目前對(duì)于各行各業(yè)來(lái)說(shuō),帶霧圖像因?yàn)殪F霾的影響造成圖像的品質(zhì)降低,清晰度、對(duì)比度的下降無(wú)法滿足后期圖像工作人員的特征提取、邊緣銳化、景物占地面積估算等工作的需求,所以圖像的去霧技術(shù)應(yīng)運(yùn)而生。圖像去霧技術(shù)從數(shù)字圖像技術(shù)的誕生以來(lái)已經(jīng)發(fā)展了數(shù)十年,前后有Tan、Fattal、何凱明等許多國(guó)家的研究人員基于不同模型和數(shù)學(xué)方法以及算子探究出的不同去霧方法。從近些年國(guó)內(nèi)外的圖像處理方法來(lái)看,圖像去霧技術(shù)普遍可以歸結(jié)為兩大類,各式各樣的去霧新方法大致都是基于這兩大類：分別是基于物理模型的圖像復(fù)原去霧方法和基于非物理模型的圖像去霧增強(qiáng)技術(shù)。基于物理模型的通常是基于大氣散射模型估算出模型中的各個(gè)參數(shù),此種方法是比較全面的考慮到帶霧圖像降質(zhì)的原因,其中利用數(shù)學(xué)方程式進(jìn)行近似取值的參數(shù)能較好的復(fù)原真實(shí)圖像,從處理效果上來(lái)說(shuō)更勝一籌,但是此種方法也正因?yàn)槟Ｐ偷氖褂枚沟媒蒂|(zhì)圖像處理起來(lái)相對(duì)復(fù)雜,時(shí)間消耗比較大�；诜俏锢砟Ｐ偷膱D像增強(qiáng)技術(shù)純粹從數(shù)字圖像處理中的圖像增強(qiáng)方面著手,單純的將圖像的局部某個(gè)區(qū)域或者全部區(qū)域的對(duì)比度增強(qiáng)或者將邊緣提取出來(lái)以恢復(fù)清晰的圖像,這一類方法完全沒(méi)有考慮去霧圖像降質(zhì)的本質(zhì)原因以及導(dǎo)致圖像降質(zhì)的各種大氣因素,只是單純的將數(shù)字圖像處理中的一些算法或算子單一的運(yùn)用到圖像去霧處理的過(guò)程中,此類方法原理過(guò)程相對(duì)與基于物理模型的方法要簡(jiǎn)單些,但是隨之時(shí)間復(fù)雜度也變小,適合快速去霧圖像處理。本論文是在基于大氣散射物理模型和圖像增強(qiáng)算法相結(jié)合的基礎(chǔ)上,取長(zhǎng)補(bǔ)短,利用它們各自的優(yōu)點(diǎn),對(duì)帶霧降質(zhì)圖像采用基于何凱明的暗原色先驗(yàn)的圖像去霧技術(shù)和自適應(yīng)線性拉伸的快速單尺度Retinex圖像增強(qiáng)技術(shù)相結(jié)合的新方法。在該論文中,采用的基于暗原色先驗(yàn)原理方法即是在無(wú)霧圖像中總會(huì)存在一些像素點(diǎn)在RGB三個(gè)通道中的最小灰度值接近于零的先驗(yàn)情況下設(shè)來(lái)估測(cè)透射率圖,但是本文只進(jìn)行粗略估計(jì)透射率圖的方法,利用后期的圖像再處理來(lái)代替何凱明所用的摳圖或者導(dǎo)向?yàn)V波等細(xì)化透射率的方法,所以初步得到的去霧圖像在景物邊界區(qū)域比較模糊,有光暈現(xiàn)象,整體的清晰度還不夠高。所以本論文即再利用自適應(yīng)線性拉伸的快速單尺度Retinex算法進(jìn)行圖像的再增強(qiáng)處理,以到達(dá)期望的結(jié)果,利用圖像增強(qiáng)的優(yōu)點(diǎn)來(lái)彌補(bǔ)圖像復(fù)原的缺點(diǎn),不僅提高了方法的處理效率,節(jié)約了時(shí)間,還能達(dá)到令人滿意的去霧效果。本論文的主要研究?jī)?nèi)容包括以下幾個(gè)方面：一是,基于暗原色先驗(yàn),將原始帶霧圖像進(jìn)行初步處理,得到初步的處理影像；二是,在初步得到的去霧影像上,再進(jìn)行基于非物理模型的圖像增強(qiáng),消除內(nèi)容一中由于透射率粗估計(jì)而產(chǎn)生的光暈等模糊現(xiàn)象；三是,基于OPENCV將本論文提到的基于暗原色先驗(yàn)與Retinex算法相結(jié)合的圖像去霧新方法進(jìn)行設(shè)計(jì)和實(shí)現(xiàn),并且將室外帶霧降質(zhì)圖像、無(wú)人機(jī)航拍圖像分別帶入到程序中進(jìn)行實(shí)驗(yàn)和效果對(duì)比。
【學(xué)位單位】：中國(guó)海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2015
【中圖分類】：TP391.41
【文章目錄】：
摘要
abstract
1 緒論
    1.1 概述
    1.2 圖像去霧技術(shù)的發(fā)展現(xiàn)狀
    1.3 課題研究?jī)?nèi)容與意義
        1.3.1 課題研究?jī)?nèi)容
        1.3.2 課題研究意義
    1.4 論文結(jié)構(gòu)概括
    1.5 本章小結(jié)
2 圖像去霧技術(shù)實(shí)現(xiàn)的理論基礎(chǔ)
    2.1 大氣散射模型
    2.2 暗原色先驗(yàn)的圖像去霧原理
    2.3 圖像增強(qiáng)相關(guān)技術(shù)基礎(chǔ)
        2.3.1 Retinex算法原理
        2.3.2 單尺度Retinex算法
        2.3.3 多尺度Retinex算法
        2.3.4 迭代Retinex算法
        2.3.5 帶色彩恢復(fù)的多尺度Retinex算法
        2.3.6 自適應(yīng)線性拉伸的快速單尺度Retinex算法
    2.4 本章小節(jié)
3 基于暗原色先驗(yàn)與Retinex算法相結(jié)合的圖像去霧新方法
    3.1 基于暗原色先驗(yàn)原理的初步處理
        3.1.1 暗原色圖
        3.1.2 大氣光值
        3.1.3 大氣光透射率
        3.1.4 初步圖像去霧
    3.2 基于圖像增強(qiáng)技術(shù)的再處理
        3.2.1 基于快速單尺度Retinex算法的圖像增強(qiáng)處理
        3.2.2 圖像線性拉伸處理
    3.3 本章小結(jié)
4 基于暗原色先驗(yàn)與Retinex算法相結(jié)合的圖像去霧新方法的設(shè)計(jì)與實(shí)現(xiàn)
    4.1 圖像去霧的設(shè)計(jì)流程
    4.2 圖像去霧的實(shí)現(xiàn)
    4.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷
參加項(xiàng)目情況
發(fā)表文章

