retinex算法的图像去雾研究(源码)【字数：12167】
摘 要随着科技的不断进步，带来经济飞速发展的同时，环境也变得越来越差，雾霾天气的增多对人们的生产生活带来了非常严峻的影响。面对雾化的图像，Retinex理论对这种图像处理起来效果较好，但其缺点是处理量较大，耗费的时间长等问题，本文主要是对此算法进行改进，获得一个高质、高效的图像去雾算法。本文研究内容在分析传统的Retinex算法基本原理的基础上，针对该算法现在在处理雾化图像存上存在的不足，深入研究后提出一种改进的Retinex算法，该算法主要是从传统的RGB（Red，Green，Blue）颜色空间模型装换到HSV（Hue，Saturation，Value）颜色空间模型进行计算，大幅度降低图像去雾算法的数学计算量，该算法主要是对亮度分量V进行Retinex去雾处理，对饱和度S进行拉伸来扩展动态范围，在处理过程中始终保持色调H不变，这样既降低了去雾算法的数学计算量也可以避免传统Retinex算法带来的图像画面失真的现象，能够从像素点上增强多种自然图像和医学影像，更加真实的恢复图像原本的边缘、色彩和细节。该算法应用在雾化图像处理中，不论是在质量上还是效率上都比经典算法得到很好的改善，通过一系列计算机仿真实验结果表明本文提出的理论不论是在视觉效果还是在评价指标上都优于已有的传统算法。
目 录
第 1 章 绪论 1
1.1论文研究背景与意义 1
1.2国内外研究现状 1
1.3 本文的主要研究内容 2
1.4 本文的主要工作及结构安排 2
第 2 章 Retinex算法综述 4
2.1 Retinex理论 4
2.2 Retinex基本原理 4
2.3经典Retinex算法的缺陷 5
第 3 章 基于路径的Retinex算法的研究 7
3.1基于路径的Retinex理论 7
3.2基于不同路径的Retinex模型的图像像素强度 7
3.3 FrankleMcCann算法 8
3.3.1 FrankleMcCann算法基本原理 8
3.3.2 FrankleMcCann算法步骤 9
*好棒文|www.hbsrm.com +Q: ￥351916072￥
3.3.3 实验结果对比分析 10
第 4 章 基于中心/环绕Retinex方法 12
4.1单尺度Retinex算法（SSR算法） 12
4.2 SSR实验算法分析 13
4.3多尺度Retinex图像去雾算法 15
4.4 MSR算法处理结果分析 15
第 5 章 基于改进HSV的Retinex算法的研究与分析 17
5.1图像增强的基本方法? 17
5.1.1直方图均衡化 17
5.1.2均值滤波 17
5.2 Retinex问题的变分方法 17
5.2.1加权变分方法 18
5.3改进的Retinex算法 19
5.4颜色空间的转换 19
第 6 章 改进算法的实现与综合评价 22
6.1主观评价 22
6.2客观数据评价 22
6.3其他处理量 24
第 7 章 总结与展望 25
参 考 文 献 26
致 谢 28
第 1 章 绪论
1.1论文研究背景与意义
随着现代信息技术的不断进步，数字图像已经成为人们了解获取外界信息、传递信息的重要方式。并且得到了公众普遍的重视和广泛的应用，图像的使用遍布人们生活的各个领域。但是图像作为一种比较直观的信息载体在形成、记录、处理和传递的过程中往往会遇到各种问题，比如图像的降质，严重影响了图像的信息的传递，为此衍生出了图像增强这一技术。图像增强技术是以图像退化的数学模型为基础，利用不同的数学算法在退化的图像上进行祛除降质部分以及增强某些降质的像素点达到趋于原图像像素水平的一种方法。这种方法广泛应用于航空航天，医学手术，事故分析，交通检测，生产自动化，指纹人脸识别[1]等方面。
近几年全国两会期间，面对全国各大中城市饱受环境污染困扰的问题，各部门和政府官员十分重视，而大气污染治理问题依旧是人大代表和政协委员们讨论的热点。就拿2018年济南市城区环境质量[2]来说，2018年雾霾天数已经达到了132天，超过全年天数的三分之一，而雾霾天气不仅仅对人们身体健康带来威胁，还对交通运输，遥感监测，军事检测等方面带来不便的影响。因此一种高效便捷的去雾化算法的研究就显得十分重要。
