基于Retinex理论和暗通道先验的夜间图像去雾算法
发布时间：2019-08-27 10:16
【摘要】：夜间图像去雾对夜间场景中的视频监控、目标识别等有重要应用价值。目前夜间图像去雾研究较少,且处理结果存在失真度高、细节模糊、稳健性差等缺点。针对以上情况,结合大气散射模型和夜间雾天图像成像特点,提出基于Retinex理论和暗通道先验的去雾算法。首先,根据Retinex理论求得夜间场景的有雾入射光图像和有雾反射光图像;其次,利用暗通道先验得到场景的无雾反射光图像;然后,分别根据夜间雾天图像和有雾反射光图像求得光源位置和景深,利用相机成像机理求得场景点与各光源的距离之和,进而求得无雾入射光图像;最后,利用Retinex理论复原得到夜间无雾图像。实验结果表明,本文算法不仅能彻底去雾,提高图像对比度,更能大幅度降低去雾过程中的颜色失真。
【图文】：
ｅｘ理论复原得到夜间无雾图像。２雾天图像成像模型２．１白天有雾图像成像模型依据大气散射模型，白天有雾图像的成像过程可以表示为Ｉ＝Ｊｔ＋Ａ（１－ｔ），（１）式中Ｉ是观察到的雾图像，Ｊ是不受空气介质干扰的实际场景图像，Ａ是大气光，ｔ是场景透射率。一般认为Ａ全局恒定，ｔ局部恒定；Ｊｔ称作直接衰减项，Ａ（１－ｔ）称作大气光成像项，白天图像去雾的目的是从已知图像Ｉ中恢复Ｊ，去除雾气对场景反射光的影响。２．２夜间雾天图像成像模型图１夜间雾天图像成像模型Ｆｉｇ．１Ｎｉｇｈｔｔｉｍｅｈａｚｅｉｍａｇｉｎｇｍｏｄｅｌ与白天有雾图像不同，夜间雾天图像的成像光源包括自然光源和人工光源，自然光源的光强全局近似恒定，但人工光源发射到达场景点的光强与场景点到光源的距离有关，因此图像的大气光值全局不恒定。此外，雾气对图像质量的影响包括两部分：１）影响目标场景反射到达图像采集设备的成像质量；２）降低人工光源发射到场景点的入射光强度。一般情况下，自然光源光强较弱，人工光源是主要光源，，因此，大气光近似０４１００２－２
的过程近似满足大气散射模型，不同的是大气光全局不恒定［１３］，因此夜间雾天图像成像模型可表示为Ｉｃｉ＝Ｊｃｉｔｉ＋Ａγｉｃｉ（１－ｔｉ）＝ＡγｉｃｉＲｃｉｔｉ＋Ａγｉｃｉ（１－ｔｉ）。（３）夜间雾天图像去雾的目的是从Ｉｃｉ中求得ＡｃｉＲｃｉ。３夜间图像去雾算法根据（３）式可知，夜间图像去雾是一个病态过程，为此，假设透射率ｔｉ在景深变化较小处局部恒定。所提夜间图像去雾算法如图２所示，各步骤结果如图３所示，其中图３（ａ）（ｉ）依次为夜间雾天图像、有雾反射图、有雾入射图、暗通道图像、夜间无雾图像、无雾反射图、景深图、光源位置图、无雾入射图。图２夜间图像去雾算法流程图Ｆｉｇ．２Ｄｅｆｏｇｇｉｎｇｐｒｏｃｅｓｓｏｆｎｉｇｈｔｔｉｍｅｈａｚｅｉｍａｇｅ图３本文算法各步骤结果图Ｆｉｇ．３Ｒｅｓｕｌｔｓｏｆｅａｃｈｓｔｅｐｆｏｒｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ３．１基于Ｒｅｔｉｎｅｘ理论的图像分离（３）式可改写为Ｉｃｉ＝Ａγｉｃｉ×s撸遥悖椋ǎ矗┦街衧撸遥悖椋剑遥悖椋簦椋
本文编号：2529704
【图文】：
ｅｘ理论复原得到夜间无雾图像。２雾天图像成像模型２．１白天有雾图像成像模型依据大气散射模型，白天有雾图像的成像过程可以表示为Ｉ＝Ｊｔ＋Ａ（１－ｔ），（１）式中Ｉ是观察到的雾图像，Ｊ是不受空气介质干扰的实际场景图像，Ａ是大气光，ｔ是场景透射率。一般认为Ａ全局恒定，ｔ局部恒定；Ｊｔ称作直接衰减项，Ａ（１－ｔ）称作大气光成像项，白天图像去雾的目的是从已知图像Ｉ中恢复Ｊ，去除雾气对场景反射光的影响。２．２夜间雾天图像成像模型图１夜间雾天图像成像模型Ｆｉｇ．１Ｎｉｇｈｔｔｉｍｅｈａｚｅｉｍａｇｉｎｇｍｏｄｅｌ与白天有雾图像不同，夜间雾天图像的成像光源包括自然光源和人工光源，自然光源的光强全局近似恒定，但人工光源发射到达场景点的光强与场景点到光源的距离有关，因此图像的大气光值全局不恒定。此外，雾气对图像质量的影响包括两部分：１）影响目标场景反射到达图像采集设备的成像质量；２）降低人工光源发射到场景点的入射光强度。一般情况下，自然光源光强较弱，人工光源是主要光源，，因此，大气光近似０４１００２－２
的过程近似满足大气散射模型，不同的是大气光全局不恒定［１３］，因此夜间雾天图像成像模型可表示为Ｉｃｉ＝Ｊｃｉｔｉ＋Ａγｉｃｉ（１－ｔｉ）＝ＡγｉｃｉＲｃｉｔｉ＋Ａγｉｃｉ（１－ｔｉ）。（３）夜间雾天图像去雾的目的是从Ｉｃｉ中求得ＡｃｉＲｃｉ。３夜间图像去雾算法根据（３）式可知，夜间图像去雾是一个病态过程，为此，假设透射率ｔｉ在景深变化较小处局部恒定。所提夜间图像去雾算法如图２所示，各步骤结果如图３所示，其中图３（ａ）（ｉ）依次为夜间雾天图像、有雾反射图、有雾入射图、暗通道图像、夜间无雾图像、无雾反射图、景深图、光源位置图、无雾入射图。图２夜间图像去雾算法流程图Ｆｉｇ．２Ｄｅｆｏｇｇｉｎｇｐｒｏｃｅｓｓｏｆｎｉｇｈｔｔｉｍｅｈａｚｅｉｍａｇｅ图３本文算法各步骤结果图Ｆｉｇ．３Ｒｅｓｕｌｔｓｏｆｅａｃｈｓｔｅｐｆｏｒｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ３．１基于Ｒｅｔｉｎｅｘ理论的图像分离（３）式可改写为Ｉｃｉ＝Ａγｉｃｉ×s撸遥悖椋ǎ矗┦街衧撸遥悖椋剑遥悖椋簦椋
本文编号：2529704
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2529704.html
