基于结构保持滤波的图像去雾算法研究
发布时间：2022-08-09 10:03
图像作为重要的信息载体,在当今社会发挥了越来越重要的作用。但由于受成像环境的限制,有时很难获得理想的可用图像。光学成像系统对雾和霾这类天气条件非常敏感,在雾霾环境下采集到的图像对比度和能见度会降低,不利于人们对场景的感知,并且严重影响其在许多视觉系统中的使用。图像去雾技术旨在消除图像的天气影响,并恢复场景的能见度和真实色彩。因此,图像去雾技术对对地观测、视频监控、数字娱乐和其他计算机视觉系统具有非常重要的意义,近年来受到了广泛的关注并且在实际应用中体现出巨大的应用潜力。本文针对基于物理成像模型的单幅图像去雾技术开展研究。由于构成有雾图像的成分都是未知的,因此单幅图像去雾是一个典型的逆向求解病态问题。采用图像滤波的方法来估计模型中的变量是本领域比较流行的做法,但现有的很多技术大都不能很好的复原场景结构,容易在去雾图像中造成不自然的人工痕迹。本文针对现有方法存在的问题提出了一系列基于结构保持滤波的图像去雾算法,主要贡献概括如下:1.现有的很多去雾方法都使用先验知识来估计透射率图,这在真实应用场景中往往都会存在不同程度的失效。本文采用对暗通道进行分解的方式来求解透射率图,使用一种非局部结构相...
【文章页数】：139 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.2 图像去雾的研究发展及现状
1.2.1 基于图像增强的方法
1.2.2 基于图像复原的方法
1.2.3 去雾图像质量评价
1.3 本章的研究内容及章节安排
1.3.1 主要研究内容
1.3.2 本文章节安排
第二章 雾天图像退化机理和降质模型分析
2.1 大气散射机理
2.1.1 景物辐射衰减模型
2.1.2 空气光
2.2 有雾图像降质模型
2.3 本章小结
第三章 基于非局部结构相似性约束的单幅图像去雾方法
3.1 引言
3.2 背景知识
3.2.1 基于暗通道的去雾方法
3.3 基于非局部结构相似性约束的图像去雾算法
3.3.1 搜索全局大气光
3.3.2 估计透射率图
3.3.3 透射率求解
3.3.4 去雾算法总结
3.4 实验结果与分析
3.4.1 实验设置
3.4.2 合成图像实验结果评估
3.4.3 真实有雾图像实验结果评估
3.5 本章小结
第四章 基于场景透射率自适应正则化的雾天图像复原方法
4.1 引言
4.2 有雾图像复原模型分析
4.3 基于非局部全变分正则化的透射率估计
4.3.1 透射率计算模型
4.3.2 模型求解
4.4 景深自适应正则化的场景辐射复原方法
4.4.1 场景辐射复原模型
4.4.2 模型求解
4.5 实验结果与分析
4.5.1 实验设置
4.5.2 合成有雾图像的实验结果
4.5.3 降质合成有雾图像的实验结果
4.5.4 真实有雾场景图像的实验结果
4.5.5 参数分析实验
4.5.6 算法效率分析
4.5.7 算法讨论
4.6 本章小结
第五章 基于非局部梯度稀疏约束结构感知滤波的去雾方法
5.1 引言
5.2 非局部梯度稀疏约束正则化模型
5.2.1 非局部梯度约束
5.2.2 非局部邻域搜索
5.2.3 非局部梯度稀疏约束
5.2.4 模型求解
5.2.5 基于结构感知滤波的图像去雾
5.3 算法分析
5.4 实验结果与分析
5.4.1 图像去雾
5.4.2 边缘保持图像平滑
5.4.3 图像去噪
5.4.4 JPEG压缩痕迹消除
5.4.5 细节增强
5.4.6 图像抽象画和铅笔画
5.4.7 色调映射
5.4.8 算法的局限性
5.5 本章小结
第六章 基于结构信息保持的可见光遥感图像去雾方法
6.1 引言
6.2 基于暗通道先验的单幅可见光遥感图像去雾
6.3 结构信息保持的去雾算法
6.3.1 可见光波段结构信息增强
6.3.2 大气透射率优化
6.4 实验结果与分析
6.5 小结
第七章 基于雾浓度预测的可见光遥感图像去雾方法
7.1 引言
7.2 基于雾浓度图的遥感图像去雾
