【摘要】：在霧天環(huán)境下,因為空氣中大氣的散射作用,拍攝到的圖像會發(fā)生降質(zhì)而變得模糊不清,造成圖片的對比度降低,很多細節(jié)信息都無法獲取,從而影響監(jiān)控系統(tǒng)等各類依賴于光學(xué)成像儀器的系統(tǒng)工作。為了去除霧氣產(chǎn)生的影響,復(fù)原出圖像的細節(jié)信息,使用圖像去霧技術(shù)來增強或修復(fù)圖像具有深刻的研究意義。隨著技術(shù)的不斷進步和圖像清晰度的提高,在PC機使用軟件實現(xiàn)圖像去霧已經(jīng)不能滿足要求,FPGA的發(fā)展為其注入了新的活力。然而在FPGA上對圖像去霧進行實現(xiàn)時仍然存在著效果上的瓶頸以及實現(xiàn)復(fù)雜等問題。本文對去霧算法和FPGA設(shè)計進行了深入研究,對去霧算法進行改進,最終在FPGA上實現(xiàn)了改進后的算法。首先,本文介紹了基于圖像增強的圖像去霧方法與基于物理模型的圖像去霧方法,分析了兩者的優(yōu)點和瓶頸,最終選擇了基于物理模型的暗通道先驗圖像去霧算法來恢復(fù)得到清晰圖像。由于該算法存在著使用的軟摳圖算法過于復(fù)雜,以及有些步驟不適合在FPGA上實現(xiàn)的問題,在具體實現(xiàn)時會限制處理的速度并且浪費珍貴的硬件資源,因此本文在對原算法充分研究的基礎(chǔ)上進行了進一步的改進。在保證去霧效果的前提下,本文對其中的某些步驟和操作進行了優(yōu)化和簡化。其中,為了使透射率計算和大氣光估計在硬件上實現(xiàn)起來更加快速方便,同時節(jié)約硬件資源,對它們的計算過程分別進行了簡化;針對光暈現(xiàn)象以及用于去除光暈的軟摳圖算法過于復(fù)雜的問題,著重對其它細化透射率的方法進行了研究,最終確定了導(dǎo)向濾波和結(jié)合邊緣檢測兩種方法進行進一步的選擇。在軟件平臺上對以上兩種方案進行了實現(xiàn)和仿真,并通過主觀感受和客觀評價的方法對它們的去霧結(jié)果進行了比較。最后選擇利用導(dǎo)向濾波的方法細化透射率,進而對圖像進行恢復(fù)。通過以上過程確定了本文中圖像去霧算法的基本流程。最后,本文在FPGA上實現(xiàn)了改進后的圖像去霧算法。以FPGA芯片作為核心處理器,在保持去霧效果的前提下,針對FPGA的特點,充分發(fā)揮其優(yōu)勢,使用基于FPGA的實現(xiàn)優(yōu)化方法,實現(xiàn)了暗通道獲取、透射率計算、大氣光估計以及最終圖像恢復(fù)等多個模塊的硬件邏輯,盡可能地減少了計算復(fù)雜度并節(jié)省了資源。其中重點對暗通道獲取中的最小值濾波部分與細化透射率中的導(dǎo)向濾波部分的實現(xiàn)進行了討論和分析,并對圖像的邊界部分進行了設(shè)計。然后對各模塊的功能進行了驗證,并對實際的有霧圖像進行了去霧處理。
【圖文】：

和圖 2.5 所示，其右側(cè)的圖像即為當(dāng)窗口尺寸為 15*15 時按照此步驟獲取得到的暗通道圖。圖2.4 無霧圖像和它的暗通道圖圖2.5 有霧圖像和它的暗通道圖圖 2.4 為戶外場景中的無霧圖像和它相應(yīng)的暗通道圖，，圖 2.5 為戶外場景中的有霧圖像和它相應(yīng)的暗通道圖，其中左邊為原圖，右邊為相應(yīng)的暗通道圖。對兩組圖片進行對比觀察可以發(fā)現(xiàn)，無霧圖像的暗通道圖的顏色幾乎全部為黑色，而有霧圖像的暗通道圖的顏色更接近灰白色。進一步分析可得，暗通道圖的不同顏色可以用來估計圖像中霧的濃度。

圖2.4 無霧圖像和它的暗通道圖圖2.5 有霧圖像和它的暗通道圖圖 2.4 為戶外場景中的無霧圖像和它相應(yīng)的暗通道圖，圖 2.5 為戶外場景中的有霧圖像和它相應(yīng)的暗通道圖，其中左邊為原圖，右邊為相應(yīng)的暗通道圖。對兩組圖片進行對比觀察可以發(fā)現(xiàn)，無霧圖像的暗通道圖的顏色幾乎全部為黑色，而有霧圖像的暗通道圖的顏色更接近灰白色。進一步分析可得，暗通道圖的不同顏色可以用來估計圖像中霧的濃度。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TN791

