融合Retinex与暗通道的图像去雾增强算法研究
发布时间:2021-11-29 06:23
图像是人类获取信息的重要途径,图像质量决定后续图像判读、分析、识别的准确性。近年来,我国雾霾天气频繁出现且分布广泛,导致大量室外成像系统性能的大幅下降。因此需要对雾天降质图像进行去雾处理,从而使相关成像系统能够在恶劣天气下稳定工作。本文分别从图像增强与图像复原两方面对图像进行去雾研究。在图像增强方面,对基于Retinex理论的去雾算法进行详细分析。针对其运算耗时长和去雾效果不佳的问题,结合处理域转换和直方图均衡算法,提出一种改进的融合直方图均衡的频域SSR算法。在图像复原方面,对暗通道先验算法进行详细分析。针对其运算耗时长的问题,利用引导滤波代替软抠图实现对介质传输率的细化并引入图像缩放机制,以适当损失图像精细度为代价,实现算法耗时的缩减。针对其处理后明亮区域的色斑问题,引入暗通道图像规定化及容差机制,以提高算法的适用性。最后,对基于引导滤波和明亮区域优化的改进暗通道先验算法与HSI色彩模型下的频域SSR算法进行融合,并对本文相关算法进行仿真实验。实验结果表明,本文所提改进算法相比原算法,均可从不同角度提升原算法性能,在图像去雾领域中具有一定的应用价值。
【文章来源】:西安石油大学陕西省
【文章页数】:62 页
【学位级别】:硕士
【部分图文】:
雾天户外实拍图
y)=logR(x,y):r ( x,y)= s(x,y) l(x,y)操作,即可求出原始图像的反射分量 R (x ,y),。提出一种基于随机路径的 Retinex 方法,该算n...s}的曲线,通过比率连乘的形式计算路径上像像素值做出调整。对于彩色图像,需要对 此算法的关键在于随机路径的选择,图 2-1 标点 D 的长度为 4 的随机路径。
2.3 基于 Retinex 理论的算法族2.3.1 单尺度 Retinex 算法1986 年,Edwin Land 提出二维路径选择方式,即中心环绕 Retinex 算法[34]。该算法通过计算当前像素点与邻域内像素点的关系,估算并去除原图像中的入射分量,从而消除光照不均对图像的影响。最初,学者们选取了多种函数作为中心环绕函数,但 Jobson等人通过大量实验,严谨的证明了以高斯卷积函数作为中心环绕函数的可行性及优越性,提出单尺度 Retinex(SSR)算法[13],其数学表达式如下:r( x,y)logR(x,y)logS(x,y)log(F(x,y)S(x,y))SSR= = (2-10)式(2-10)中, S ( x,y)代表待处理图像, F ( x,y)为高斯环绕函数, 为卷积运算,R ( x,y)为反射分量,即最终处理结果。当待处理图像为灰度图时,直接按式(2-10)进行处理。而当待处理图像为彩色图像时,需对彩色图像进行通道分离,得到各通道的灰度图。图 2-2 为一幅彩色图像经色彩通道分离后得到的三幅灰度图。之后对各色彩通道的数值矩阵分别按照式(2-10)进行处理,最后将各色彩通道的处理结果合并,得到最终处理结果。
【参考文献】:
期刊论文
[1]基于融合与高斯加权暗通道的单幅图像去雾算法[J]. 张晨,杨燕. 光子学报. 2019(01)
[2]改进的单尺度Retinex和LBP结合的人脸识别[J]. 段红燕,何文思,李世杰. 计算机工程与应用. 2018(23)
[3]基于多子块协同单尺度Retinex的浓雾图像增强[J]. 高原原,胡海苗. 北京航空航天大学学报. 2019(05)
[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]暗通道先验去雾算法优化探讨[J]. 靳欢欢,王双亭,姚继峰,刘宗杰. 测绘科学. 2015(11)
[6]基于改进的限制对比度自适应直方图的视频快速去雾算法[J]. 杨骥,杨亚东,梅雪,袁晓龙,袁宇浩. 计算机工程与设计. 2015(01)
[7]改进多尺度Retinex理论的低照度遥感影像增强方法[J]. 邵振峰,白云,周熙然. 武汉大学学报(信息科学版). 2015(01)
[8]改进的基于暗原色先验的图像去雾算法[J]. 蒋建国,侯天峰,齐美彬. 电路与系统学报. 2011(02)
[9]一种高保真同态滤波遥感影像薄云去除方法[J]. 李洪利,沈焕锋,杜博,吴柯. 遥感信息. 2011(01)
[10]图像去雾技术研究综述与展望[J]. 郭璠,蔡自兴,谢斌,唐琎. 计算机应用. 2010(09)
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
[2]水下图像增强和复原方法研究[D]. 孙飞飞.中国海洋大学 2011
硕士论文
[1]雾霾图像实时拼接技术研究与实现[D]. 许超.西南科技大学 2017
[2]多尺度二维直方图均衡化算法在医学图像增强中的应用研究[D]. 许纪亚.东北师范大学 2017
[3]图像去雾清晰化算法研究[D]. 李丹阳.重庆邮电大学 2016
[4]基于直方图均衡化和Retinex的图像去雾算法研究[D]. 汪秦峰.西北大学 2016
[5]基于暗原色先验的去雾优化算法研究[D]. 徐昆.西北师范大学 2016
