复杂光照下图像去雾算法的研究
发布时间：2021-07-25 12:37
随着科技的发展,计算机视觉系统设备得到了极大的发展,在人们的日常生活中发挥着日益重要的作用。如车辆导航、无人机拍摄、视频监控、智能交通等,其绝大部分信息源于图像及视频。大部分视觉设备在无外界干扰情况下都能捕获到清晰自然的图像。然而在雾、霾天气条件下,由于大气介质的散射、吸收作用会使得场景的反射光在传播时发生显著地衰减,导致户外图像采集设备接收的图像出现不同程度的降质,这在很大程度上影响和限制了视觉系统的正常发挥。因此,如何获取高清晰化的图像就显得愈发重要,研究雾天复杂光照条件下的图像处理算法,具有重要的现实应用价值和理论研究意义。本文在对经典的图像去雾算法原理和关键技术进行深入研究的基础上,以大气散射模型为物理模型,提出了改进的复杂光照下图像去雾算法。主要研究内容如下:第一,针对暗通道先验理论中图像的明亮区域去雾后存在色偏严重、色彩失真等问题,提出改进的暗通道先验图像去雾算法。首先,利用三通道明亮区域分割法获得更为精确的全局大气光强度值;其次,通过边界约束条件得到透射率图像,并运用高斯型同态滤波对图像进行平滑处理;最后,用色阶补偿原理结合小波变换对透射率图像与原图像进行融合,之后将融合...
【文章来源】：西安建筑科技大学陕西省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
入射光经过粒子后发生散射大气中悬浮颗粒的大小、类型、分布及方向对光的衰减作用有影响
西安建筑科技大学硕士学位论文8图2.2不同浓度雾的能见度如表2.1为不同大气悬浮颗粒影响下采集设备获取图像的质量。可以看出，在晴朗的天气下，空气中大多为悬浮的分子，且粒径较小，光线在传播过程中不受其干扰，成像设备采集到高质量清晰的图像。而在雾，霾天气下，大气中悬浮粒子的粒径较大，成像设备在采集图像时受到折射、散射等干扰，获取到的图像质量较为模糊。在阴雨天气下，多数水滴粒子直径很大，光线在传播过程中受到严重的散射、折射、反射等干扰，成像设备获取到图像十分模糊，严重影响到图像后续的一系列处理。表2.1不同颗粒影响下获取图像质量气候状况悬浮颗粒类型单位体积浓度(m-3)粒径(μm)图像质量晴朗悬浮颗粒101610-4清晰少雾（霭）悬浮颗粒10~10-310-2~1较清晰多云小水滴0.3~10-31~10中等浓雾小水珠0.1~10-31~10较模糊雨天水滴10-5~10-8102~104模糊2.1.2雾天复杂光照环境下获取图像的特征雾天复杂光照环境下图像特征的研究与分析是图像复原研究中重要的组成部分。如图2.3分别为雾天、无雾的图像及其对应的灰度直方图。在灰度直方图中横轴为像素的灰度层级(也称积分光密度值，单位为（IOD）)，一般为28-1，而纵轴为某一像素灰度级的出现频率。
西安建筑科技大学硕士学位论文9图2.3图像及直方图(a)雾天图像(b)去雾后图像(c)雾天图像直方图(d)去雾后图像直方图图2.3(a)-(d)分别为雾天图像、去雾后图像及其直方图。在图2.3(a)中，原始雾天图像中由于雾气因子的存在，导致图像变得模糊。在图2.3(b)中图像整体亮度，对比度及饱和度较高，且无明显雾气因子的干扰。图2.3(c)与图2.3(d)对比分析，可以得出，雾天图像灰度直方图是随着雾浓度增大，横坐标(积分光密度值)取值区间变窄，且聚集到较小的区间中，局部较小的像素灰度值频率降低，导致原始雾天图像中边缘细节信息丢失[48]17。2.2雾天复杂光照环境下采集设备的成像原理2.2.1大气散射模型根据McCartney[49]的大气散射物理模型，把散射对光学成像设备接收到的光分为两部分：一部分是光线照射到场景内物体表面时产生的反射光线，成像设备的传感器在获取其过程中，在大气中颗粒分子的散射作用下而衰减，且强度下降，成为入射光衰减模型。另一部分是太阳光、地面反射光以及其他物体反射光受到大气散射而进入成像设备的干扰光，其最终附加到场景图像上，会影响获取图像的对比度，称为大气光模型。两个部分同时存在，成像设备接收到的光强度为二者之和。如图2.4(a)所示为大气散射模型的示意图。实线为从物体到成像设备的光线，虚线为大气中光线。图2.4光在大气中散射时(a)大气散射模型(b)入射光衰减模型
