本文選題：圖像去霧　切入點：視頻去霧　出處：《長春工業(yè)大學(xué)》2016年碩士論文

【摘要】：戶外視覺系統(tǒng)由于暴露在開放的外界環(huán)境中,會常常受到惡劣天氣會影響而無法正常的工作,使得捕獲的圖像和視頻出現(xiàn)嚴重降質(zhì)的現(xiàn)象。其中,近年來出現(xiàn)最頻繁的惡劣天氣是霧霾天氣,已經(jīng)成為嚴重影響成像質(zhì)量的重要因素。在霧霾天氣下,由于大氣散射作用,會導(dǎo)致捕獲的圖像模糊不清,信息的可辨識度降低。霧天圖像的應(yīng)用價值大大減小,會干擾其它和圖像處理相關(guān)的領(lǐng)域的正常工作。此外,我國近年來霧霾天氣頻發(fā),圖像去霧技術(shù)成為越來越重要的研究課題,具有十分重要的實際意義。由于圖像去霧問題涉及到天氣條件的隨機性與復(fù)雜性,這增大了其研究難度。雖然國內(nèi)外已有的圖像去霧算法很多,但均有一定的局限性和相應(yīng)的缺點,這些算法在本質(zhì)上都可以大致歸類為兩種:第一種為基于非物理模型的圖像增強方法,第二種為基于物理模型的圖像復(fù)原方法。首先,提出了一種基于物理模型的圖像去霧算法,利用改進的White Patch Retinex算法計算出全球大氣光的值,提出了一種基于去霧后圖像的信息損失來估算透射率的方法,通過最小化信息損失方法估計出初始透射率,然后使用導(dǎo)向濾波對初始透射率圖進行快速細化,進而得到較精確的最終的透射率圖,最后通過反解霧天圖像退化物理模型得到清晰無霧的結(jié)果圖像。實驗結(jié)果表明,利用該方法得到的結(jié)果圖像較明亮,不需要再進行額外的亮度增強操作,且在天空區(qū)域不會出現(xiàn)嚴重的顏色失真現(xiàn)象,魯棒性和適用性較高其次,對視頻去霧進行研究。通過將有霧視頻幀的RGB顏色空間轉(zhuǎn)換到Y(jié)UV顏色空間,僅對其中的亮度分量Y進行去霧處理,保持色度分量(U,V)不變,降低了算法的復(fù)雜度,大大提高了處理過程的運行速度,從而能適用于處理視頻序列,處理速度可達20-22幀每秒,具有良好的實時性。最后,研究了戶外監(jiān)控視頻的去霧方法,因為監(jiān)控視頻的背景具有靜止不變的特性,所以本文將視頻幀的背景圖像和前景運動目標圖像分別提取出來后,各自進行去霧處理,然后融合為完整的無霧監(jiān)控視頻。由于對背景圖像是靜止且不變的,所以只對背景圖像做一次去霧處理,大大縮小了視頻去霧算法的運算時間,具有很好的實用意義。
[Abstract]:Because the outdoor visual system is exposed to open environment, it is often affected by bad weather and can not work properly, resulting in serious degradation of captured images and videos. The most frequent bad weather in recent years is haze weather, which has become an important factor that seriously affects the imaging quality. In haze weather, because of atmospheric scattering, the captured images are blurred. The application value of fog images is greatly reduced, which will interfere with the normal work of other fields related to image processing. In addition, in recent years, haze weather occurs frequently in China. Image de-fogging technology has become a more and more important research topic, which has very important practical significance. Because the problem of image de-fogging involves the randomness and complexity of weather conditions, Although there are a lot of image de-fogging algorithms at home and abroad, they all have some limitations and corresponding shortcomings. In essence, these algorithms can be roughly classified into two categories: the first is an image enhancement method based on a non-physical model, and the second is an image restoration method based on a physical model. An image de-fogging algorithm based on physical model is proposed in this paper. The improved White Patch Retinex algorithm is used to calculate the global atmospheric light, and a method to estimate the transmittance based on the information loss of the de-fogged image is proposed. The initial transmittance is estimated by minimizing the loss of information, and then the initial transmittance map is refined quickly by the guidance filter, and a more accurate final transmittance map is obtained. Finally, a clear and fog-free result image is obtained by using the degenerated physical model of the fog image. The experimental results show that the result image obtained by this method is brighter, and no additional brightness enhancement operation is needed. And there is no serious color distortion in the sky region. Secondly, the RGB color space of the fogged video frame is converted to the YUV color space. Only the luminance component Y is de-fogged to keep the chrominance component UV constant, which reduces the complexity of the algorithm and greatly improves the speed of the processing process, which can be applied to the processing of video sequences. The processing speed can reach 20-22 frames per second. Finally, the de-fogging method of outdoor surveillance video is studied. Because the background of the surveillance video is static and invariant, the background image of the video frame and the foreground moving target image are extracted respectively in this paper. Because the background image is still and invariable, only one de-fogging process is made for the background image, which greatly reduces the computation time of the video de-fog algorithm. It has good practical significance.
【學(xué)位授予單位】：長春工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 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

2 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

3 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

4 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

5 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

6 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

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

8 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

9 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11期

10 潘泓;夏良正;;一種基于圖像邊緣的矩計算方法[J];模式識別與人工智能;2003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 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：1684993