隨著信息化、智能化時(shí)代的到來,計(jì)算機(jī)視覺已成為智能交通、國防和航空等領(lǐng)域的中流砥柱。而當(dāng)今經(jīng)濟(jì)和科技的快速發(fā)展,使環(huán)境和空氣質(zhì)量每況愈下,霧霾天氣頻發(fā),這又影響著戶外監(jiān)控系統(tǒng)。因此,如何高效的將有霧圖像復(fù)原成視覺效果良好的圖像已成為全球?qū)W者關(guān)注的熱點(diǎn)。論文結(jié)合暗通道先驗(yàn)理論、大氣散射模型、顏色空間、邊緣保持算法、Retinex增強(qiáng)算法等理論進(jìn)行仿真實(shí)驗(yàn)和總結(jié),提出兩種新型的去霧算法。（1）結(jié)合Lab空間和單尺度Retinex的圖像去霧算法針對暗通道先驗(yàn)算法在景深突變處出現(xiàn)Halo效應(yīng),及明亮區(qū)域透射率估計(jì)過小的問題提出一種結(jié)合Lab空間和單尺度Retinex的圖像去霧算法。首先,將RGB圖像轉(zhuǎn)換至Lab空間提取出亮度分量,利用Canny算子對亮度分量提取邊緣信息,豐富恢復(fù)圖像細(xì)節(jié);其次,利用單尺度Retinex對非邊緣區(qū)域進(jìn)行高斯自適應(yīng)濾波估計(jì)出優(yōu)化后的亮度分量,獲得“偽”去霧圖像,得到粗略的透射率;然后,利用交叉雙邊濾波對透射率進(jìn)行優(yōu)化;最后,基于大氣散射模型恢復(fù)出需要的無霧圖像。從實(shí)驗(yàn)結(jié)果可以看出,該方法恢復(fù)出的圖像細(xì)節(jié)明顯,整體平滑,且對含大片天空區(qū)域的圖像也有較好的恢復(fù)效果。（... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

全國霧實(shí)況圖

受霧霾

基于顏色空間和邊緣保持的單幅圖像去霧算法研究-2-圖1.2受霧霾影響戶外圖像1.2圖像去霧領(lǐng)域國內(nèi)外研究現(xiàn)狀目前圖像去霧方法主要有四類：圖像復(fù)原方法、圖像增強(qiáng)方法、圖像融合方法和機(jī)器學(xué)習(xí)方法[1]。圖像復(fù)原算法通過分析霧圖降質(zhì)機(jī)理，建立圖像退化模型，充分利用假設(shè)或已知的先驗(yàn)知識，反演推導(dǎo)，最后求得無霧圖像，該方法去霧效果自然，一般不會有信息損失，因此該方法目前受到國內(nèi)外研究學(xué)者的青睞。圖像增強(qiáng)方法在處理圖像時(shí)不考慮退化因素，只為滿足視覺感知，不能實(shí)現(xiàn)真正意義上的去霧；圖像融合方法將有霧圖像分為亮度圖、色度圖、顯著圖，分別作用于輸入圖，最后通過多尺度融合恢復(fù)圖像，這類算法處理的圖像細(xì)節(jié)豐富，色彩自然；機(jī)器學(xué)習(xí)方法通過訓(xùn)練數(shù)據(jù)獲得模型實(shí)現(xiàn)去霧，但受數(shù)據(jù)集約束，具有一定的局限性。圖1.3為圖像去霧算法主要分類及各類代表算法。1.2.1圖像增強(qiáng)方法目前，基于圖像增強(qiáng)方法的研究主要分為以下兩種：(1)基于Retinex理論的增強(qiáng)算法Land等人[2]1971年依據(jù)人類視覺對亮度和顏色的感知首次提出了Retinex理論，Retinex是由“retin(視網(wǎng)膜)”和“cortex(皮層)”構(gòu)成，中文名叫視網(wǎng)膜大腦皮層理論。認(rèn)為我們觀察到的圖像是由物體本身圖像和光照圖像混合而成的，而人眼對物體顏色的感知與外界環(huán)境的光照無關(guān)。因此用該理論進(jìn)行圖像去霧，只需要將物體本身圖像從現(xiàn)有圖像中分離出來就可以實(shí)現(xiàn)去霧。McCann等人提出了算法相當(dāng)復(fù)雜且復(fù)原效果不佳的兩種算法（McCann99Retinex和Frankle-McCannRetinex）[4]。之后Jobson等人[5]提出了算法復(fù)雜度和效果都更佳的單尺度Retinex算法（Single-ScaleRetinex，SSR），但該算法由于尺度參數(shù)取值敏感，造成復(fù)原圖像的顏色和細(xì)節(jié)無法滿足需求。而后，McCann等人改進(jìn)了SSR算

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合Lab空間和單尺度Retinex的自適應(yīng)圖像去霧算法[J]. 馬文君,劉金虎,王小鵬,孫士偉.  應(yīng)用光學(xué). 2020(01)
[2]基于補(bǔ)償透射率和自適應(yīng)霧濃度系數(shù)的圖像復(fù)原算法[J]. 楊燕,王志偉.  通信學(xué)報(bào). 2020(01)
[3]基于HSV顏色空間的快速邊緣提取算法[J]. 王紅雨,尹午榮,汪梁,胡江顥,喬文超.  上海交通大學(xué)學(xué)報(bào). 2019(07)
[4]混合先驗(yàn)與加權(quán)引導(dǎo)濾波的圖像去霧算法[J]. 李喆,李建增,胡永江,張巖.  中國圖象圖形學(xué)報(bào). 2019(02)
[5]基于Lab顏色空間紋理特征的圖像前后景分離[J]. 楊超,劉本永.  激光與光電子學(xué)進(jìn)展. 2019(12)
[6]基于高斯衰減的自適應(yīng)線性變換去霧算法[J]. 姜沛沛,楊燕.  激光與光電子學(xué)進(jìn)展. 2019(10)
[7]基于光補(bǔ)償和逐像素透射率的圖像復(fù)原算法[J]. 楊燕,陳高科.  通信學(xué)報(bào). 2017(05)
[8]圖像去霧的最新研究進(jìn)展[J]. 吳迪,朱青松.  自動化學(xué)報(bào). 2015(02)
[9]基于融合策略的單幅圖像去霧算法[J]. 郭璠,唐琎,蔡自興.  通信學(xué)報(bào). 2014(07)
[10]基于偏微分方程的戶外圖像去霧方法[J]. 孫玉寶,肖亮,韋志輝,吳慧中.  系統(tǒng)仿真學(xué)報(bào). 2007(16)



本文編號：3021461