图像去雾算法分析

图像去雾算法分析毕业设计终期答辩目录研究意义研究思路研究目标研究过程研究结果研究总结研究意义获取信息的重要来源以及表达信息的重要方式。雾天获得的图像严重减质，彩色图像也出现了严重的颜色偏移与失真户外视觉系统需要以户外景物图像为输入，与图像处理技术结合检测输入图像的特征雾天下图像的清晰化技术有可能对其他恶劣天气条件下图像的清晰化技术也起到促进作用研究思路模拟图像处理数字图像处理利用光学处理和电子处理，特点是速度快实时性好，但是精度较差，灵活性差，很难有判别能力和非线性处理能力，不具有普遍性。采用计算机或实时硬件处理，处理精度高、速度快，可以进行复杂的非线性处理，有灵活的变通能力。研究思路数字图像去雾基本可以分为两类：从图像呈现的低亮度和低对比度的特征考虑，采用增强的方法处理，即图像增强。比较典型的有全局直方图均衡化，同态滤波，Retinex算法，小波算法等等。基于物理模型的天气退化图像复原方法，从物理成因的角度对大气散射作用进行建模分析，实现场景复原，即图像复原。运用最广泛、最权威的是由He等人提出的暗通道先验的方法。研究目标了解几种图像去雾算法，并实现单幅图像去雾及视频去雾。直方图均衡化及暗通道先验去雾算法直方图均衡化直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化的分类如下图所示：直方图均衡化直方图均衡化思路：列出原始灰度级（rk）统计原始直方图各灰度级像素计算原始直方图各种概率计算累积直方图（sk）计算新直方图统计新直方图灰度级像素nk确定映射关系rk与sk取整sk直方图均衡化使用直方图均衡化算法结果如下：输入的图像-5005010015020025030000.0050.010.0150.020.0250.030.0350.040.045原图像直方图灰度值出现概率-5005010015020025030000.0050.010.0150.020.0250.030.0350.040.045均衡化后的直方图灰度值出现概率均衡化后图像暗原色先验暗原色先验：由何恺明等人提出，来自对户外无雾图像数据库的统计规律，它基于经观察得到的这么一个关键事实——绝大多数的户外无雾图像的每个局部区域都存在某些至少一个颜色通道的强度值很低的像素。利用这个先验建立去雾模型再结合插值法抠图修复，我们可直接估算雾的浓度并且复原得到高质量的去除雾干扰的图像。暗原色先验暗原色先验模型：假设在每一个局部区域中，所有像素点的透射率是一致的，结合公式得到归一化的暗原色通道。根据暗原色先验统计，在无雾图像局部区域内至少存在一个暗原色通道，并令其为0，结合公式即可得到透射率的初估计。最后利用抠图技术对透射率进行修正。透射分布确定后开始进行图像复原，因直接复原得到的原始图像包含噪音，故对透射因子设置下限。然后结合估测的大气光带入模型中。根据保留的雾霾百分比，利用原始图像，生成带雾霾的图像和光线透射矩阵——最后根据原始图像，雾霾图像，和光线透射图，生成最终的去雾图像。暗原色先验暗原色先验算法步骤：暗原色先验分析与比较均衡化后图像暗原色去雾后直方图均衡化分析与比较直方图均衡化均衡化后图像暗原色去雾后暗原色先验优点：不仅在物理上有效，而且能够处理包括在雾浓度很大情况下的远距离物体缺点：得到的去雾图像比较暗（可以利用曝光增强技术进行改进），边缘比较模糊（可利用边缘锐化处理），当取景对象在较大范围内和天空接近并且没有阴影覆盖的时候，暗原色的猜想将不成立。直方图均衡化优点：对去雾图像没有要求缺点：去雾后的图像为灰色图像，去雾效果不太好视频去雾使用MATLAB专门的视频读取类VideoReader算法将视频分成单幅图像并保存。暗原色先验法对每一幅图像进行去雾。使用MATLAB专门的视频合成类VideoWriter算法将单幅图像合成视频。视频去雾去雾前去雾后总结由于景物退化与场景深度呈非线性关系，由此带来的最大问题是很难保证建立的景物退化模型的正确性和宽适性。目前，大多数的图像复原方法都建立在大气散射模型的基础上，并受到了此类模型的限制。视频分解得到的图象可能会解决图像虚化的问题，又因为视频分得的图像量很大，所以需要考虑去雾算法运行速率的问题以适应与实际应用。谢谢不足之处，请各位老师指正