本文關(guān)鍵詞： 圖像復(fù)原 多尺度分析 圖像去噪 視頻去霧　出處：《華僑大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：霧天環(huán)境下,大氣中隨機介質(zhì),如懸浮顆粒、霧、霾等對戶外場景的輻射影響導(dǎo)致能見度嚴重不足,導(dǎo)致相機設(shè)備拍攝的畫面存在對比度低、色彩暗淡等不同程度的退化問題,影響人們的視覺觀感和有用信息的自動提取。因而,復(fù)原清晰這些降質(zhì)圖像具有十分重要的現(xiàn)實意義和應(yīng)用價值。目前去霧方法在自適應(yīng)性上還不足,難以處理遠近不同場景以及噪聲干擾情況下的霧天降質(zhì)圖像和視頻。本文分析了霧天成像的物理退化模型,詳細探索了圖像去霧用到的關(guān)鍵技術(shù),設(shè)計并實現(xiàn)了圖像和視頻去霧方法。主要研究和貢獻如下:針對傳統(tǒng)基于暗通道去霧中離視點較遠區(qū)域出現(xiàn)的色彩失真,較近區(qū)域出現(xiàn)暈影等問題,提出基于場景深度分割和開暗通道的去霧方法。方案如下:首先檢測輸入圖像場景的深度信息,劃分整個圖像為近景和遠景兩部分;采用開暗通道模型估測大氣光幕,修正遠景區(qū)域的透射率值;融合近景和遠景優(yōu)化透射率圖,最終實現(xiàn)有霧圖像的清晰化。實驗結(jié)果表明,針對不同場景的有霧圖像,該方法能切實有效克服暗通道先驗方法的不足,視覺效果得到了顯著提升,自適應(yīng)強。觀察到霧趨近分布于圖像的低頻,提出結(jié)合多尺度小波分析的去霧方法。該方法先將圖像從空域變換到頻域,對低頻區(qū)域去霧;鑒于霧對高頻信息的削弱,亦需對高頻細節(jié)等同復(fù)原。方案如下:首先使用小波將圖像分解到小波域,得到圖像的高頻和低頻。對低頻區(qū)域,采用開暗通道模型估計圖像的透射率,并用引導(dǎo)濾波優(yōu)化,得到清晰的低頻和透射率圖。對高頻部分,結(jié)合透射率圖并采用物理模型對信號增強。最后整合高低頻信號重構(gòu)出清晰無霧結(jié)果。對比單幅圖像去霧,視頻序列去霧清晰化的應(yīng)用空間更為廣闊但也更為困難。不同于單幀處理方案,本文提出一種保持時序一致性并有效減少視覺偽跡的實時視頻去霧框架。基于視頻相鄰幀之間的相關(guān)性,定義時序一致性的透射率項。然后,融合當(dāng)前透射率增量定義整體代價函數(shù),權(quán)衡代價以求得最佳透射率圖。同時為減輕低質(zhì)圖像恢復(fù)過程中存在的偽跡和噪聲放大現(xiàn)象,提出利用相對無噪的有霧圖像聯(lián)合恢復(fù)潛在圖像。實驗結(jié)果表明,該提出框架能自適應(yīng)消除了霧霾影響,并產(chǎn)生高質(zhì)量的清晰視頻。
[Abstract]:Foggy environment, random medium in the atmosphere, such as suspended particles, fog, haze and other effects of outdoor scene radiation visibility caused serious shortage, cause the camera to shoot pictures of existing equipment with low contrast, dim color degradation in different extent, affect people's visual sense of automatic extraction and useful information. Therefore, clear the restoration of degraded image has very important practical significance and application value. The method of defogging is insufficient in adaptability, and difficult to deal with different scenes and noise under the condition of fog degraded image and video. This paper analyzes the physical fog image degradation model, to explore in detail the key to image the fog technology used, the design and implementation of image and video defogging method. The main research results and contributions are as follows: according to the traditional based on dark channel to the region far from the viewpoint of color distortion, compared with Vignetter problem region near the proposed defogging method of scene depth segmentation and dark channel. Based on open plan is as follows: first detection input depth information of the image scene, divided the whole image into two parts and vistas; using the dark channel estimation model of atmospheric transmittance correction vision screen, regional value; fusion and vistas optimization of transmission ratio, and ultimately a clear fog image. The experimental results show that for different scenarios of the fog image, this method can effectively overcome the shortage of the dark channel prior method, visual effect has been significantly improved, adaptive. Observed frequency distribution in the fog reaching the image, combining with the method of defogging multi scale wavelet analysis. The image is transformed from the spatial domain to the frequency domain, the low frequency region to fog; in view of the fog on the high frequency information of the weakened, also need to high-frequency details with programs such as restoration. : first decompose the image into wavelet domain using wavelet image, high frequency and low frequency. In the low frequency region, using dark channel estimation model of image transmission, and guide the filter optimization, get clear frequency and transmittance map. The high frequency part, combined with the physical model of transmission ratio and finally integrated signal enhancement. The high frequency signal is reconstructed. Results no fog fog to clear contrast image space, application of video sequence to fog clear broader, but also more difficult. Different from the single frame processing scheme, this paper proposes a maintain sequence consistency and reduce the real-time video visual artifacts to fog correlation framework. Between adjacent video frames based on transmittance, the definition of temporal consistency. Then, the definition of the overall incremental transmission fusion cost function, in order to achieve the best balance of cost. At the same time to reduce the light transmission ratio is low In the process of quality image restoration, artifacts and noise amplification phenomena exist. It is proposed to restore latent images by using relatively non noisy foggy image. Experimental results show that the proposed framework can effectively eliminate haze effects and produce high-quality clear videos.