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉建忠;;圖像邊緣的數(shù)學(xué)結(jié)構(gòu)分析[J];軟件;2011年05期

2 陳文兵;張小磊;;基于圖像邊緣的能見(jiàn)度計(jì)算方法[J];微型電腦應(yīng)用;2009年04期

3 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(shù)學(xué)院學(xué)報(bào);2009年04期

4 潘衛(wèi)國(guó);鮑泓;何寧;;一種傳統(tǒng)中國(guó)書(shū)畫(huà)圖像的二分類方法[J];計(jì)算機(jī)科學(xué);2012年03期

5 周濤;陸惠玲;拓守恒;馬競(jìng)先;楊德仁;;基于非凸區(qū)域下近似的圖像邊緣修補(bǔ)算法[J];寧夏大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

6 唐亮;唐娉;閻福禮;鄭柯;;HJ-1 CCD圖像自動(dòng)幾何精糾正系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2012年S2期

7 宋建中;;噴霧圖像的自動(dòng)分析[J];光學(xué)機(jī)械;1988年04期

8 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

9 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11期

10 潘泓;夏良正;;一種基于圖像邊緣的矩計(jì)算方法[J];模式識(shí)別與人工智能;2003年03期

相關(guān)博士學(xué)位論文 前10條

1 梁福來(lái);低空無(wú)人機(jī)載UWB SAR增強(qiáng)成像技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

2 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

3 賈茜;基于時(shí)—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學(xué);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(xué);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(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

6 楊小義;圖像特征識(shí)別算法及其在聾人視覺(jué)識(shí)別中的應(yīng)用研究[D];重慶大學(xué);2015年

7 王玉明;SAR圖像地雷場(chǎng)檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

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

9 李林;基于概率圖模型的圖像整體場(chǎng)景理解方法研究[D];電子科技大學(xué);2014年

10 馮景;基于SAR圖像的海面溢油檢測(cè)研究[D];北京理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

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

2 萬(wàn)燕英;微聚焦X-ray圖像自適應(yīng)正則化去噪方法[D];華南理工大學(xué);2015年

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

4 向訓(xùn)文;RGB-D圖像顯著性檢測(cè)研究[D];華南理工大學(xué);2015年

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

6 熊楊超;圖像美學(xué)評(píng)價(jià)及美學(xué)優(yōu)化研究[D];華南理工大學(xué);2015年

7 王艷;圖像視覺(jué)顯著性檢測(cè)方法及應(yīng)用的研究[D];華南理工大學(xué);2015年

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

9 王思武;基于太陽(yáng)圖像的特征提取和檢索[D];昆明理工大學(xué);2015年

10 曹靜;基于暗通道先驗(yàn)算法的圖像去霧處理[D];海南大學(xué);2015年

本文編號(hào)：2836743