沙尘天气图像清晰化算法研究
发布时间：2021-07-16 15:23
沙尘天气下,悬浮在空中的沙粒对空气中传播的光线造成了吸收、散射等影响,使得采集到的图像出现不同程度的退化,具体表现为颜色偏移和清晰度低。这严重影响了城市安全监控和道路交通监控等依赖于计算机视觉的智能系统的正常工作。针对这些问题,本文围绕沙尘天气下获得的图像的清晰化方法展开了研究:1.针对沙尘天气图像颜色偏移,对比度低的问题,从图像复原的角度提出了一种沙尘降质图像清晰化算法。该算法由基于高斯模型的偏色校正和基于明暗通道的对比度增强两个部分组成。首先根据沙尘降质图像的RGB 3个通道直方图的分布特点,使用高斯模型分别对各通道进行建模,从而进行颜色调整,解决沙尘图像的偏色问题。其次采用暗通道先验去雾的原理,结合亮通道,计算像素级的大气光值。然后对透射图和大气光值进行优化,从而恢复出清晰的无沙尘图像。最后通过实验表明本文算法可以有效的提高沙尘降质图像的重建主观质量,但是在处理信息退化严重的沙尘图像时效果不佳;2.针对严重退化的沙尘天气图像存在的图像蓝色通道信息损失,对比度低且亮度不均的问题,从图像恢复和图像增强优势互补的角度,提出了一种基于Lab空间的沙尘图像清晰化方法,可以有效的增强不同程度...
【文章来源】：海南大学海南省 211工程院校
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
沙尘天气图像
海南大学硕士学位论文52沙尘环境图像清晰化理论基础2.1引言本章首先介绍了沙尘天气图像的成像模型，然后分析了沙尘天气图像清晰化需要克服的问题，最后介绍了图像清晰化处理中几种经典的图像增强和复原方法。其中图像增强类算法主要介绍了限制对比自适应直方图均衡化方法和带色彩多尺度Retinex方法，而图像复原类算法主要介绍了经典的暗通道先验去雾算法。2.2沙尘天气物体成像模型在沙尘天气下，户外拍摄系统采集到的图像的清晰度和色彩发生退化。与晴朗天气下大气中的微粒基本可以忽略的情况不同，在沙尘天气下，空气中被卷入了大量的半径较大的沙尘颗粒，这导致物体反射的光在传播到接收器之前与沙尘介质发生了散射、吸收和辐射等交互作用（乌音嘎，2016）。图2-1展示的是沙尘天气下景物成像过程。图2-1沙尘天气下物体成像示意图Fig.2-1Objectimagingdiagraminsand-dustweather从上图中可以看出，影响物体成像的光线由入射光直接衰减部分和大气光部分组成，其中入射光衰减指得是景物反射的光线经沙尘颗粒散射后到达接收器的部分；大气光指得是环境光对景物的影响。其用公式表示如下：)1)((),()()(0dddEeeEE（2-1）
海南大学硕士学位论文7（b）信息退化严重的沙尘图像及其直方图图2-2不同程度的沙尘降质图像存在的颜色信息退化Fig.2-2Thedegradationofcolorinformationindifferentdegreesofdustyimages2.4基于增强和复原的图像清晰化方法本小节介绍了几种常用的彩色图像清晰化方法及理论。其中，限制对比自适应直方图均衡化方法和带色彩多尺度Retinex图像增强方法，在解决沙尘图像偏色问题和提高图像对比度上有着较好的效果，而暗通道去雾算法作为经典的图像复原算法，其理论被广泛应用于图像清晰化领域中。2.4.1限制对比自适应直方图均衡化方法直方图均衡化算法属于灰度变换方法，其思想是把待处理图像的直方图从比较集中的灰度区间扩展到整个灰度区间，从而提高图像整体对比度（张秀，2019）。原始的直方图均衡算法对图像全局采用相同的变换方法，这对于那些像素值分布相对均匀的图像效果尚佳。但对于存在明显的过亮或过暗的区域的图像，将不能有效的增强这些区域的对比度。自适应直方图均衡化（AdaptiveHistogramEquation，AHE）算法通过对局部区域执行相应的直方图均衡操作来解决上述问题。在解决图像亮度不均问题的同时对图像纹理信息进行增强，但是相应的放大了图像中的噪声，并且有明显的块效应（CelebiAetal.，2015）。针对这一问题，有学者在AHE的基础上进一步提出了限制对比自适应均衡化算法（Contrastlimitadaptivehistogramequalization，CLAHE），该算法同AHE的区别在于增加了对比度的限制，CLAHE将直方图大于阈值的部分裁减掉，然后将像素重新分配到每个灰度级，从而抑制图像中被增强的噪声（SasiNMetal.，2013；MittalAetal.，2017）。CLAHE的算法的具体操作为：（1）将输入的图像划分为NM个块，8行8列是常用选择，彩色图像需要分通道进?
