非均匀介质传播中的图像与视频清晰化方法研究

摘要

图像与视频清晰化技术一直是计算机视觉和数字图像处理领域的研究热点。由于传输过程中介质的干扰，导致图像及视频产生了一定程度的退化，如对比度偏低、颜色偏暗、纹理细节模糊等现象，严重影响了后续图像判读、场景分析、目标识别等算法的处理效果。因此，非均匀介质传播中的图像与视频清晰化技术具有广泛的研究和应用价值。本文的主要工作及研究内容如下： （1）研究基于卷积神经网络雾天图像清晰化方法。针对目前雾天图像清晰化算法不能根据场景中的雾气浓度较好的区分处理，导致图像部分区域失真，提出了一种基于卷积神经网络的户外雾天图像清晰化方法，通过神经网络对样本进行训练，学习雾天图像特征，建立有雾图像与其透视率之间的映射关系。同时针对暗通道先验方法对含天空区域图像的大气光强估计出现错误的情况，提出了一种基于天空约束的大气光强自适应估计策略，根据图像是否存在大范围天空区域分别采用不同的方式对大气光强进行估计。 （2）研究基于颜色空间的单幅水下图像清晰化方法。针对一般水下图像增强方法使得图像失真、噪声放大，而传统的复原方法易使得图像颜色偏暗等现象，对非局部先验的颜色空间清晰化方法进行改进，修正了方法中透射率估计偏大的现象，同时在对透射率进行空间约束求解时，通过增加边缘点的限制获得更好的降噪效果及边缘保持性。并采用暗通道先验与颜色饱和度相结合的方式对背景光进行修正，以获得更准确的背景光。实验表明该方法对水下图像清晰化效果较好。 （3）研究基于时空信息融合的水下视频清晰化方法。针对视频播放中相邻帧出现的闪烁跳跃现象，以及部分算法不能较好的处理景深突变的情况，提出了一种基于时空信息融合的水下视频清晰化方法，将时间、空间信息融合，通过插值和取平均的方式来估计更稳定的透射率，同时减少由于单帧图像背景光值估计的不同而出现的闪烁现象。 实验结果表明本文实现的方法对户外雾天图像和水下图像、视频清晰化效果良好，同时视频的连续性和平滑性也得到了较好的体现。

目录

声明

第1章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 雾天及水下图像清晰化研究现状

1.2.2 水下视频清晰化研究现状

1.3 本文研究内容

1.4 论文组织结构

第2章 基于卷积神经网络雾天图像清晰化方法研究

2.1 光在空气介质中传播及成像特点

2.2 大气散射模型研究

2.2.1 入射光衰减模型分析

2.2.2 大气光模型分析

2.2.3 雾天图像退化过程建模

2.3 基于大气散射模型的雾天图像清晰化方法

2.4 卷积神经网络雾天图像清晰化方法

2.4.1 基于卷积神经网络的透射率估计

2.4.2 大气光强自适应估计

2.4.3 应用场景分析

2.5 本章小结

第3章 基于时空信息融合的水下视频清晰化方法研究

3.1 光在水介质中的传播及成像特点

3.2 水下图像光学成像模型研究

3.3 水下视频图像的背景光值估计

3.3.1 水下图像背景光值估计

3.3.2 时空信息融合的视频图像背景光值估计

3.4 水下视频图像的透射率估计

3.4.1 基于颜色空间的水下图像透射率估计

3.4.2 时空信息融合的视频图像透射率估计

3.5 清晰化实现及结果分析

3.6 本章小结

第4章 实验结果及分析

4.1 实验环境及数据来源

4.1.1 软硬件环境

4.1.2 实验数据

4.2 图像质量客观评价方法

4.3 基于卷积神经网络雾天图像清晰化方法结果与分析

4.3.1 雾天图像清晰化实验与对比分析

4.3.2 评价指标计算及分析

4.4 基于时空信息融合的水下视频清晰化方法结果与分析

4.4.1 水下图像清晰化结果及比较

4.4.2 水下视频清晰化结果及比较

4.4.3 评价指标计算及分析

4.5 本章小结

第5章 总结与展望

5.1 本文总结

5.2 研究展望

致谢

参考文献

攻读硕士学位期间发表的论文及参加的科研项目