人机“视觉效果”，图像增强不考虑去雾后图像降质的情况，只考虑图像增强后反应的一些特定信息即可。雾天图像增强针对雾霾图像的应用场合，有目的地强调雾天图像的整体和局部特性，扩大图像中不同局域间的差别，有目的地对图像进行锐化、平滑、去噪，对比度拉伸等处理，从而对图像附加一些信息或变化数据以增强处理后图像的视觉匹配特性，该方法的机理就在于突出图像中的某些特征而抑制另一些特征，或对图像简化数据提取，最终达到图像去雾的目的。雾天图像增强技术根据增强处理过程所在的空间或时间上的不同，可分为基于空间域的增强算法和基于频率域的增强算法。前者直接在图像所在的二维空间进行处理，后者则是先将图像从空间域按照某种变化模型变化到频率域，然后在频率域空间对图像进行处理再将其变化到空间域上。
迄今为止，国内外众多研究者对基于雾天图像的增强提出了多种算法，如直方图均衡化（Histogram?Equalization），基于Retinex的单尺度或多尺度图像增强算法，同态滤波去雾算法，小波变换去雾算法等。
直方图均衡去雾算法
在图像增强算法中，直方图是一种基于空间域的增强算法，它能有效地用于图像的增强。直方图直方图均衡化（Histogram?Equalization）的基本思想是建立图像的灰度直方图，然后利用灰度直方图，可以观察到图像中像素亮度的分布情况；进一步通过直方图均衡化、归一化等处理可以对图像的质量进行调整。直方图把原始图像的灰度直方图变化成均匀分布的形式，其所有灰度级的相对频数（概率）相同，此时图像的熵最大，图像包含的信息量最大，这样就增加了像素灰度值的动态范围，从而达到增强图像对比度的效果，简单来说，直方图增强的方法就是压缩直方图中比例少的像素所占用的灰度范围，多出来的灰度空间按照统计比例分配给直方图中比例高的像素使用，这种方法主要是针对人眼对灰度差别越大的图像更容易分辨的特点而做的增强。然而该算法没有考虑到图像的局部信息，实际中的图像取景通常复杂多变，对图像进行直方图均衡增强经常造成图像局部缺失，因此对比度的效果难以令人满意。J. Y.Kim[]等人重新提出了子块部分重叠直方图均衡化算法(POSHE）改善了直方图子块重叠的缺点。局部直方图均衡算法采用局部增强的方法很大程度上减小了场景深度的影响，使图像的每个区域对比度都得到改善，但这种方法也增强了灰度缓慢的区域（如天空，灯光），引入了噪声干扰。此外，Zimmerman[]等人想出的插值直方图均衡化算法，还有 Reza A[]等人提出的对比度受限直方图均衡化算法(CLAHE)，王萍[]等人提出的一种教育移动模板的雾天景物清晰化算法等等。这些算法的提出大大提高图像的对比度，减少了图像直方图均衡过程中可能造成的细节损失，增强了图像处理后的亮度，同时对雾天条件下景深影像的增强进行清晰化处理，方便了人们对直方图均衡去雾算法的研究。
目录
ABSTRACT VI
第一章 绪论 1
1.1课题研究的背景与意义 1
1.2国内外对图像去雾算法研究的现状 2
1.2.1基于图像处理的雾天图像增强算法 2
1.2.2基于物理模型的雾天图像还原 4
1.3本文主要内容和结构 6
第二章 云雾图像复原 8
2.1大气光散射模型 8
2.2入射光衰减模型 8
2.3雾天图像的退化模型 9
2.4基于暗通道的去雾模型 10
第三章 暗通道理论 11
3.1 快速图像去雾的算法 11
3.1.1对透射率的估计 12
3.1.2 对大气光的成分的估计 13
3.2基于暗通道理论去雾算法的实验结果分析： 14
第四章 基于暗通道理论的改进 17
4.1 盒子滤波 17
4.2对透射率的优化 17
4.3利用高斯低通分离出大气光 17
4.4基于高斯低通滤波去雾的实验结果分析： 18
4.5本文实验结果分析： 20
第五章 本文总结与展望 21
5.1研究总结
*好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
21
5.2研究展望 21
致谢 22
实验工具——MATLAB介绍 22
参考文献 23
附录： 25
第一章 绪论
1.1课题研究的背景与意义
图像去雾算法的研究对道路安全，科学教育，法制建设，国家军事行动等方面都有非常重要的意义。现实中我们通过相机等图像采集设备所采集到的图像可能会应大气中含有尘埃，水蒸气，气溶胶等颗粒杂质的干扰而使图像的色彩暗淡，分辨率差，看起来不够清晰。一方面我们采集的这些图像应用价值不会太高，影响我们从图像中提取出准确的信息，而且还会影响后期对图像的处理；另一方面图像的不清晰还可能会影响各类依赖于光学成像仪器的工作, 如卫星遥感系统、航拍系统、室外监控和目标识别系统等；还可能影响到户外监控系统如道路监控系统对图像的采集，这不利于公安部门准确快速地对道路状况，车辆信息，往来人群可能造成的交通安全隐患进行系统还原、分析；还有军队执行任务时，需要对侦查员或无人机拍摄的照片进行去雾处理，从而获取更为准确的信息，制定准确的行动方案。雾天图像对我们生活生产的方方面面都有重要的影响，因而我们有必要对雾天的图像进行处理，从而提高图像的实用价值。
