面向全天时光电雷达监控系统的图像视觉质量增强方法研究

摘要

图像质量增强是图像处理和计算机视觉的重要分支。图像增强的目的是突出图像中感兴趣的区域信息，抑制或去除其他信息，从而满足特定应用的需求。对图像质量的要求也随着多媒体技术和产品的不断发展和在各领域的广泛应用而不断提高。而通常图像在获取过程中受成像设备、场景动态范围、天气状况等因素影响，使得图像质量下降，影响后续的人机图像分析识别。为此，需要对图像进行噪声去除、动态范围调整、对比度增强及色彩还原等方面的处理来获得高质量的图像。本文立足全天时光电雷达监控系统图像增强的实际需求，通过对监控系统昼光传感器获取的雾天图像进行分析，结合主流图像去雾的相关理论和技术，分析其优缺点，进一步提出两种适宜光电雷达监控系统的雾天降质图像增强方法。整篇论文的研究工作主要集中在以下五个方面：
　　1）对雾霾的成因、大气散射理论及当前主流图像去雾的相关理论和技术进行介绍，图像去雾可分为基于非模型和基于模型两种，其中基于非模型的去雾方法包括同态滤波、直方图均衡化和retinex算法，基于模型的去雾方法介绍了基于大气光偏振特性的去雾算法、基于景物深度信息的方法以及雾天图像的先验知识及其相应算法。
　　2）对智能光电雷达警戒仪进行介绍，分析监控系统的昼光传感器在雾天所捕获图像的特性，对昼光传感器在雾天环境下采集到的降质图像进行定性定量分析。
　　3）提出一种基于引导滤波和亮度级拉伸的雾天降质图像增强方法。该算法首先使用引导滤波在保持细节的基础上有效滤除噪声干扰，防止后续的操作放大噪声，然后通过亮度级拉伸显著提高图像亮度，极大提升了雾天图像中物体的识别度。
　　4）提出一种基于优先亮度级分析和自适应变换函数的雾天降质图像增强方法。该算法首先小波变换分解出亮度信息，在均衡化亮度分布较窄的亮度信息的基础上将亮度信息分层，确定各亮度层的自适应变换函数并进行亮度变化，然后根据赋予各亮度层不同的权值融合各亮度层并进行逆小波变换操作，最后对融合后的图像进行引导滤波保边去噪得到最终增强图像。
　　5）通过大量实验评估了本论文所提出的算法的有效性，并对所得实验结果进行了详细分析和对比说明。

目录

封面

声明

中文摘要

英文摘要

目录

选题的依据与意义

国内外文献资料综述

1 绪论

1.1本文的主要研究内容

1.2论文的结构安排

2 相关理论基础介绍

2.1 雾霾的形成

2.2 大气散射理论和模型

2.3 基于非物理模型的雾天降质图像增强方法

2.4 基于物理模型的雾天图像增强方法

2.5 本章小结

3 全天时光电雷达监控系统

3.1 智能光电雷达警戒仪

3.2 图像定性分析

3.3 本章小结

4 基于引导滤波和对比度拉伸的雾天降质图像增强方法

4.1 引言

4.2 提出的方法

4.3 实验设计与结果分析

4.4 本章小结

5 基于优先亮度级分析和自适应亮度变换的雾天降质图像增强方法

5.1 引言

5.2 算法原理

5.3 实验设计与结果分析

5.4 本章小结

6 总结与展望

6.1 本文工作总结

6.2 工作展望

参考文献

附录：攻读硕士学位期间发表的部分学术论著

致谢