1.2国内外研究现状
国内研究最典型代表是中国航天局对月球表面拍摄影像的增强，通过去雾算法得到能够使大众直观感受到的月球表面的具体样貌。孙波等人提出的Retinex算法采用了结合Canny算子的边缘检测方法，可以产生清晰的图像，同时避免过度曝光；2008年，王文等人通过提高卷积速度，对高斯模板进项修正，得到了一种较快的MSR算法；2009年，乔小燕等人通过模板卷积前后的灰度像素的对比，得出一种基于全局Retinex增强算法[3]。近几年张璇等人对传统的Retinex算法的局限性进行了深度的分析与讨论，提出来一种基于低通度滤波的Retinex算法，并且通过线性迭代的方法进一步降低了该方法的复杂度[4]。在国外Retinex理论最早是由美国著名物理学家Edwin.H.Land经过多年对人类视觉系统对抽象事物的亮度和色彩的感知能力研究提出来的，该理论是人类大脑皮层（Cortex）与视网膜（retina）的组合的缩写，因此又被业界广泛称为视网膜大脑皮层理论（RetinaCortex Theory）。2003年，Kimmel R.A提出了一种基于中心包裹方法的同态滤波Retinex算法；之后，Funt B和McCan联合提出了非线性Retinex算法；2011年，马文业将Retinex理论应用于医学领域，要针对的处理对象是模糊的医学影像，并将这种新方法称之为LRetinex新方法[5]。
1.3 本文的主要研究内容
基于Retinex算法的图像去雾的主要研究内容如下：
1.数字图像转换技术。在一副图像中，图像中的数组很大，因此直接在空间域中进行处理需要大量计算。因此，研究人员需要经常使用各种图像变换方法，如傅立叶变换，沃尔什变换，离散余弦变换和其他间接处理技术将空间域处理转换为变换域处理，这不仅减少了数学计算量，也能对图像实现更有效的处理。目前，新开发的小波变换方法在时域和频域都有较好的定位特性，在图像处理方面被大家广泛的使用。
2.数字图像的增强技术。图像增强的目的是为了改善图像的质量，包括去掉噪声和增强图像的清晰度[6]。图像增强方法抛开图像质量下降的原因，而是突出显示人们实验目的想得到的图像部分。通过增加图像中的高频分量，使图像中对象的轮廓变得尖锐，局部细节更加明显；例如，低频分量的增强就可以减少图像中噪声的影响，图像的恢复需要研究者对图像劣化的原因有一定的了解[7]。通常，应该基于退化过程建立“退化模型”，然后应该使用一些滤波方法来恢复或重建原始图像信息。
目 录
第 1 章 绪论 1
1.1论文研究背景与意义 1
1.2国内外研究现状 1
1.3 本文的主要研究内容 2
1.4 本文的主要工作及结构安排 2
第 2 章 Retinex算法综述 4
2.1 Retinex理论 4
2.2 Retinex基本原理 4
2.3经典Retinex算法的缺陷 5
第 3 章 基于路径的Retinex算法的研究 7
3.1基于路径的Retinex理论 7
3.2基于不同路径的Retinex模型的图像像素强度 7
3.3 FrankleMcCann算法 8
3.3.1 FrankleMcCann算法基本原理 8
3.3.2 FrankleMcCann算法步骤 9
*好棒文|www.hbsrm.com +Q: ￥351916072￥
3.3.3 实验结果对比分析 10
第 4 章 基于中心/环绕Retinex方法 12
4.1单尺度Retinex算法（SSR算法） 12
4.2 SSR实验算法分析 13
4.3多尺度Retinex图像去雾算法 15
4.4 MSR算法处理结果分析 15
第 5 章 基于改进HSV的Retinex算法的研究与分析 17
5.1图像增强的基本方法? 17
5.1.1直方图均衡化 17
5.1.2均值滤波 17
5.2 Retinex问题的变分方法 17
5.2.1加权变分方法 18
5.3改进的Retinex算法 19
