雾天条件下图像可见度复原算法研究

发布时间：2021-08-02 12:31

　　随着人工智能技术的快速发展,利用摄像头和计算机设备代替人眼视觉完成跟踪、识别、分析、处理的计算机视觉技术成为了目前计算机应用最热门的研究方向之一,并逐渐应用到人脸识别、图像检索、视频内容理解、医疗影像诊断、工业视觉和无人驾驶等领域。然而,户外计算机视觉系统容易受到天气条件的影响,我国近几年的雾、霾发生频率增加,尤其在秋冬季节,在雾、霾天气条件下,由于物体的反射光在到达摄像头之前,受到空气中悬浮的气溶胶颗粒（灰尘和水滴）的散射和吸收,导致图像细节丢失、对比度和饱和度下降,阻碍了计算机设备对图像的分析与处理。因此,提高雾天图像可见度和增强系统鲁棒性对于计算机视觉系统至关重要。本文对目前经典的传统方法和深度学习方法进行了分析与讨论,针对算法存在的缺陷提出改进算法。论文研究以大气散射模型为基础,并取得了一定的研究成果,本文研究工作如下:（1）针对暗通道先验算法在景深突变处出现光晕现象和远景区域去雾不足的问题,提出了一种基于融合与高斯加权暗通道的单幅图像去雾算法。首先,根据图像形态学梯度的特点,将形态学梯度图像与暗通道图像线性融合获取融合暗通道;其次,构造自适应的高斯权重参数对融合的暗通道图像逐... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

暗2.2.2颜色衰减先验[32]

兰州交通大学硕士学位论文-17-(a)雾图(b)文献[29]结果(c)文献[32]结果(d)文献[33]结果(e)文献[37]结果(f)文献[36]结果图2.5“薄雾”图像效果对比（2）浓雾图像浓雾图像的可见度较低，图像高频信息丢失严重，仿真结果如图2.6所示。(a)雾图(b)文献[29]结果(c)文献[32]结果(d)文献[33]结果(e)文献[37]结果(f)文献[36]结果图2.6“浓雾”图像效果对比

兰州交通大学硕士学位论文-17-(a)雾图(b)文献[29]结果(c)文献[32]结果(d)文献[33]结果(e)文献[37]结果(f)文献[36]结果图2.5“薄雾”图像效果对比（2）浓雾图像浓雾图像的可见度较低，图像高频信息丢失严重，仿真结果如图2.6所示。(a)雾图(b)文献[29]结果(c)文献[32]结果(d)文献[33]结果(e)文献[37]结果(f)文献[36]结果图2.6“浓雾”图像效果对比

【参考文献】：
期刊论文
[1]Recent Advances in Image Dehazing[J]. Wencheng Wang,Xiaohui Yuan.  IEEE/CAA Journal of Automatica Sinica. 2017(03)
[2]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)
[3]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)
[4]图像去雾的最新研究进展[J]. 吴迪,朱青松.  自动化学报. 2015(02)
[5]基于移动模板的图像去雾方法研究[J]. 曲艺.  计算机工程与应用. 2013(24)
[6]基于窗口无关均值滤波的MSR图像增强[J]. 王科俊,熊新炎,任桢,付斌.  哈尔滨工业大学学报. 2010(09)



本文编号：3317570