【参考文献】：
期刊论文
[1]基于双边滤波器的雾霾天气交通标志图像去雾算法[J]. 王园园,黄丽琼. 舰船电子工程. 2019(12)
[2]基于双域分解的多尺度深度学习单幅图像去雾[J]. 陈永,郭红光,艾亚鹏. 光学学报. 2020(02)
[3]基于多尺度卷积神经网络的单幅图像去雾方法[J]. 陈永,郭红光,艾亚鹏. 光学学报. 2019(10)
[4]基于边界限制加权最小二乘法滤波的雾天图像增强算法[J]. 李红云,云利军,高银. 中国激光. 2019(03)
[5]基于透射率融合与多重导向滤波的单幅图像去雾[J]. 杨爱萍,王海新,王金斌,赵美琪,鲁立宇. 光学学报. 2018(12)
[6]基于改进同态滤波的无人机影像清晰化[J]. 李开伟,张立亭,廖强强. 计算机与数字工程. 2018(07)
[7]基于同态滤波和Retinex的图像去雾算法[J]. 汪秦峰,陈莉,樊泰亭,陈占武,杨涛. 火控雷达技术. 2016(02)
[8]基于阈值分割的暗原色先验图像去雾方法[J]. 苏晋鹏,陈恩俊,景嘉帅,王文君,王之彦,孙云山. 计算机工程与应用. 2017(03)
[9]单幅图像去雾方法研究综述[J]. 何宁,王金宝,鲍泓. 北京联合大学学报(自然科学版). 2015(03)
[10]基于暗通道先验和Retinex理论的快速单幅图像去雾方法[J]. 刘海波,杨杰,吴正平,张庆年,邓勇. 自动化学报. 2015(07)
博士论文
[1]雾天降质图像的清晰化技术研究[D]. 翟艺书.大连海事大学 2008
硕士论文
[1]基于小波自适应阈值结合双边滤波的图像降噪[D]. 张宸枫.哈尔滨理工大学 2019
[2]基于层次递阶的雾天图像清晰化方法研究[D]. 王红.太原理工大学 2019
[3]基于深度卷积神经网络的图像去雾方法研究[D]. 雎青青.江南大学 2019
[4]自适应彩色图像去雾的新模型及新算法[D]. 暴婉婷.西安电子科技大学 2019
[5]基于深度学习的单幅图像去雾算法研究[D]. 姚晶晶.西安电子科技大学 2019
[6]基于拉普拉斯金字塔的图像去雾算法的研究[D]. 杨德坤.中国地质大学(北京) 2019
[7]基于暗通道先验的数字图像去雾算法研究[D]. 朱维.哈尔滨理工大学 2019
[8]雾天能见度检测与预测方法研究[D]. 郄岩.河北科技大学 2019
[9]基于滤波和物理模型的图像去雾算法研究[D]. 戴飞.南京邮电大学 2018
[10]基于离散小波变换的图像压缩感知编码技术研究[D]. 何永洋.南京邮电大学 2018
本文编号：3302044
【文章来源】：西安建筑科技大学陕西省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
入射光经过粒子后发生散射大气中悬浮颗粒的大小、类型、分布及方向对光的衰减作用有影响
西安建筑科技大学硕士学位论文8图2.2不同浓度雾的能见度如表2.1为不同大气悬浮颗粒影响下采集设备获取图像的质量。可以看出，在晴朗的天气下，空气中大多为悬浮的分子，且粒径较小，光线在传播过程中不受其干扰，成像设备采集到高质量清晰的图像。而在雾，霾天气下，大气中悬浮粒子的粒径较大，成像设备在采集图像时受到折射、散射等干扰，获取到的图像质量较为模糊。在阴雨天气下，多数水滴粒子直径很大，光线在传播过程中受到严重的散射、折射、反射等干扰，成像设备获取到图像十分模糊，严重影响到图像后续的一系列处理。表2.1不同颗粒影响下获取图像质量气候状况悬浮颗粒类型单位体积浓度(m-3)粒径(μm)图像质量晴朗悬浮颗粒101610-4清晰少雾（霭）悬浮颗粒10~10-310-2~1较清晰多云小水滴0.3~10-31~10中等浓雾小水珠0.1~10-31~10较模糊雨天水滴10-5~10-8102~104模糊2.1.2雾天复杂光照环境下获取图像的特征雾天复杂光照环境下图像特征的研究与分析是图像复原研究中重要的组成部分。如图2.3分别为雾天、无雾的图像及其对应的灰度直方图。在灰度直方图中横轴为像素的灰度层级(也称积分光密度值，单位为（IOD）)，一般为28-1，而纵轴为某一像素灰度级的出现频率。
