雾霾天视频图像清晰化处理及其量化评价方法研究

摘要

由于受雾霾等复杂介质环境的影响，成像设备获取到的视频图像降质严重，使得雾霾天图像复原方法的研究成为计算机视觉技术发展中亟待解决的关键性问题。
　　本文旨在探讨雾霾天视频图像复原及其效果评价方法的问题。针对自然场景下含雾图像呈现出低对比度和色彩失真等问题，提出了一种基于视觉信息损失先验的图像去雾算法，解决传统去雾算法处理大面积亮域背景时产生halo效应的问题，并提升算法实时性；针对当前降质图像复原技术缺乏有效量化评价标准的问题，探索了一种基于先验特征引导的图像去雾效果量化评价方法，解决量化评价结果与人类感知之间的主观一致性问题；针对视频图像去雾算法面向实际应用的现实问题，开发了一套视频去雾的软、硬件开发平台，实现现场视频图像实时去雾功能。围绕视频图像去雾技术的相关理论展开研究，主要开展了以下三个方面的研究工作：
　　（1）视觉损失先验的图像去雾算法研究。本文提出基于视觉信息损失先验的图像分层去雾方法，通过构建视觉信息损失函数，将图像去雾过程中的透射图预估问题转化成求解约束条件下损失函数最小值的最优化问题。为保留由于景物远近造成的图像视觉景深层次感，采用人类视觉系统模型对含雾图像进行视觉景深划分，结合视觉特性估算对应区域的粗透射率图；然后，利用局部拉普拉斯滤波器对粗透射率图进行细化和融合处理，得到全局透射率图。本文去雾方法区别于传统先验算法的全局透射率提取，利用视觉分层技术对去雾结果的景深层次效果进行保留，使得复原效果更加接近真实场景。同时，避免了传统去雾方法在透射率图估算上的过分细化，弥补了目标区域透射率估计不足，改善了大面积亮域背景下的图像去雾效果，提升了去雾算法的实时性，为图像去雾方法的研究提供了一种新思路。
　　（2）先验特征引导的图像去雾效果量化评价方法研究。研究发现，无参考图像质量评价过程接近于一个循环分类的比较过程，而不是直接对比预测出来的精确得分值。为了进行无参考图像复原效果的评测，提出了心理推断基准的概念来进行先验特征数据归一化处理。本文的评价机制首先提取含雾图像中潜在的先验特征，并进行特征筛选与优化；其次，将先验特征与心理推断基准数据进行比较，用以消除个体认知差异对评测数据的影响；最后，利用循环分类器训练数据分类面，进而得到参评去雾算法的效果排序结果。该方法的主要贡献是将在图像质量评价方法中常见的求解预测回归模型问题，转化为一个利用分类方法求解的数学问题，进而应用到含雾图像复原效果的量化评价方法中。
　　（3）视频图像去雾算法的应用研究。本文在算法的研究基础上，结合计算机和硬件设备，完成了视频去雾算法在软、硬件平台上的开发工作。在软件测试平台端，为了能够更加直观的对比本文提出算法与现有算法的清晰化处理效果，实现并对比了多种常见的图像去雾算法，读取并显示了算法在处理过程中的文本信息，进而方便对去雾算法的时效性进行直观比较。在嵌入式硬件平台端，结合CCD摄像枪、DSP处理芯片、上位机以及视频显示器等外设，搭建了基于TMS320DM642处理芯片的雾霾天现场视频图像清晰化处理系统。在移植过程中，克服了算法大运算量与有限的片内资源之间的矛盾，实现了在D1分辨率下的含雾视频实时清晰化处理功能。

目录

封面

声明

中文摘要

英文摘要

英文缩略词

目录

1 绪论

1.1研究目的及意义

1.2国内外研究现状及发展动态分析

1.3研究内容与技术路线

2 雾霾天图像退化机理与图像去雾的理论基础

2.1雾霾天图像退化模型

2.2暗通道先验算法

2.3雾霾天图像的视觉特性

2.4自然场景中视觉景深区域的划分方法

2.5本章小结

3 视觉损失先验的图像去雾新方法

3.1含雾图像视觉信息损失函数的构建

3.2透射率图的预估

3.3透射率图的细化

3.4透射率图的分层边界融合及后处理

3.5本章小结

4 先验特征引导的图像去雾效果量化评价方法

4.1传统的图像质量量化评价方法

4.2先验特征引导的图像去雾效果量化评价方法

4.3本章小结

5 实验结果及性能分析

5.1视觉损失先验的图像去雾算法处理单幅图像的性能分析

5.2综合指标测评结果

5.3先验特征引导的图像去雾效果量化评价结果

5.4雾霾天视频图像清晰化处理算法的软件测试平台

5.5雾霾天视频图像清晰化处理的嵌入式硬件平台设计

5.6本章小结

6 总结与展望

6.1本论文工作总结

6.1研究展望

致谢

参考文献

附录A雾霾天视频图像清晰化处理平台软件设计

附录B基于DM642的雾霾天视频图像清晰化处理硬件设计

附录C数据集收录

附录D攻读硕士期间发表的论文与获得的专利