本文關鍵詞：基于AS模型的單幅圖像去霧霾方法研究

  更多相關文章： 大氣散射模型 大氣光估計 成本函數 傳輸率

【摘要】：視覺系統伴隨信息科學技術等的快速發(fā)展,在場景的捕獲和處理中發(fā)揮的作用越來越重要,然而在空氣中彌漫著水滴、煙霧等顆粒的狀況下,由于微小粒子的散射作用,成像系統所捕獲的圖像質量退化,清晰度下降,顏色和對比度改變,圖像中的許多場景被模糊化,這不僅影響到圖像的視覺效果,對后續(xù)的信息提取與處理也造成了嚴重阻礙。因此對霧霾退化圖像處理方法的研究具有重要的實際意義和廣闊的應用范圍。目前,對彩色退化圖像的去霧霾方法主要有兩類:一是不探究圖像降質的起因,強調其整體或局部特性從而達到圖像清晰化的圖像增強方法;二是利用大氣散射(Atmospheric Scattering,AS)模型的圖像復原方法。本文屬于第二種方法,從圖像退化的物理成因出發(fā),詳細闡述了AS模型,并對一些基于AS模型的經典方法進行了綜述。本文在AS模型的基礎上研究單幅圖像去霧霾方法,主要包含了以下研究內容:(1)根據AS模型中大氣光和圖像顏色空間的特性,在YCbCr空間中,使用四叉樹分層搜索法估計大氣光值,可以避免估計的不可靠性;(2)利用傳輸率局部平滑的特性,假設每個子類局部區(qū)域傳輸率是相同的,用快速、穩(wěn)定的AP聚類算法代替需要人工設置大小的矩形窗口,根據圖像像素點顏色特征將其自然地分割成若干個局部區(qū)域,用于局部區(qū)域傳輸率的估計;(3)基于一般情況下霧霾圖像對比度較低,本文通過估計區(qū)域傳輸率使得對比度增強。然而,下降的對比度的補償可能會引起像素值溢出,從而導致某些信息的損失。為此,本文設計了一個包含對比度和信息丟失的成本函數,通過最小化這個成本函數,為每個子類局部區(qū)域估計出增強復原圖像對比度的同時又減少信息丟失的最佳傳輸率值;(4)對保持圖像邊緣細節(jié)信息的引導濾波算法在速度上進行改進,同時使用平滑的窗口增強邊緣細節(jié),以細化粗略的局部區(qū)域傳輸率圖,更加突出了圖像的邊緣細節(jié)信息。實驗對比證明,本文所提出的方法可以更有效地提高圖像的主觀視覺效果;從客觀定量方面衡量,本文方法也優(yōu)于其它3中經典的去霧霾算法。
【關鍵詞】：大氣散射模型 大氣光估計 成本函數 傳輸率
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-14
• 1.1 課題研究背景及意義9
• 1.2 國內外的研究現狀及本文研究重點9-12
• 1.2.1 國外研究現狀10-11
• 1.2.2 國內研究現狀11-12
• 1.2.3 本文的研究重點12
• 1.3 本文組織結構安排12-13
• 1.4 本章小結13-14
• 2 基于先驗數據假設的經典去霧霾方法14-25
• 2.1 霧霾的形成及大氣散射理論14-15
• 2.2 AS模型理論基礎15-19
• 2.2.1 入射光衰減模型15-17
• 2.2.2 大氣光成像模型17-18
• 2.2.3 霧霾圖像退化模型18-19
• 2.3 基于先驗數據假設的經典去霧霾方法19-24
• 2.3.1 Fattal去霧霾方法19-21
• 2.3.2 基于大氣耗散函數的Tarel方法21-23
• 2.3.3 暗通道先驗算法23-24
• 2.4 本章小結24-25
• 3 基于成本函數的相關變量估計25-38
• 3.1 大氣光的估計25-27
• 3.2 基于成本函數的區(qū)域最佳傳輸率估計27-34
• 3.2.1 基于AP聚類的局部區(qū)域劃分28-30
• 3.2.2 復原圖像的對比度與信息丟失特性分析30-32
• 3.2.3 成本函數與最佳傳輸率估計32-34
• 3.3 相關參數設置34-36
• 3.3.1 AP聚類收斂參數設置34-36
• 3.3.2 成本函數權重參數設置36
• 3.4 本章小結36-38
• 4 基于改進引導濾波的傳輸率細化與圖像復原38-47
• 4.1 傳輸率細化38-43
• 4.1.1 引導濾波38-40
• 4.1.2 快速的引導濾波40-42
• 4.1.3 基于平滑窗口的改進引導濾波42-43
• 4.2 參數設置43-44
• 4.3 圖像的復原44-46
• 4.4 本章小結46-47
• 5 效果評價及實驗結果分析47-55
• 5.1 主觀視覺評價47-48
• 5.2 客觀定量評價48-54
• 5.2.1 基于可見邊的對比度增強評估方法49-51
• 5.2.2 基于視覺感知的去霧霾效果評價方法51-54
• 5.3 本章小結54-55
• 6 總結與展望55-57
• 6.1 總結55-56
• 6.2 展望56-57
• 參考文獻57-62
• 攻讀碩士學位期間所取得的研究成果62-63
• 致謝63-64

【參考文獻】

中國期刊全文數據庫 前10條

1 楊凡穩(wěn);曾志高;劉強;劉麗紅;易勝秋;鐘智彥;;基于AP聚類算法的圖像分割應用與研究[J];計算技術與自動化;2015年03期

2 吳迪;朱青松;;圖像去霧的最新研究進展[J];自動化學報;2015年02期

3 劉巧玲;張紅英;;單幅圖像快速去霧霾算法[J];西南科技大學學報;2014年03期

4 陳劍鵬;畢篤彥;張晟，

本文編號：585509