西安建筑科技大学硕士学位论文9图2.3图像及直方图(a)雾天图像(b)去雾后图像(c)雾天图像直方图(d)去雾后图像直方图图2.3(a)-(d)分别为雾天图像、去雾后图像及其直方图。在图2.3(a)中，原始雾天图像中由于雾气因子的存在，导致图像变得模糊。在图2.3(b)中图像整体亮度，对比度及饱和度较高，且无明显雾气因子的干扰。图2.3(c)与图2.3(d)对比分析，可以得出，雾天图像灰度直方图是随着雾浓度增大，横坐标(积分光密度值)取值区间变窄，且聚集到较小的区间中，局部较小的像素灰度值频率降低，导致原始雾天图像中边缘细节信息丢失[48]17。2.2雾天复杂光照环境下采集设备的成像原理2.2.1大气散射模型根据McCartney[49]的大气散射物理模型，把散射对光学成像设备接收到的光分为两部分：一部分是光线照射到场景内物体表面时产生的反射光线，成像设备的传感器在获取其过程中，在大气中颗粒分子的散射作用下而衰减，且强度下降，成为入射光衰减模型。另一部分是太阳光、地面反射光以及其他物体反射光受到大气散射而进入成像设备的干扰光，其最终附加到场景图像上，会影响获取图像的对比度，称为大气光模型。两个部分同时存在，成像设备接收到的光强度为二者之和。如图2.4(a)所示为大气散射模型的示意图。实线为从物体到成像设备的光线，虚线为大气中光线。图2.4光在大气中散射时(a)大气散射模型(b)入射光衰减模型
【参考文献】：
期刊论文
[1]基于双边滤波器的雾霾天气交通标志图像去雾算法[J]. 王园园,黄丽琼. 舰船电子工程. 2019(12)
[2]基于双域分解的多尺度深度学习单幅图像去雾[J]. 陈永,郭红光,艾亚鹏. 光学学报. 2020(02)
[3]基于多尺度卷积神经网络的单幅图像去雾方法[J]. 陈永,郭红光,艾亚鹏. 光学学报. 2019(10)
[4]基于边界限制加权最小二乘法滤波的雾天图像增强算法[J]. 李红云,云利军,高银. 中国激光. 2019(03)
[5]基于透射率融合与多重导向滤波的单幅图像去雾[J]. 杨爱萍,王海新,王金斌,赵美琪,鲁立宇. 光学学报. 2018(12)
[6]基于改进同态滤波的无人机影像清晰化[J]. 李开伟,张立亭,廖强强. 计算机与数字工程. 2018(07)
[7]基于同态滤波和Retinex的图像去雾算法[J]. 汪秦峰,陈莉,樊泰亭,陈占武,杨涛. 火控雷达技术. 2016(02)
[8]基于阈值分割的暗原色先验图像去雾方法[J]. 苏晋鹏,陈恩俊,景嘉帅,王文君,王之彦,孙云山. 计算机工程与应用. 2017(03)
[9]单幅图像去雾方法研究综述[J]. 何宁,王金宝,鲍泓. 北京联合大学学报(自然科学版). 2015(03)
[10]基于暗通道先验和Retinex理论的快速单幅图像去雾方法[J]. 刘海波,杨杰,吴正平,张庆年,邓勇. 自动化学报. 2015(07)
博士论文
[1]雾天降质图像的清晰化技术研究[D]. 翟艺书.大连海事大学 2008
硕士论文
[1]基于小波自适应阈值结合双边滤波的图像降噪[D]. 张宸枫.哈尔滨理工大学 2019
[2]基于层次递阶的雾天图像清晰化方法研究[D]. 王红.太原理工大学 2019
[3]基于深度卷积神经网络的图像去雾方法研究[D]. 雎青青.江南大学 2019
[4]自适应彩色图像去雾的新模型及新算法[D]. 暴婉婷.西安电子科技大学 2019
[5]基于深度学习的单幅图像去雾算法研究[D]. 姚晶晶.西安电子科技大学 2019
[6]基于拉普拉斯金字塔的图像去雾算法的研究[D]. 杨德坤.中国地质大学(北京) 2019
[7]基于暗通道先验的数字图像去雾算法研究[D]. 朱维.哈尔滨理工大学 2019
[8]雾天能见度检测与预测方法研究[D]. 郄岩.河北科技大学 2019
[9]基于滤波和物理模型的图像去雾算法研究[D]. 戴飞.南京邮电大学 2018
[10]基于离散小波变换的图像压缩感知编码技术研究[D]. 何永洋.南京邮电大学 2018
本文编号：3302044
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3302044.html
最近更新
教材专著
