基于多线索融合的光场图像去雾算法研究

发布时间：2021-09-04 10:59

　　目前,计算机视觉系统被广泛应用到监控、导航等领域,由其捕获的图像质量对计算机视觉方面的许多应用如图像分类、目标检测以及交通监控等产生较大的影响。然而,在雾天环境下,由于大气中悬浮着的微粒对光线的吸收和散射,导致计算机视觉系统获取到的户外图像对比度和可见度降低,图像出现色彩失真,这将会降低整个系统的性能,对人类的生活和安全产生较大的负面影响。因此研究有效的图像去雾算法具有非常重要的意义。然而,现有的多数图像去雾算法难以提取场景的深度信息计算场景透射率,并且当场景中存在与雾颜色相近的亮白区域时,估计全局大气光的精度会明显降低。因此,本文针对雾天场景深度难以提取及场景中亮白区域降低全局大气光估计精度的问题展开研究与分析。论文主要工作如下:（1）针对难以通过提取雾天场景深度计算初始透射率的问题,本文提出一种结合光场多线索和大气散射模型的图像去雾算法。该方法采用光场多线索融合深度估计方法提取雾天场景的深度信息,并计算初始透射率。而后,为了降低噪声对透射率图中物体边缘区域透射率值的影响,本文利用基于加权1-范数上下文规则化构造目标函数对初始透射率迭代优化。实验结果表明,该方法提取的透射率图中物体的... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

论文主要研究内容与章节安排

为了进一步分析雾天环境中图像的退化过程,Keim和Nemnich[46]等人首次提出导致雾天环境下捕获的图像能见度降低的原因是空气中存在的悬浮微粒对光线的吸收和散射。而后,John Wiley和Sons[47]等人提出空气中悬浮微粒对光线的散射作用造成物体与观测点之间光线在传输过程中的能量衰减,并在此基础上添加了大气散射光部分。为了更好的描述雾天环境下图像的降质过程,McCartney[48]通过分析雾天环境中导致图像退化的因素建立数学模型。最后Narasimhan和Nayar等人[49]在该数学模型的基础上提出被广泛使用的图像去雾模型,如图2.1所示。由图可知,到达传感器中的光线主要包含两个部分:第一部分为物体表面反射未经大气中介质衰减的光线,即直接辐射光;第二部分为其他光源受到大气中介质散射到达传感器的光线,即大气光。由此可知,大气散射模型包含入射光衰减模型和环境光成像模型两部分,具体分析如下:2.1.2 入射光衰减模型

入射光衰减模型描述的是待观测物体表面反射的光线传输到传感器设备时的强度衰减过程。如图2.1所示,目标物体与探测传感器间的实线箭头即可理解为衰减后的光线。同时,目标物体表面反射的光线的衰减程度和光线的传输距离有关。图2.2给出了入射光衰减过程的示意图。如图2.2所示,当平行光束穿过散射介质时,从x处开始每传输一段距离dx后,光束强度的变化量可以表示为:

【参考文献】：
期刊论文
[1]聚焦性检测与彩色信息引导的光场图像深度提取[J]. 胡良梅,姬长动,张旭东,张骏,王丽娟.  中国图象图形学报. 2016 (02)

博士论文
[1]图像快速去雾与清晰度恢复技术研究[D]. 嵇晓强.中国科学院研究生院（长春光学精密机械与物理研究所） 2012



本文编号：3383144