基于颜色空间和边缘保持的单幅图像去雾算法研究

发布时间：2021-02-07 02:06

　　随着信息化、智能化时代的到来,计算机视觉已成为智能交通、国防和航空等领域的中流砥柱。而当今经济和科技的快速发展,使环境和空气质量每况愈下,雾霾天气频发,这又影响着户外监控系统。因此,如何高效的将有雾图像复原成视觉效果良好的图像已成为全球学者关注的热点。论文结合暗通道先验理论、大气散射模型、颜色空间、边缘保持算法、Retinex增强算法等理论进行仿真实验和总结,提出两种新型的去雾算法。（1）结合Lab空间和单尺度Retinex的图像去雾算法针对暗通道先验算法在景深突变处出现Halo效应,及明亮区域透射率估计过小的问题提出一种结合Lab空间和单尺度Retinex的图像去雾算法。首先,将RGB图像转换至Lab空间提取出亮度分量,利用Canny算子对亮度分量提取边缘信息,丰富恢复图像细节;其次,利用单尺度Retinex对非边缘区域进行高斯自适应滤波估计出优化后的亮度分量,获得“伪”去雾图像,得到粗略的透射率;然后,利用交叉双边滤波对透射率进行优化;最后,基于大气散射模型恢复出需要的无雾图像。从实验结果可以看出,该方法恢复出的图像细节明显,整体平滑,且对含大片天空区域的图像也有较好的恢复效果。（... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

全国雾实况图

受雾霾

基于颜色空间和边缘保持的单幅图像去雾算法研究-2-图1.2受雾霾影响户外图像1.2图像去雾领域国内外研究现状目前图像去雾方法主要有四类：图像复原方法、图像增强方法、图像融合方法和机器学习方法[1]。图像复原算法通过分析雾图降质机理，建立图像退化模型，充分利用假设或已知的先验知识，反演推导，最后求得无雾图像，该方法去雾效果自然，一般不会有信息损失，因此该方法目前受到国内外研究学者的青睐。图像增强方法在处理图像时不考虑退化因素，只为满足视觉感知，不能实现真正意义上的去雾；图像融合方法将有雾图像分为亮度图、色度图、显著图，分别作用于输入图，最后通过多尺度融合恢复图像，这类算法处理的图像细节丰富，色彩自然；机器学习方法通过训练数据获得模型实现去雾，但受数据集约束，具有一定的局限性。图1.3为图像去雾算法主要分类及各类代表算法。1.2.1图像增强方法目前，基于图像增强方法的研究主要分为以下两种：(1)基于Retinex理论的增强算法Land等人[2]1971年依据人类视觉对亮度和颜色的感知首次提出了Retinex理论，Retinex是由“retin(视网膜)”和“cortex(皮层)”构成，中文名叫视网膜大脑皮层理论。认为我们观察到的图像是由物体本身图像和光照图像混合而成的，而人眼对物体颜色的感知与外界环境的光照无关。因此用该理论进行图像去雾，只需要将物体本身图像从现有图像中分离出来就可以实现去雾。McCann等人提出了算法相当复杂且复原效果不佳的两种算法（McCann99Retinex和Frankle-McCannRetinex）[4]。之后Jobson等人[5]提出了算法复杂度和效果都更佳的单尺度Retinex算法（Single-ScaleRetinex，SSR），但该算法由于尺度参数取值敏感，造成复原图像的颜色和细节无法满足需求。而后，McCann等人改进了SSR算

【参考文献】：
期刊论文
[1]结合Lab空间和单尺度Retinex的自适应图像去雾算法[J]. 马文君,刘金虎,王小鹏,孙士伟.  应用光学. 2020(01)
[2]基于补偿透射率和自适应雾浓度系数的图像复原算法[J]. 杨燕,王志伟.  通信学报. 2020(01)
[3]基于HSV颜色空间的快速边缘提取算法[J]. 王红雨,尹午荣,汪梁,胡江颢,乔文超.  上海交通大学学报. 2019(07)
[4]混合先验与加权引导滤波的图像去雾算法[J]. 李喆,李建增,胡永江,张岩.  中国图象图形学报. 2019(02)
[5]基于Lab颜色空间纹理特征的图像前后景分离[J]. 杨超,刘本永.  激光与光电子学进展. 2019(12)
[6]基于高斯衰减的自适应线性变换去雾算法[J]. 姜沛沛,杨燕.  激光与光电子学进展. 2019(10)
[7]基于光补偿和逐像素透射率的图像复原算法[J]. 杨燕,陈高科.  通信学报. 2017(05)
[8]图像去雾的最新研究进展[J]. 吴迪,朱青松.  自动化学报. 2015(02)
[9]基于融合策略的单幅图像去雾算法[J]. 郭璠,唐琎,蔡自兴.  通信学报. 2014(07)
[10]基于偏微分方程的户外图像去雾方法[J]. 孙玉宝,肖亮,韦志辉,吴慧中.  系统仿真学报. 2007(16)



本文编号：3021461