随着科学技术的发展，计算机视觉系统大多数广泛应用于户外工作,如城市交通，通讯，生物医学，监控遥感等,这就要求被提取的图像准确度高，足够清晰。但是，光在大气介质中传播时会受到悬浮颗粒散射、折射等复杂作用而发生变化,导致雾霾的形成，而且户外监视系统对景深的要求较高，并且天气变化无常，空气中不可避免的存在杂质，故户外监控系统获取的景物图像色彩度不高，清晰度不好、对比度低等严重影响了监控系统性能的发挥。因此,对恶劣天气条件下(雾的景物图像进行清晰化处理具有重要意义。近年来，国内许多研究学者也针对计算机视觉和图像处理领域的研究提出了很多算法，本文主要介绍基于暗通道先验理论的单帧图像处理的研究及对该方法的改进。
1.2国内外对图像去雾算法研究的现状
目前，国内外许多学者通过大量的科学实验，提出了基于图像处理和计算机视觉的图像去雾处理方法的两类模型：雾天图像增强算法和雾天图像还原算法，这两类算法都是为了改善图像的色彩度，提高图像的清晰度和对比度，从而达到图像去雾的目的。然而两种方法对图像去雾的机理大不相同：图像增强不考虑图像是如何退化的，只探讨通过各种计算机技术来增强图像的视觉效果，因此图像增强不考虑增强后的图像是否失真，只要达到人眼视觉舒服即可；而图像复原就完全不同，我们首先需要知道图像的退化机理和退化过程的先验知识，据此找出一种相应的还原解算的逆方法，从而得到复原的图像。
下面我们来介绍几种常见的雾天图像增强与还原算法。
1.2.1基于图像处理的雾天图像增强算法
对雾天图像进行增强其本质在于改善图像的人机“视觉效果”，图像增强不考虑去雾后图像降质的情况，只考虑图像增强后反应的一些特定信息即可。雾天图像增强针对雾霾图像的应用场合，有目的地强调雾天图像的整体和局部特性，扩大图像中不同局域间的差别，有目的地对图像进行锐化、平滑、去噪，对比度拉伸等处理，从而对图像附加一些信息或变化数据以增强处理后图像的视觉匹配特性，该方法的机理就在于突出图像中的某些特征而抑制另一些特征，或对图像简化数据提取，最终达到图像去雾的目的。雾天图像增强技术根据增强处理过程所在的空间或时间上的不同，可分为基于空间域的增强算法和基于频率域的增强算法。前者直接在图像所在的二维空间进行处理，后者则是先将图像从空间域按照某种变化模型变化到频率域，然后在频率域空间对图像进行处理再将其变化到空间域上。
迄今为止，国内外众多研究者对基于雾天图像的增强提出了多种算法，如直方图均衡化（Histogram?Equalization），基于Retinex的单尺度或多尺度图像增强算法，同态滤波去雾算法，小波变换去雾算法等。
直方图均衡去雾算法
在图像增强算法中，直方图是一种基于空间域的增强算法，它能有效地用于图像的增强。直方图直方图均衡化（Histogram?Equalization）的基本思想是建立图像的灰度直方图，然后利用灰度直方图，可以观察到图像中像素亮度的分布情况；进一步通过直方图均衡化、归一化等处理可以对图像的质量进行调整。直方图把原始图像的灰度直方图变化成均匀分布的形式，其所有灰度级的相对频数（概率）相同，此时图像的熵最大，图像包含的信息量最大，这样就增加了像素灰度值的动态范围，从而达到增强图像对比度的效果，简单来说，直方图增强的方法就是压缩直方图中比例少的像素所占用的灰度范围，多出来的灰度空间按照统计比例分配给直方图中比例高的像素使用，这种方法主要是针对人眼对灰度差别越大的图像更容易分辨的特点而做的增强。然而该算法没有考虑到图像的局部信息，实际中的图像取景通常复杂多变，对图像进行直方图均衡增强经常造成图像局部缺失，因此对比度的效果难以令人满意。J. Y.Kim[]等人重新提出了子块部分重叠直方图均衡化算法(POSHE）改善了直方图子块重叠的缺点。局部直方图均衡算法采用局部增强的方法很大程度上减小了场景深度的影响，使图像的每个区域对比度都得到改善，但这种方法也增强了灰度缓慢的区域（如天空，灯光），引入了噪声干扰。此外，Zimmerman[]等人想出的插值直方图均衡化算法，还有 Reza A[]等人提出的对比度受限直方图均衡化算法(CLAHE)，王萍[]等人提出的一种教育移动模板的雾天景物清晰化算法等等。这些算法的提出大大提高图像的对比度，减少了图像直方图均衡过程中可能造成的细节损失，增强了图像处理后的亮度，同时对雾天条件下景深影像的增强进行清晰化处理，方便了人们对直方图均衡去雾算法的研究。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/1126.html