7.2.1 遥感图像雾成像模型
7.2.2 使用HTM去雾
7.3 基于改进雾浓度图的去雾算法
7.3.1 地表辐射抑制的HTM
7.3.2 纹理和高亮物体去除
7.3.3 地表辐射抑制
7.3.4 每个波段的HTM计算
7.3.5 基于GRS-HTM的图像去雾
7.4 实验结果与分析
7.4.1 去雾效果主观评价
7.4.2 定量评估
7.4.3 算法复杂度
7.5 本章小结
第八章 总结与展望
8.1 工作总结
8.2 前景展望
参考文献
致谢
作者简介
本文编号：3672356
【文章页数】：139 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.2 图像去雾的研究发展及现状
1.2.1 基于图像增强的方法
1.2.2 基于图像复原的方法
1.2.3 去雾图像质量评价
1.3 本章的研究内容及章节安排
1.3.1 主要研究内容
1.3.2 本文章节安排
第二章 雾天图像退化机理和降质模型分析
2.1 大气散射机理
2.1.1 景物辐射衰减模型
2.1.2 空气光
2.2 有雾图像降质模型
2.3 本章小结
第三章 基于非局部结构相似性约束的单幅图像去雾方法
3.1 引言
3.2 背景知识
3.2.1 基于暗通道的去雾方法
3.3 基于非局部结构相似性约束的图像去雾算法
3.3.1 搜索全局大气光
3.3.2 估计透射率图
3.3.3 透射率求解
3.3.4 去雾算法总结
3.4 实验结果与分析
3.4.1 实验设置
3.4.2 合成图像实验结果评估
3.4.3 真实有雾图像实验结果评估
3.5 本章小结
第四章 基于场景透射率自适应正则化的雾天图像复原方法
4.1 引言
4.2 有雾图像复原模型分析
4.3 基于非局部全变分正则化的透射率估计
4.3.1 透射率计算模型
4.3.2 模型求解
4.4 景深自适应正则化的场景辐射复原方法
4.4.1 场景辐射复原模型
4.4.2 模型求解
4.5 实验结果与分析
4.5.1 实验设置
4.5.2 合成有雾图像的实验结果
4.5.3 降质合成有雾图像的实验结果
4.5.4 真实有雾场景图像的实验结果
4.5.5 参数分析实验
4.5.6 算法效率分析
4.5.7 算法讨论
4.6 本章小结
第五章 基于非局部梯度稀疏约束结构感知滤波的去雾方法
5.1 引言
5.2 非局部梯度稀疏约束正则化模型
5.2.1 非局部梯度约束
5.2.2 非局部邻域搜索
5.2.3 非局部梯度稀疏约束
5.2.4 模型求解
5.2.5 基于结构感知滤波的图像去雾
5.3 算法分析
5.4 实验结果与分析
5.4.1 图像去雾
5.4.2 边缘保持图像平滑
5.4.3 图像去噪
5.4.4 JPEG压缩痕迹消除
5.4.5 细节增强
5.4.6 图像抽象画和铅笔画
5.4.7 色调映射
5.4.8 算法的局限性
5.5 本章小结
第六章 基于结构信息保持的可见光遥感图像去雾方法
6.1 引言
6.2 基于暗通道先验的单幅可见光遥感图像去雾
6.3 结构信息保持的去雾算法
6.3.1 可见光波段结构信息增强
6.3.2 大气透射率优化
6.4 实验结果与分析
6.5 小结
第七章 基于雾浓度预测的可见光遥感图像去雾方法
7.1 引言
7.2 基于雾浓度图的遥感图像去雾
7.2.1 遥感图像雾成像模型
7.2.2 使用HTM去雾
7.3 基于改进雾浓度图的去雾算法
7.3.1 地表辐射抑制的HTM
7.3.2 纹理和高亮物体去除
7.3.3 地表辐射抑制
7.3.4 每个波段的HTM计算
7.3.5 基于GRS-HTM的图像去雾
7.4 实验结果与分析
7.4.1 去雾效果主观评价
7.4.2 定量评估
7.4.3 算法复杂度
7.5 本章小结
第八章 总结与展望
8.1 工作总结
8.2 前景展望
参考文献
致谢
作者简介
本文编号：3672356
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3672356.html