【参考文献】：
期刊论文
[1]基于亮通道和暗通道结合的图像去雾[J]. 卢辉斌,赵燕芳,赵永杰,温淑焕,马金荣,Lam Hak Keung,王洪斌. 光学学报. 2018(11)
[2]基于偏色校正和信息损失约束的沙尘暴降质图像增强算法[J]. 潘海明,田润,刘春晓,龚辰. 计算机辅助设计与图形学学报. 2018(06)
[3]基于Lab色彩空间和色调映射的彩色图像增强算法[J]. 赵军辉,吴玉峰,胡坤融,蒲斌. 计算机科学. 2018(02)
[4]基于天空分割的单幅图像去雾算法[J]. 毛祥宇,李为相,丁雪梅. 计算机应用. 2017(10)
[5]沙尘降质图像清晰化算法[J]. 智宁,毛善君,李梅. 中国图象图形学报. 2016(12)
[6]对行车视程估值的车前图像去雾算法[J]. 傅继贤,龙伟,李炎炎. 科学技术与工程. 2016(27)
[7]北方沙尘暴天气的起因与防治[J]. 张岚彪. 现代农业. 2016(07)
[8]基于暗原色先验的沙尘天气图像恢复算法研究[J]. 李海燕,钟梦之. 喀什大学学报. 2016(03)
[9]基于DSP的雾天监控视频图像清晰化处理方法研究[J]. 王昌瑞. 中国管理信息化. 2016(10)
[10]面向智能交通的雾天车牌识别系统的设计与实现[J]. 李志明. 自动化与仪器仪表. 2015(12)
硕士论文
[1]基于单幅图像的沙尘图像清晰化方法及系统[D]. 张秀.西安理工大学 2019
[2]基于多尺度融合的水下图像增强方法研究[D]. 王文.哈尔滨工程大学 2019
[3]基于计算机视觉的安全辅助驾驶系统[D]. 李林糠.西安电子科技大学 2018
[4]沙尘环境下图像和视频增强算法的研究[D]. 乌音嘎.内蒙古大学 2016
[5]基于沙尘环境下视频图像清晰化算法的研究[D]. 延婷.新疆大学 2015
[6]沙尘天气图像清晰化处理方法研究[D]. 吕方舟.宁夏大学 2015
本文编号：3287267
【文章来源】：海南大学海南省 211工程院校
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
沙尘天气图像
海南大学硕士学位论文52沙尘环境图像清晰化理论基础2.1引言本章首先介绍了沙尘天气图像的成像模型，然后分析了沙尘天气图像清晰化需要克服的问题，最后介绍了图像清晰化处理中几种经典的图像增强和复原方法。其中图像增强类算法主要介绍了限制对比自适应直方图均衡化方法和带色彩多尺度Retinex方法，而图像复原类算法主要介绍了经典的暗通道先验去雾算法。2.2沙尘天气物体成像模型在沙尘天气下，户外拍摄系统采集到的图像的清晰度和色彩发生退化。与晴朗天气下大气中的微粒基本可以忽略的情况不同，在沙尘天气下，空气中被卷入了大量的半径较大的沙尘颗粒，这导致物体反射的光在传播到接收器之前与沙尘介质发生了散射、吸收和辐射等交互作用（乌音嘎，2016）。图2-1展示的是沙尘天气下景物成像过程。图2-1沙尘天气下物体成像示意图Fig.2-1Objectimagingdiagraminsand-dustweather从上图中可以看出，影响物体成像的光线由入射光直接衰减部分和大气光部分组成，其中入射光衰减指得是景物反射的光线经沙尘颗粒散射后到达接收器的部分；大气光指得是环境光对景物的影响。其用公式表示如下：)1)((),()()(0dddEeeEE（2-1）
