基于非局部先验的图像去雾方法研究及系统实现

发布时间：2021-08-05 07:15

　　近年来,雾霾天气频发,导致道路能见度低,严重影响道路交通监控,且使得道路危险系数增加,研究图像去雾对道路交通视频监控具有重要的理论和应用价值。本文在研究基于物理模型的去雾方法基础上,重点研究基于非局部先验的单幅图像去雾方法,提升雾天图像去雾效果,具体研究内容如下:首先,研究图像去雾原理,掌握图像去雾一般流程,详细分析大气散射模型和雾天图像退化模型,并将一些经典的方法按照基于图像增强或基于物理模型进行分类,逐一研究它们的原理和流程。经过对比,选用基于物理模型里的非局部先验方法来进行图像去雾,其具有算法效率高、去雾效果较自然的优势。其次,对基于非局部先验的单幅雾天图像去雾方法进行深入研究,通过详细分析该算法,发现其单一使用颜色值索引聚类估算初始透射率不准确、去雾后图像边缘不平滑等问题,于是,本文结合去雾相关理论和实验分析,利用基于加权L1范数的上下文正则化来构造对初始透射率细化的目标函数,解决透射率不准确的问题;之后,对细化后的透射率用域变换边缘保存滤波器进行优化,解决去雾后图像边缘不平滑的问题,最终得到复原图像。并通过常用自然有雾图像和雾天交通图像数据集进行验证,实验结果表明,该方法可以... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

道路交通雾天图像

重庆邮电大学硕士学位论文第2章雾天图像去雾理论基础及关键技术9雾霾的出现严重影响了人们的出行和健康安全。表2.1列出了不同天气条件下各微粒的分布情况以及对成像的影响。表2.1各种天气条件下微粒的分布情况天气粒子类型粒子半径(um)能见度(km)空间密度(cm-3)对成像影响晴天分子10-410.00-20.001019小霾悬浮微粒10-2-1<10.0010-103严重雾小水滴1-10<1.0010-100中等雨水滴102-1041.00-2.0010-2-10-5较轻从表中可以看出，天气晴朗时微粒的半径非常小，对视线并没有什么影响。而雾霾天气形成的时候，各种各样的小半径微粒高密度的存在于空气之中，会严重降低天空的能见度，此时所拍摄图像的质量也会有相应的降低。2.2雾天图像去雾流程雾天图像去雾的方法很多，但基于物理模型里的先验信息图像去雾的步骤大致是一样的，即估计大气光、估计透射率、细化透射率、最后去雾，只是每一步所使用的方法不一样，以非局部先验去雾为例，图2.1展示的是其一般去雾流程。图2.1非局部先验去雾流程框架从图2.1可以看出，基于非局部先验去雾方法的基本过程是十分清晰的。大致步骤如下：

重庆邮电大学硕士学位论文第2章雾天图像去雾理论基础及关键技术11图2.2雾天大气散射模型根据上述分析，可以知道建立大气散射模型的条件为：(1)场景信息是固定的，即场景信息的深度不变，可以将其表示为相关常数；(2)空气中各类介质的分布是相对均匀的，且不随位置的改变而改变。利用大气散射模型，可以知道其中大气光对图像产生的相关影响，在已知此条件的基础上，进一步计算出光散射的模型，就可以恢复雾天图像的可见度。综合上述的相关分析，接下来将详细介绍两个模型，并建立相应的退化模型。2.3.1衰减模型当阳光照射到物体上时，物体反射的光会沿着预定的光路传播，但如果粒子在空气中发生散射，光会被散射效应分成几束。在这种情况下，入射光在原光路中的能量被分散到该方向的其余部分，不能沿着预定的光路传输到成像设备，导致成像质量下降。就是入射光产生一定程度衰减的相关原理。其对应的模型如图2.3所示。图2.3入射光的衰减模型

【参考文献】：
期刊论文
[1]基于深度学习的图像去雾算法[J]. 张泽浩,周卫星.  华南师范大学学报(自然科学版). 2019(03)
[2]融合暗通道先验和MSRCR的分块调节图像增强算法[J]. 梅英杰,宁媛,陈进军.  光子学报. 2019(07)
[3]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)
[4]雾霾天气变化特征与分析[J]. 曲原,祁蕾.  时代农机. 2018(12)
[5]基于透射率权值因子的雾天图像融合增强算法[J]. 江巨浪,孙伟,王振东,朱柱,郑江云.  电子与信息学报. 2018(10)
[6]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)
[7]基于视觉物理模型的去雾算法[J]. 马时平,李权合,马红强,毕笃彦.  图学学报. 2018(02)
[8]修正大气耗散函数的单幅图像去雾[J]. 陈丹丹,陈莉,张永新,严寒.  中国图象图形学报. 2017(06)
[9]雾天高速公路路况监测预警系统研究[J]. 龙科军,李峰,高志波.  交通科技. 2016(03)
[10]基于Curvelet变换的SAR图像增强[J]. 李林.  仪器仪表学报. 2006(S3)

博士论文
[1]基于先验知识的图像去雾算法[D]. 张文博.电子科技大学 2017

硕士论文
[1]基于暗通道先验信息的单幅图像去雾研究[D]. 孙维江.兰州理工大学 2018
[2]大雾天气下图像的清晰化方法[D]. 贾明桥.西安理工大学 2006



本文编号：3323324