[6]彩色图像去雾算法研究[D]. 朱亚洲.西安电子科技大学 2015
[7]一种快速的边缘保持滤波算法及应用[D]. 郑浩江.哈尔滨工业大学 2016
[8]基于自然统计特性的图像去雾质量评价[D]. 武文晖.西安电子科技大学 2015
[9]基于暗原色先验与Retinex的图像去雾算法及改进[D]. 杜以清.西北师范大学 2015
[10]基于Retinex理论的彩色图像增强技术研究[D]. 刘军.中国科学院研究生院(西安光学精密机械研究所) 2015
本文编号:3526007
【文章来源】:西安石油大学陕西省
【文章页数】:62 页
【学位级别】:硕士
【部分图文】:
雾天户外实拍图
y)=logR(x,y):r ( x,y)= s(x,y) l(x,y)操作,即可求出原始图像的反射分量 R (x ,y),。提出一种基于随机路径的 Retinex 方法,该算n...s}的曲线,通过比率连乘的形式计算路径上像像素值做出调整。对于彩色图像,需要对 此算法的关键在于随机路径的选择,图 2-1 标点 D 的长度为 4 的随机路径。
2.3 基于 Retinex 理论的算法族2.3.1 单尺度 Retinex 算法1986 年,Edwin Land 提出二维路径选择方式,即中心环绕 Retinex 算法[34]。该算法通过计算当前像素点与邻域内像素点的关系,估算并去除原图像中的入射分量,从而消除光照不均对图像的影响。最初,学者们选取了多种函数作为中心环绕函数,但 Jobson等人通过大量实验,严谨的证明了以高斯卷积函数作为中心环绕函数的可行性及优越性,提出单尺度 Retinex(SSR)算法[13],其数学表达式如下:r( x,y)logR(x,y)logS(x,y)log(F(x,y)S(x,y))SSR= = (2-10)式(2-10)中, S ( x,y)代表待处理图像, F ( x,y)为高斯环绕函数, 为卷积运算,R ( x,y)为反射分量,即最终处理结果。当待处理图像为灰度图时,直接按式(2-10)进行处理。而当待处理图像为彩色图像时,需对彩色图像进行通道分离,得到各通道的灰度图。图 2-2 为一幅彩色图像经色彩通道分离后得到的三幅灰度图。之后对各色彩通道的数值矩阵分别按照式(2-10)进行处理,最后将各色彩通道的处理结果合并,得到最终处理结果。
【参考文献】:
期刊论文
[1]基于融合与高斯加权暗通道的单幅图像去雾算法[J]. 张晨,杨燕. 光子学报. 2019(01)
[2]改进的单尺度Retinex和LBP结合的人脸识别[J]. 段红燕,何文思,李世杰. 计算机工程与应用. 2018(23)
[3]基于多子块协同单尺度Retinex的浓雾图像增强[J]. 高原原,胡海苗. 北京航空航天大学学报. 2019(05)
[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]暗通道先验去雾算法优化探讨[J]. 靳欢欢,王双亭,姚继峰,刘宗杰. 测绘科学. 2015(11)
[6]基于改进的限制对比度自适应直方图的视频快速去雾算法[J]. 杨骥,杨亚东,梅雪,袁晓龙,袁宇浩. 计算机工程与设计. 2015(01)
[7]改进多尺度Retinex理论的低照度遥感影像增强方法[J]. 邵振峰,白云,周熙然. 武汉大学学报(信息科学版). 2015(01)
[8]改进的基于暗原色先验的图像去雾算法[J]. 蒋建国,侯天峰,齐美彬. 电路与系统学报. 2011(02)
[9]一种高保真同态滤波遥感影像薄云去除方法[J]. 李洪利,沈焕锋,杜博,吴柯. 遥感信息. 2011(01)
[10]图像去雾技术研究综述与展望[J]. 郭璠,蔡自兴,谢斌,唐琎. 计算机应用. 2010(09)
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
[2]水下图像增强和复原方法研究[D]. 孙飞飞.中国海洋大学 2011
硕士论文
[1]雾霾图像实时拼接技术研究与实现[D]. 许超.西南科技大学 2017
[2]多尺度二维直方图均衡化算法在医学图像增强中的应用研究[D]. 许纪亚.东北师范大学 2017
[3]图像去雾清晰化算法研究[D]. 李丹阳.重庆邮电大学 2016
[4]基于直方图均衡化和Retinex的图像去雾算法研究[D]. 汪秦峰.西北大学 2016
[5]基于暗原色先验的去雾优化算法研究[D]. 徐昆.西北师范大学 2016
[6]彩色图像去雾算法研究[D]. 朱亚洲.西安电子科技大学 2015
[7]一种快速的边缘保持滤波算法及应用[D]. 郑浩江.哈尔滨工业大学 2016
[8]基于自然统计特性的图像去雾质量评价[D]. 武文晖.西安电子科技大学 2015
[9]基于暗原色先验与Retinex的图像去雾算法及改进[D]. 杜以清.西北师范大学 2015
[10]基于Retinex理论的彩色图像增强技术研究[D]. 刘军.中国科学院研究生院(西安光学精密机械研究所) 2015
本文编号:3526007
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3526007.html
最近更新
教材专著