基于大气散射模型和分割算法的单幅图像去雾研究

发布时间：2024-07-02 23:08

　　雾霾是一种比较常见的天气现象,在这种天气情况下拍摄的图像普遍存在质量较低的问题,如对比度下降、细节丢失等,从而给后续的图像处理和分析带来很大的困难。因此,为了在雾霾天气获取高质量的图像,需要对有雾图像进行去雾处理,以提高图像的对比度,丰富图像细节,保证计算机视觉系统在雾霾天气下的正常运行。对有雾图像的去雾研究主要分为两类:一类是采用图像增强的方法,另一类是基于物理成像模型的方法。采用图像增强的方法能增强图像细节,改善图像的视觉效果,这类方法在取得去雾效果的同时也带来了一些问题,如颜色扭曲、图像失真等。基于物理成像模型的方法通过深入分析图像退化的原因,建立有雾图像的物理成像模型(如大气散射模型等),通过对模型进行逆运算从而实现雾图的复原操作。由于这种方法考虑了雾图的成像过程,取得了很好的去雾效果。目前基于物理成像模型的去雾方法中,基于大气散射模型和先验知识的算法效果突出,但是这种方法依然存在一定的缺陷,去雾算法的适用范围受到先验知识的限制,不具备普遍适用性。本文针对这个问题,提出了一种根据雾相关特征预测场景透射率的方法,通过大量研究分析雾相关的特征,筛选出其中最有效的4个特征,建立它们与...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 基于图像增强的去雾方法的研究现状
        1.2.2 基于物理成像模型的去雾方法的研究现状
    1.3 本文主要研究内容及论文结构
        1.3.1 主要研究内容
        1.3.2 论文结构
第2章 图像去雾的相关理论
    2.1 大气散射模型
        2.1.1 入射光衰减模型
        2.1.2 大气光成像机制
        2.1.3 雾霾天气图像退化模型
    2.2 图像去雾质量评价
        2.2.1 有参考的质量评价
        2.2.2 无参考的质量评价
    2.3 本章小结
第3章 基于特征学习的单幅图像去雾算法研究
    3.1 雾相关特征研究
        3.1.1 多尺度暗通道特征
        3.1.2 多尺度对比度特征
        3.1.3 多尺度饱和度特征
        3.1.4 色调差异特征
    3.2 雾相关特征分析与选择
        3.2.1 相关性分析理论
        3.2.2 特征分析与选择
    3.3 基于随机森林的去雾方法
        3.3.1 准备训练数据
        3.3.2 训练随机森林回归模型
        3.3.3 采用回归模型去雾
    3.4 实验结果分析
        3.4.1 定性比较
        3.4.2 定量比较
    3.5 本章小结
第4章 基于图像分割的暗通道去雾改进算法
    4.1 暗通道去雾算法
        4.1.1 暗通道先验
        4.1.2 暗通道去雾过程
    4.2 暗通道去雾算法存在的问题
    4.3 暗通道去雾算法的改进
        4.3.1 天空区域分割
        4.3.2 纯白区域分割
        4.3.3 透射率计算
        4.3.4 改进的大气光计算
    4.4 实验结果及分析
        4.4.1 定性比较
        4.4.2 定量比较
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢



本文编号：4000152