本文選題：圖像去霧　切入點：暗通道先驗　出處：《中國科學院大學(中國科學院光電技術研究所)》2017年碩士論文

【摘要】：現(xiàn)今環(huán)境問題日益嚴峻,霧霾天氣頻繁出現(xiàn),不僅給人類的生存壞境帶來威脅,同時影響到社會的方方面面,用成像設備拍攝,會發(fā)現(xiàn)獲取的圖像明顯的退化,包括顏色出現(xiàn)失真,對比度有所降低,細節(jié)也變得模糊不清等,會對后續(xù)的處理工作造成嚴重的影響,給信息采集,目標識別提取等帶來了一系列的困難因此,對圖像去霧技術進行研究十分必要。本文主要從以下幾個方面開展研究:(1)對國內(nèi)外圖像去霧技術進行廣泛調(diào)研,將去霧方法分為兩大類:基于增強和基于復原的去霧,基于增強的去霧方法包括直方圖均衡化,小波變換等,基于復原的包括利用偏微分方程,利用景深估計和利用先驗信息等。通過對各類算法進行仿真,對其優(yōu)缺點進行詳細的分析,發(fā)現(xiàn)暗通道先驗去霧算法對大多數(shù)自然場景圖像有著較好的效果,所以選取暗通道先驗的去霧算法作為后續(xù)的重點研究。(2)對一些基礎理論進行研究,包括霧的定義,霧氣形成所需的條件,霧天成像模型,霧天圖像特性,暗通道先驗原理,去霧評價指標(主客觀)。(3)研究暗通道先驗去霧算法,對算法流程進行了詳細的分析,包括求取暗通道,估計大氣光,估計透射率,優(yōu)化透射率。在對暗通道先驗去霧算法仿真過程中,發(fā)現(xiàn)了每一步的不足之處,進而針對存在的問題與缺陷,對每一步引入相應的改進算法,在視覺效果和時間復雜度兩個方面得到了相應的改善。(4)針對暗通道先驗去霧算法效率低的問題,提出基于暗通道先驗的HSI空間快速去霧算法。首先將有霧圖像從RGB空間轉(zhuǎn)換到HSI空間并進行分塊,對每一區(qū)塊求取暗通道點,然后對暗通道點進行飽和度矯正,再由HSI空間轉(zhuǎn)換到RGB空間,求得圖像中每個暗通道點的霧氣分量,通過插值的方法,得到全局霧氣分量圖,最后由有霧圖像減去全局霧氣分量圖,并進行亮度調(diào)整,最終得到復原后的圖像。(5)本文圖像仿真均在MATLAB平臺上實現(xiàn),分別對暗通道先驗去霧算法及針對每一步的改進算法進行了仿真,且對提出的基于暗通道的快速去霧算法進行了仿真,通過評價指標可以看出,以上改進算法均得到了較好的預期效果。
[Abstract]:Nowadays, the environmental problems are becoming more and more serious, and the haze weather frequently appears, which not only threatens the survival of human beings, but also affects all aspects of society.Including color distortion, lower contrast, blurred details and so on, which will have a serious impact on the subsequent processing work and bring a series of difficulties to information collection, target recognition and extraction, etc.It is necessary to study the image de-fogging technology.In this paper, we mainly carry out research on image de-fogging technology in China and abroad from the following several aspects. We divide the de-fogging methods into two categories: based on enhancement and restoration, and based on enhancement, which includes histogram equalization.Wavelet transform is based on partial differential equation, depth of field estimation and prior information.Through the simulation of all kinds of algorithms and the detailed analysis of their advantages and disadvantages, it is found that the dark channel priori de-fogging algorithm has a good effect on most natural scene images.So select the dark channel priori de-fogging algorithm as the focus of the following research.) to study some basic theories, including the definition of fog, the conditions required for fog formation, fog imaging model, fog image characteristics, dark channel prior principle,A priori de-fogging algorithm for dark channels is studied in this paper. The flow of the algorithm is analyzed in detail, including the selection of dark channels, estimation of atmospheric light, estimation of transmittance, and optimization of transmittance.In the simulation of dark channel priori de-fogging algorithm, the shortcomings of each step are found, and then the corresponding improved algorithm is introduced for each step in view of the existing problems and defects.The visual effect and time complexity are improved accordingly. Aiming at the low efficiency of dark channel priori de-fogging algorithm, a fast de-fogging algorithm in HSI space based on dark channel priori is proposed.Firstly, the foggy image is transformed from RGB space to HSI space and divided into blocks. The dark channel points are obtained for each block, then the saturation of dark channel points is corrected, and then converted from HSI space to RGB space.The fog component of each dark channel point in the image is obtained. By interpolation, the global fog component map is obtained. Finally, the global fog component image is subtracted from the fog image, and the brightness is adjusted.Finally, the reconstructed image. 5) the image simulation in this paper is implemented on the MATLAB platform. The prior de-fogging algorithm of dark channel and the improved algorithm for each step are simulated, respectively.The proposed fast de-fogging algorithm based on dark channel is simulated, and it can be seen from the evaluation index that the improved algorithm has better expected results.
【學位授予單位】：中國科學院大學(中國科學院光電技術研究所)
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 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)技術學院學報;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;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];寧夏大學學報(自然科學版);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)的設計與實現(xiàn)[J];計算機應用;2012年S2期

8 宋建中;;噴霧圖像的自動分析[J];光學機械;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)仿真技術及其應用學術論文集（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術會議論文集[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方法[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產(chǎn)業(yè)發(fā)展（下冊）[C];2001年

4 王強;王風;;一種保持圖像幾何特征的去噪模型[A];中國通信學會第五屆學術年會論文集[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];中國圖象圖形學會第十屆全國圖像圖形學術會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術研討會（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學術會議論文集[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大會論文集（一）[C];2007年

8 漆琳智;張超;吳向陽;;引導濾波的單幅圖像前景精確提取[A];浙江省電子學會2013學術年會論文集[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術會議論文集（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學術交流會論文集（下冊）[C];2010年

相關重要報紙文章 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“掃”天下[N];中國計算機報;2002年

相關博士學位論文 前10條

1 梁福來;低空無人機載UWB SAR增強成像技術研究[D];國防科學技術大學;2013年

2 周靜;基于憶阻器的圖像處理技術研究[D];國防科學技術大學;2014年

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

5 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關鍵技術研究[D];國防科學技術大學;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用研究[D];重慶大學;2015年

7 王玉明;SAR圖像地雷場檢測技術研究[D];國防科學技術大學;2013年

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

相關碩士學位論文 前10條

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

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

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

4 向訓文;RGB-D圖像顯著性檢測研究[D];華南理工大學;2015年

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

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

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

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

本文編號：1728034