5.4颜色空间的转换 19
第 6 章 改进算法的实现与综合评价 22
6.1主观评价 22
6.2客观数据评价 22
6.3其他处理量 24
第 7 章 总结与展望 25
参 考 文 献 26
致 谢 28
第 1 章 绪论
1.1论文研究背景与意义
随着现代信息技术的不断进步，数字图像已经成为人们了解获取外界信息、传递信息的重要方式。并且得到了公众普遍的重视和广泛的应用，图像的使用遍布人们生活的各个领域。但是图像作为一种比较直观的信息载体在形成、记录、处理和传递的过程中往往会遇到各种问题，比如图像的降质，严重影响了图像的信息的传递，为此衍生出了图像增强这一技术。图像增强技术是以图像退化的数学模型为基础，利用不同的数学算法在退化的图像上进行祛除降质部分以及增强某些降质的像素点达到趋于原图像像素水平的一种方法。这种方法广泛应用于航空航天，医学手术，事故分析，交通检测，生产自动化，指纹人脸识别[1]等方面。
近几年全国两会期间，面对全国各大中城市饱受环境污染困扰的问题，各部门和政府官员十分重视，而大气污染治理问题依旧是人大代表和政协委员们讨论的热点。就拿2018年济南市城区环境质量[2]来说，2018年雾霾天数已经达到了132天，超过全年天数的三分之一，而雾霾天气不仅仅对人们身体健康带来威胁，还对交通运输，遥感监测，军事检测等方面带来不便的影响。因此一种高效便捷的去雾化算法的研究就显得十分重要。
1.2国内外研究现状
国内研究最典型代表是中国航天局对月球表面拍摄影像的增强，通过去雾算法得到能够使大众直观感受到的月球表面的具体样貌。孙波等人提出的Retinex算法采用了结合Canny算子的边缘检测方法，可以产生清晰的图像，同时避免过度曝光；2008年，王文等人通过提高卷积速度，对高斯模板进项修正，得到了一种较快的MSR算法；2009年，乔小燕等人通过模板卷积前后的灰度像素的对比，得出一种基于全局Retinex增强算法[3]。近几年张璇等人对传统的Retinex算法的局限性进行了深度的分析与讨论，提出来一种基于低通度滤波的Retinex算法，并且通过线性迭代的方法进一步降低了该方法的复杂度[4]。在国外Retinex理论最早是由美国著名物理学家Edwin.H.Land经过多年对人类视觉系统对抽象事物的亮度和色彩的感知能力研究提出来的，该理论是人类大脑皮层（Cortex）与视网膜（retina）的组合的缩写，因此又被业界广泛称为视网膜大脑皮层理论（RetinaCortex Theory）。2003年，Kimmel R.A提出了一种基于中心包裹方法的同态滤波Retinex算法；之后，Funt B和McCan联合提出了非线性Retinex算法；2011年，马文业将Retinex理论应用于医学领域，要针对的处理对象是模糊的医学影像，并将这种新方法称之为LRetinex新方法[5]。
1.3 本文的主要研究内容
基于Retinex算法的图像去雾的主要研究内容如下：
1.数字图像转换技术。在一副图像中，图像中的数组很大，因此直接在空间域中进行处理需要大量计算。因此，研究人员需要经常使用各种图像变换方法，如傅立叶变换，沃尔什变换，离散余弦变换和其他间接处理技术将空间域处理转换为变换域处理，这不仅减少了数学计算量，也能对图像实现更有效的处理。目前，新开发的小波变换方法在时域和频域都有较好的定位特性，在图像处理方面被大家广泛的使用。
2.数字图像的增强技术。图像增强的目的是为了改善图像的质量，包括去掉噪声和增强图像的清晰度[6]。图像增强方法抛开图像质量下降的原因，而是突出显示人们实验目的想得到的图像部分。通过增加图像中的高频分量，使图像中对象的轮廓变得尖锐，局部细节更加明显；例如，低频分量的增强就可以减少图像中噪声的影响，图像的恢复需要研究者对图像劣化的原因有一定的了解[7]。通常，应该基于退化过程建立“退化模型”，然后应该使用一些滤波方法来恢复或重建原始图像信息。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/399.html