海南大学硕士学位论文7（b）信息退化严重的沙尘图像及其直方图图2-2不同程度的沙尘降质图像存在的颜色信息退化Fig.2-2Thedegradationofcolorinformationindifferentdegreesofdustyimages2.4基于增强和复原的图像清晰化方法本小节介绍了几种常用的彩色图像清晰化方法及理论。其中，限制对比自适应直方图均衡化方法和带色彩多尺度Retinex图像增强方法，在解决沙尘图像偏色问题和提高图像对比度上有着较好的效果，而暗通道去雾算法作为经典的图像复原算法，其理论被广泛应用于图像清晰化领域中。2.4.1限制对比自适应直方图均衡化方法直方图均衡化算法属于灰度变换方法，其思想是把待处理图像的直方图从比较集中的灰度区间扩展到整个灰度区间，从而提高图像整体对比度（张秀，2019）。原始的直方图均衡算法对图像全局采用相同的变换方法，这对于那些像素值分布相对均匀的图像效果尚佳。但对于存在明显的过亮或过暗的区域的图像，将不能有效的增强这些区域的对比度。自适应直方图均衡化（AdaptiveHistogramEquation，AHE）算法通过对局部区域执行相应的直方图均衡操作来解决上述问题。在解决图像亮度不均问题的同时对图像纹理信息进行增强，但是相应的放大了图像中的噪声，并且有明显的块效应（CelebiAetal.，2015）。针对这一问题，有学者在AHE的基础上进一步提出了限制对比自适应均衡化算法（Contrastlimitadaptivehistogramequalization，CLAHE），该算法同AHE的区别在于增加了对比度的限制，CLAHE将直方图大于阈值的部分裁减掉，然后将像素重新分配到每个灰度级，从而抑制图像中被增强的噪声（SasiNMetal.，2013；MittalAetal.，2017）。CLAHE的算法的具体操作为：（1）将输入的图像划分为NM个块，8行8列是常用选择，彩色图像需要分通道进?
【参考文献】：
期刊论文
[1]基于亮通道和暗通道结合的图像去雾[J]. 卢辉斌,赵燕芳,赵永杰,温淑焕,马金荣,Lam Hak Keung,王洪斌. 光学学报. 2018(11)
[2]基于偏色校正和信息损失约束的沙尘暴降质图像增强算法[J]. 潘海明,田润,刘春晓,龚辰. 计算机辅助设计与图形学学报. 2018(06)
[3]基于Lab色彩空间和色调映射的彩色图像增强算法[J]. 赵军辉,吴玉峰,胡坤融,蒲斌. 计算机科学. 2018(02)
[4]基于天空分割的单幅图像去雾算法[J]. 毛祥宇,李为相,丁雪梅. 计算机应用. 2017(10)
[5]沙尘降质图像清晰化算法[J]. 智宁,毛善君,李梅. 中国图象图形学报. 2016(12)
[6]对行车视程估值的车前图像去雾算法[J]. 傅继贤,龙伟,李炎炎. 科学技术与工程. 2016(27)
[7]北方沙尘暴天气的起因与防治[J]. 张岚彪. 现代农业. 2016(07)
[8]基于暗原色先验的沙尘天气图像恢复算法研究[J]. 李海燕,钟梦之. 喀什大学学报. 2016(03)
[9]基于DSP的雾天监控视频图像清晰化处理方法研究[J]. 王昌瑞. 中国管理信息化. 2016(10)
[10]面向智能交通的雾天车牌识别系统的设计与实现[J]. 李志明. 自动化与仪器仪表. 2015(12)
硕士论文
[1]基于单幅图像的沙尘图像清晰化方法及系统[D]. 张秀.西安理工大学 2019
[2]基于多尺度融合的水下图像增强方法研究[D]. 王文.哈尔滨工程大学 2019
[3]基于计算机视觉的安全辅助驾驶系统[D]. 李林糠.西安电子科技大学 2018
[4]沙尘环境下图像和视频增强算法的研究[D]. 乌音嘎.内蒙古大学 2016
[5]基于沙尘环境下视频图像清晰化算法的研究[D]. 延婷.新疆大学 2015
[6]沙尘天气图像清晰化处理方法研究[D]. 吕方舟.宁夏大学 2015
本文编号：3287267
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3287267.html
最近更新
教材专著