【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 黃炯;圖像邊緣處理[J];電視字幕(特技與動畫);2000年09期

2 劉建忠;;圖像邊緣的數(shù)學(xué)結(jié)構(gòu)分析[J];軟件;2011年05期

3 陳文兵;張小磊;;基于圖像邊緣的能見度計算方法[J];微型電腦應(yīng)用;2009年04期

4 曾友州;胡瑩;曾偉一;鄭曉霞;;提取數(shù)字圖像邊緣的算法比較[J];成都航空職業(yè)技術(shù)學(xué)院學(xué)報;2009年04期

5 潘衛(wèi)國;鮑泓;何寧;;一種傳統(tǒng)中國書畫圖像的二分類方法[J];計算機科學(xué);2012年03期

6 周濤;陸惠玲;拓守恒;馬競先;楊德仁;;基于非凸區(qū)域下近似的圖像邊緣修補算法[J];寧夏大學(xué)學(xué)報(自然科學(xué)版);2012年01期

7 唐亮;唐娉;閻福禮;鄭柯;;HJ-1 CCD圖像自動幾何精糾正系統(tǒng)的設(shè)計與實現(xiàn)[J];計算機應(yīng)用;2012年S2期

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

9 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

10 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11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 王偉凝;余英林;張劍超;;圖像的動感特征分析[A];第一屆中國情感計算及智能交互學(xué)術(shù)會議論文集[C];2003年

3 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復(fù)方法[A];新世紀(jì) 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（下冊）[C];2001年

4 王強;王風(fēng);;一種保持圖像幾何特征的去噪模型[A];中國通信學(xué)會第五屆學(xué)術(shù)年會論文集[C];2008年

5 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

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無參考客觀質(zhì)量評測方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

7 孟晉麗;張毅;金林;;圖像中混合噪聲的小波域濾除方法[A];2007'儀表，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

8 漆琳智;張超;吳向陽;;引導(dǎo)濾波的單幅圖像前景精確提取[A];浙江省電子學(xué)會2013學(xué)術(shù)年會論文集[C];2013年

9 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

10 王亮亮;李明;高昕;;強模糊空間目標(biāo)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

相關(guān)重要報紙文章 前10條

1 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

2 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報;2009年

3 ;B超術(shù)語解釋[N];農(nóng)村醫(yī)藥報（漢）;2008年

4 ;圖像質(zhì)量調(diào)整秘技[N];電腦報;2001年

5 馬駿睿 皓月;制作版畫效果圖片[N];中國攝影報;2007年

6 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報;2009年

7 西安 張正倉;I~（2）C總線控制的HG-2220AV液晶屏視頻信號驅(qū)動板[N];電子報;2003年

8 ;令挑剔的人也刮目相看[N];中國電子報;2001年

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

10 于亮、阿鯤;技術(shù)“掃”天下[N];中國計算機報;2002年

相關(guān)博士學(xué)位論文 前10條

1 梁福來;低空無人機載UWB SAR增強成像技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

2 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 賈茜;基于時—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學(xué);2014年

4 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學(xué);2014年

5 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

6 楊小義;圖像特征識別算法及其在聾人視覺識別中的應(yīng)用研究[D];重慶大學(xué);2015年

7 王玉明;SAR圖像地雷場檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 溫景陽;圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學(xué);2015年

9 李林;基于概率圖模型的圖像整體場景理解方法研究[D];電子科技大學(xué);2014年

10 馮景;基于SAR圖像的海面溢油檢測研究[D];北京理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 李鵬遠;圖像檢索算法研究及其在互聯(lián)網(wǎng)教育中的應(yīng)用[D];華南理工大學(xué);2015年

2 萬燕英;微聚焦X-ray圖像自適應(yīng)正則化去噪方法[D];華南理工大學(xué);2015年

3 毛雙艷;基于梯度域的圖像風(fēng)格化渲染方法的研究及其應(yīng)用[D];華南理工大學(xué);2015年

4 向訓(xùn)文;RGB-D圖像顯著性檢測研究[D];華南理工大學(xué);2015年

5 曾旭;基于聚類和加權(quán)非局部的圖像稀疏去噪方法研究[D];天津理工大學(xué);2015年

6 熊楊超;圖像美學(xué)評價及美學(xué)優(yōu)化研究[D];華南理工大學(xué);2015年

7 王艷;圖像視覺顯著性檢測方法及應(yīng)用的研究[D];華南理工大學(xué);2015年

8 鄭露萍;圖像二階微分特征提取及人臉識別應(yīng)用研究[D];昆明理工大學(xué);2015年

9 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學(xué);2015年

10 曹靜;基于暗通道先驗算法的圖像去霧處理[D];海南大學(xué);2015年

，

本文編號：1551752