在霧霾等惡劣天氣下拍攝的圖像,因?yàn)槭艿江h(huán)境中多種不同懸浮物對(duì)光的吸收、散射等影響,最終獲得的圖像清晰度降低,呈現(xiàn)出對(duì)比度明顯降低,色彩失真,細(xì)節(jié)模糊等效果。然而目前的戶(hù)外視頻監(jiān)控系統(tǒng)等眾多應(yīng)用都是以輸入圖像或視頻具有高清晰度為前提,故降質(zhì)的圖像對(duì)后續(xù)識(shí)別目標(biāo)物體、分析圖像以及計(jì)量結(jié)果的準(zhǔn)確性都將產(chǎn)生很大的影響。因此,研究高質(zhì)、快速、普適的去霧原理與方法具有很高的理論意義和應(yīng)用價(jià)值。近年來(lái)得益于大氣散射模型的提出,圖像去霧領(lǐng)域取得了突破性的進(jìn)展,諸多學(xué)者提出了有效的去霧算法。本文首先分析了目前單幅圖像去霧領(lǐng)域被廣泛認(rèn)可的暗通道先驗(yàn)去霧算法,針對(duì)其對(duì)天空區(qū)域不適應(yīng)而產(chǎn)生色偏,過(guò)增強(qiáng)等負(fù)面視覺(jué)效果的問(wèn)題進(jìn)行改進(jìn),提出一種新的基于天空識(shí)別的單幅圖像去霧方法。主要研究工作如下:首先,基于對(duì)上千幅戶(hù)外圖像的觀察,總結(jié)天空區(qū)域具有的視覺(jué)特征,提出一種新的天空區(qū)域特征先驗(yàn),并基于先驗(yàn)知識(shí)構(gòu)建出天空區(qū)域特征圖。最后通過(guò)形態(tài)學(xué)開(kāi)運(yùn)算對(duì)天空區(qū)域特征圖進(jìn)行優(yōu)化,消除細(xì)小噪聲。實(shí)驗(yàn)結(jié)果表明,本文算法在各種不同場(chǎng)景下均能準(zhǔn)確識(shí)別出圖像中所含天空區(qū)域,識(shí)別結(jié)果穩(wěn)定準(zhǔn)確。其次,為了解決目前主流算法存在的大氣光誤判問(wèn)題... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于圖像增強(qiáng)的去霧方法
        1.2.2 基于物理模型的圖像復(fù)原方法
    1.3 論文內(nèi)容及結(jié)構(gòu)安排
第二章 基于大氣散射模型的圖像去霧原理
    2.1 大氣散射現(xiàn)象及散射模型
        2.1.1 衰減模型
        2.1.2 大氣光成像模型
    2.2 霧天圖像退化模型
    2.3 基于暗通道先驗(yàn)的單幅圖像去霧算法
        2.3.1 暗通道先驗(yàn)知識(shí)
        2.3.2 暗通道去霧算法
        2.3.3 處理結(jié)果分析
    2.4 本章小結(jié)
第三章 一種基于特征先驗(yàn)的天空識(shí)別方法
    3.1 基于邊緣檢測(cè)的分割方法
        3.1.1 經(jīng)典灰度圖像分割方法
        3.1.2 結(jié)合天空特征的邊緣檢測(cè)分割方法
    3.2 改進(jìn)的特征先驗(yàn)識(shí)別天空算法
        3.2.1 天空區(qū)域特征先驗(yàn)
        3.2.2 基于天空區(qū)域特征先驗(yàn)分割天空
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 主觀評(píng)價(jià)結(jié)果
        3.3.2 客觀評(píng)價(jià)結(jié)果
    3.4 本章小結(jié)
第四章 基于大氣光修正的圖像去霧方法
    4.1 問(wèn)題分析
    4.2 改進(jìn)大氣光估計(jì)
        4.2.1 定位大氣光候選區(qū)域
        4.2.2 計(jì)算大氣光取值
        4.2.3 透射率優(yōu)化
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 主觀評(píng)價(jià)結(jié)果
        4.3.2 客觀評(píng)價(jià)指標(biāo)
        4.3.3 客觀評(píng)價(jià)結(jié)果
    4.4 本章小結(jié)
第五章 基于自適應(yīng)透射率估計(jì)的圖像去霧方法
    5.1 問(wèn)題分析
    5.2 自適應(yīng)透射率估計(jì)
        5.2.1 平均飽和度先驗(yàn)
        5.2.2 透射率估計(jì)
        5.2.3 導(dǎo)向全變分模型
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 主觀評(píng)價(jià)結(jié)果
        5.3.2 客觀評(píng)價(jià)結(jié)果
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫(xiě)的論文
附錄2 攻讀碩士學(xué)位期間申請(qǐng)的專(zhuān)利
附錄3 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于先驗(yàn)知識(shí)與大氣散射模型的圖像增強(qiáng)算法[J]. 鞠銘燁,張登銀.  電子學(xué)報(bào). 2017(05)
[2]基于景深約束的單幅霧天圖像去霧算法[J]. 南棟,畢篤彥,馬時(shí)平,何林遠(yuǎn),婁小龍.  電子學(xué)報(bào). 2015(03)
[3]基于分解的二維renyi熵閾值分割方法中參數(shù)自適應(yīng)選取[J]. 龔劬,冉清華,王海軍.  計(jì)算機(jī)科學(xué). 2015(02)
[4]圖像去霧的最新研究進(jìn)展[J]. 吳迪,朱青松.  自動(dòng)化學(xué)報(bào). 2015(02)
[5]基于全變分Retinex及梯度域的霧天圖像增強(qiáng)算法[J]. 陳炳權(quán),劉宏立.  通信學(xué)報(bào). 2014(06)
[6]改進(jìn)的基于暗原色先驗(yàn)的圖像去霧算法[J]. 蔣建國(guó),侯天峰,齊美彬.  電路與系統(tǒng)學(xué)報(bào). 2011(02)
[7]圖像分割算法研究綜述[J]. 何俊,葛紅,王玉峰.  計(jì)算機(jī)工程與科學(xué). 2009(12)



本文編號(hào)：3168988