【相似文獻】

相關(guān)期刊論文 前10條

1 馮桂蓮;;曲率驅(qū)動擴散圖像邊緣形態(tài)復(fù)合濾波方法仿真[J];計算機仿真;2019年09期

2 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學(xué)與計算機;2014年08期

3 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開發(fā);2013年12期

4 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術(shù);2003年08期

5 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學(xué)學(xué)報(自然科學(xué)版);1988年01期

6 宋建中;;噴霧圖像的自動分析[J];光學(xué)機械;1988年04期

7 高華;;關(guān)于古建筑圖像中破損點優(yōu)化提取仿真[J];計算機仿真;2017年11期

8 劉娟娟;劉斌;;低照度非線性光學(xué)圖像邊緣自適應(yīng)增強裝置設(shè)計[J];激光雜志;2017年03期

9 許志強;張婷;;數(shù)字式多媒體場景圖像準確分類方法仿真[J];計算機仿真;2019年07期

10 張琳梅;;基于圖像邊緣增強的改進方法[J];信息系統(tǒng)工程;2016年03期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

6 孫增國;師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽科學(xué)學(xué)術(shù)年會論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

相關(guān)重要報紙文章 前7條

1 侯杰;國產(chǎn)芯片進軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報;2003年

4 ;體驗決定一切[N];中國計算機報;2003年

5 Wang JS;摳圖又有新招[N];電腦報;2002年

6 徐和德;從實戰(zhàn)出發(fā)選擇合適鏡頭[N];中國攝影報;2019年

7 ;令挑剔的人也刮目相看[N];中國電子報;2001年

相關(guān)博士學(xué)位論文 前10條

1 吳思東;基于人工復(fù)眼的場景感知方法[D];西南交通大學(xué);2019年

2 吳迪;光學(xué)遙感圖像典型目標檢測方法研究[D];哈爾濱工業(yè)大學(xué);2019年

3 王瑤;復(fù)雜天氣下的道路識別方法研究[D];哈爾濱工業(yè)大學(xué);2019年

4 宋偉先;基于深度學(xué)習(xí)的豬只目標檢測及狀態(tài)分析[D];東北農(nóng)業(yè)大學(xué);2019年

5 張玲;圖像光照恢復(fù)與分解技術(shù)研究[D];武漢大學(xué);2017年

6 蔡博侖;圖像去霧與增強算法的研究[D];華南理工大學(xué);2019年

7 歐巧鳳;二維凝膠電泳圖像中一致蛋白質(zhì)斑點集檢測技術(shù)研究[D];西北工業(yè)大學(xué);2018年

8 唐國良;視頻監(jiān)控圖像局部特征描述和相機接力研究[D];西安電子科技大學(xué);2019年

9 孫景峰;基于圖像特征的示波屏識別關(guān)鍵技術(shù)研究及應(yīng)用[D];西北工業(yè)大學(xué);2018年

10 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 王東;視覺窄化下船舶目標圖像的檢測方法研究[D];江蘇科技大學(xué);2019年

2 許晨;基于圖像的內(nèi)河導(dǎo)航與目標跟蹤關(guān)鍵技術(shù)研究[D];江蘇科技大學(xué);2019年

3 提璇;基于兩種先驗知識的圖像去霧算法[D];山東科技大學(xué);2018年

4 陳曉迪;基于單幅圖像的去霧算法研究[D];黑龍江大學(xué);2019年

5 陳國松;基于FPGA和USB3.0的圖像信息采集與處理系統(tǒng)設(shè)計與實現(xiàn)[D];吉林大學(xué);2019年

6 單榕;基于視覺感受度和物體度的圖像顯著性檢測算法研究[D];山東科技大學(xué);2018年

7 田媛媛;基于稀疏重建方法的牛體征檢測圖像研究[D];內(nèi)蒙古科技大學(xué);2019年

8 常一凡;基于CTA圖像的冠狀動脈分割方法研究[D];內(nèi)蒙古科技大學(xué);2019年

9 李芳;影響panum融合區(qū)顯示深度相關(guān)參數(shù)研究及圖像優(yōu)化[D];內(nèi)蒙古科技大學(xué);2019年

10 余潔;基于集群的海量MOST圖像快速預(yù)處理研究[D];華中科技大學(xué);2019年

本文編號：2619637