基于AS模型的单幅图像去雾霾方法研究

发布时间：2017-07-28 19:01

  本文关键词：基于AS模型的单幅图像去雾霾方法研究

  更多相关文章： 大气散射模型 大气光估计 成本函数 传输率

【摘要】：视觉系统伴随信息科学技术等的快速发展,在场景的捕获和处理中发挥的作用越来越重要,然而在空气中弥漫着水滴、烟雾等颗粒的状况下,由于微小粒子的散射作用,成像系统所捕获的图像质量退化,清晰度下降,颜色和对比度改变,图像中的许多场景被模糊化,这不仅影响到图像的视觉效果,对后续的信息提取与处理也造成了严重阻碍。因此对雾霾退化图像处理方法的研究具有重要的实际意义和广阔的应用范围。目前,对彩色退化图像的去雾霾方法主要有两类:一是不探究图像降质的起因,强调其整体或局部特性从而达到图像清晰化的图像增强方法;二是利用大气散射(Atmospheric Scattering,AS)模型的图像复原方法。本文属于第二种方法,从图像退化的物理成因出发,详细阐述了AS模型,并对一些基于AS模型的经典方法进行了综述。本文在AS模型的基础上研究单幅图像去雾霾方法,主要包含了以下研究内容:(1)根据AS模型中大气光和图像颜色空间的特性,在YCbCr空间中,使用四叉树分层搜索法估计大气光值,可以避免估计的不可靠性;(2)利用传输率局部平滑的特性,假设每个子类局部区域传输率是相同的,用快速、稳定的AP聚类算法代替需要人工设置大小的矩形窗口,根据图像像素点颜色特征将其自然地分割成若干个局部区域,用于局部区域传输率的估计;(3)基于一般情况下雾霾图像对比度较低,本文通过估计区域传输率使得对比度增强。然而,下降的对比度的补偿可能会引起像素值溢出,从而导致某些信息的损失。为此,本文设计了一个包含对比度和信息丢失的成本函数,通过最小化这个成本函数,为每个子类局部区域估计出增强复原图像对比度的同时又减少信息丢失的最佳传输率值;(4)对保持图像边缘细节信息的引导滤波算法在速度上进行改进,同时使用平滑的窗口增强边缘细节,以细化粗略的局部区域传输率图,更加突出了图像的边缘细节信息。实验对比证明,本文所提出的方法可以更有效地提高图像的主观视觉效果;从客观定量方面衡量,本文方法也优于其它3中经典的去雾霾算法。
【关键词】：大气散射模型 大气光估计 成本函数 传输率
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-14
• 1.1 课题研究背景及意义9
• 1.2 国内外的研究现状及本文研究重点9-12
• 1.2.1 国外研究现状10-11
• 1.2.2 国内研究现状11-12
• 1.2.3 本文的研究重点12
• 1.3 本文组织结构安排12-13
• 1.4 本章小结13-14
• 2 基于先验数据假设的经典去雾霾方法14-25
• 2.1 雾霾的形成及大气散射理论14-15
• 2.2 AS模型理论基础15-19
• 2.2.1 入射光衰减模型15-17
• 2.2.2 大气光成像模型17-18
• 2.2.3 雾霾图像退化模型18-19
• 2.3 基于先验数据假设的经典去雾霾方法19-24
• 2.3.1 Fattal去雾霾方法19-21
• 2.3.2 基于大气耗散函数的Tarel方法21-23
• 2.3.3 暗通道先验算法23-24
• 2.4 本章小结24-25
• 3 基于成本函数的相关变量估计25-38
• 3.1 大气光的估计25-27
• 3.2 基于成本函数的区域最佳传输率估计27-34
• 3.2.1 基于AP聚类的局部区域划分28-30
• 3.2.2 复原图像的对比度与信息丢失特性分析30-32
• 3.2.3 成本函数与最佳传输率估计32-34
• 3.3 相关参数设置34-36
• 3.3.1 AP聚类收敛参数设置34-36
• 3.3.2 成本函数权重参数设置36
• 3.4 本章小结36-38
• 4 基于改进引导滤波的传输率细化与图像复原38-47
• 4.1 传输率细化38-43
• 4.1.1 引导滤波38-40
• 4.1.2 快速的引导滤波40-42
• 4.1.3 基于平滑窗口的改进引导滤波42-43
• 4.2 参数设置43-44
• 4.3 图像的复原44-46
• 4.4 本章小结46-47
• 5 效果评价及实验结果分析47-55
• 5.1 主观视觉评价47-48
• 5.2 客观定量评价48-54
• 5.2.1 基于可见边的对比度增强评估方法49-51
• 5.2.2 基于视觉感知的去雾霾效果评价方法51-54
• 5.3 本章小结54-55
• 6 总结与展望55-57
• 6.1 总结55-56
• 6.2 展望56-57
• 参考文献57-62
• 攻读硕士学位期间所取得的研究成果62-63
• 致谢63-64

【参考文献】

中国期刊全文数据库 前10条

1 杨凡稳;曾志高;刘强;刘丽红;易胜秋;钟智彦;;基于AP聚类算法的图像分割应用与研究[J];计算技术与自动化;2015年03期

2 吴迪;朱青松;;图像去雾的最新研究进展[J];自动化学报;2015年02期

3 刘巧玲;张红英;;单幅图像快速去雾霾算法[J];西南科技大学学报;2014年03期

4 陈剑鹏;毕笃彦;张晟，

本文编号：585509