霧是一種常見的大氣現(xiàn)象,空氣中懸浮的水滴、灰塵、細(xì)沙或其他顆粒等都會(huì)引起成像清晰度的降低。在霧天的成像過程中,遠(yuǎn)處物體的反射光無法穿過稠密大氣到達(dá)攝像頭,大氣散射導(dǎo)致成像對(duì)比度的下降。因此,圖像去霧已經(jīng)成為圖像處理和機(jī)器視覺領(lǐng)域的研究重點(diǎn)和熱點(diǎn)。本文主要研究圖像/視頻的去霧和增強(qiáng),主要貢獻(xiàn)如下:1)圖像去霧的關(guān)鍵是大氣透射率的準(zhǔn)確估計(jì)。本文提出了可訓(xùn)練的端到端系統(tǒng)DehazeNet來估計(jì)透射率圖,并通過大氣散射模型重構(gòu)清晰圖像。DehazeNet采用特殊的卷積神經(jīng)網(wǎng)絡(luò),其中利用Maxout單元實(shí)現(xiàn)與霧相關(guān)的特征提取,并提出雙邊修正線性單元（BReLU）以提高重構(gòu)質(zhì)量。實(shí)驗(yàn)表明,相比于現(xiàn)有方法DehazeNet具有更好的性能,同時(shí)保持了高效性和易用性。2)視頻去霧具有更廣泛的應(yīng)用場(chǎng)景,但其額外的挑戰(zhàn)主要來自時(shí)空相關(guān)性和計(jì)算實(shí)時(shí)性。本文提出亮度值先驗(yàn)并建立基于時(shí)空馬爾可夫隨機(jī)場(chǎng)的實(shí)時(shí)視頻去霧框架。此外,該框架采用積分圖像技術(shù)和下采樣技術(shù)進(jìn)行加速,顯著地降低了主要的計(jì)算負(fù)擔(dān)。實(shí)驗(yàn)結(jié)果表明,本文方法在保持實(shí)時(shí)性的同時(shí),可有效地去除區(qū)塊效應(yīng)和閃爍偽影:在單CPU下實(shí)現(xiàn)對(duì)352×288尺寸視頻流約... 

【文章來源】：華南理工大學(xué)廣東省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：115 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 引言
    1.2 研究背景和意義
    1.3 相關(guān)研究現(xiàn)狀
        1.3.1 基于圖像增強(qiáng)的方法
        1.3.2 基于Retinex的方法
        1.3.3 基于物理模型的方法
    1.4 主要研究?jī)?nèi)容
    1.5 本文結(jié)構(gòu)安排
第二章 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去霧
    2.1 概述
    2.2 去霧卷積網(wǎng)絡(luò)DehazeNet
        2.2.1 DehazeNet的網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.2 DehazeNet與傳統(tǒng)方法的聯(lián)系
        2.2.3 DehazeNet的訓(xùn)練過程
    2.3 實(shí)驗(yàn)與分析
        2.3.1 網(wǎng)絡(luò)結(jié)構(gòu)分析
        2.3.2 濾波器個(gè)數(shù)與尺度
        2.3.3 合成圖像塊的定量分析
        2.3.4 合成圖片的定量分析
        2.3.5 RESIDE數(shù)據(jù)庫的定量分析
        2.3.6 真實(shí)圖片的定性分析
    2.4 小結(jié)
第三章 基于時(shí)空馬爾科夫隨機(jī)場(chǎng)的視頻去霧
    3.1 概述
    3.2 基于ST-MRF的實(shí)時(shí)視頻去霧
        3.2.1 單幀圖像去霧
        3.2.2 實(shí)時(shí)視頻去霧
    3.3 實(shí)驗(yàn)與分析
        3.3.1 時(shí)間連續(xù)性分析
        3.3.2 合成視頻的定量分析
        3.3.3 真實(shí)視頻的定性分析
        3.3.4 算法實(shí)時(shí)性分析
    3.4 小結(jié)
第四章 基于聯(lián)合先驗(yàn)Retinex模型的顏色校正
    4.1 概述
    4.2 局部變化方差
        4.2.1 邊緣/結(jié)構(gòu)保持平滑
        4.2.2 局部變化方差
        4.2.3 理論分析
    4.3 聯(lián)合內(nèi)外先驗(yàn)?zāi)Ｐ?br>        4.3.1 形狀先驗(yàn)
        4.3.2 光照先驗(yàn)
        4.3.3 紋理先驗(yàn)
        4.3.4 聯(lián)合優(yōu)化
    4.4 實(shí)驗(yàn)與分析
        4.4.1 Retinex分解
        4.4.2 顏色校正
        4.4.3 亮度自適應(yīng)
        4.4.4 先驗(yàn)分析
    4.5 小結(jié)
第五章 基于高斯相關(guān)性(RoG)的細(xì)節(jié)增強(qiáng)
    5.1 概述
    5.2 基于高斯相關(guān)性的圖像平滑
        5.2.1 高斯相關(guān)性
        5.2.2 平滑優(yōu)化
        5.2.3 理論分析
    5.3 快速可分遞歸優(yōu)化
        5.3.1 一維遞歸優(yōu)化
        5.3.2 二維可分近似
    5.4 實(shí)驗(yàn)與分析
        5.4.1 細(xì)節(jié)增強(qiáng)
        5.4.2 結(jié)構(gòu)提取
        5.4.3 JPEG偽影消除
        5.4.4 HDR色調(diào)映射
        5.4.5 其他應(yīng)用
        5.4.6 運(yùn)算效率分析
    5.5 小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 學(xué)術(shù)貢獻(xiàn)
    6.3 工作展望
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]一種基于同態(tài)濾波的遙感圖像薄云去除算法[J]. 李剛,楊武年,翁韜.  測(cè)繪科學(xué). 2007(03)
[2]一種圖像去薄霧方法[J]. 芮義斌,李鵬,孫錦濤.  計(jì)算機(jī)應(yīng)用. 2006(01)

博士論文
[1]圖像快速去霧與清晰度恢復(fù)技術(shù)研究[D]. 嵇曉強(qiáng).中國科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所） 2012



本文編號(hào)：3636637