基于可变框架Retinex的图像去雾算法研究

摘要

雾是一种自然界中很常见的现象，如果图像是在雾天等恶劣天气下获得，那么图像会严重退化，对生活中各领域的图像信息应用造成了极大不利影响。所以，研究雾天图像去雾技术具有重要实际意义。
　　本文首先对大气中的气溶胶粒子对光的传播的主要影响和大气退化物理模型进行了简单介绍，然后对Retinex算法重点分析。Retinex是一种基于颜色恒常性的图像增强理论，其核心思想是通过对图像的照度分量进行估计，然后通过原始图像和照度分量来获得物体的反射分量，即物体的原来面貌。跟其他图像增强方法对比，Retinex算法具有锐化明显、颜色恒常性等特点，所以本文对该理论着重分析。
　　本文详细对Retinex理论的提出与发展历史进行介绍，详细分析了单尺度Retinex(SSR)、多尺度Retinex(MSR)、带颜色恢复的多尺度Retinex(MSRCR)和可变框架Retinex。根据实验结果，对这些算法在提高图像对比度、计算复杂度、颜色保真等方面的优劣性进行了评价。
　　最后，本文在前人研究的基础之上，针对Retinex去雾算法进行改进，主要工作有以下三个方面:
　　(1)给出一种快速求解模型。传统的一些去雾算法，在建立去雾模型时，往往对彩色图像直接进行处理。但是，经过研究分析，发现雾主要影响图像中的亮度信息，对色调的影响较少。针对传统去雾算法，在建立模型时极其复杂的缺点，本文给出一种快速求解模型。本文旨先将彩色图像由RGB颜色空间转换为YIQ空间，然后仅对表示亮度信息的Y通道进行去雾操作，最后引入快速傅立叶技术和分裂Bregman迭代求解目标函数，实验结果表明，本求解模型能有效的提高运算效率。
　　(2)给出了一种结合Richardson-Lucy算子的总变分正则项的RLTV-Retinex模型，本文将其命名为二步法TV-Retinex去雾算法。本文利用Richardson-Lucy算子具有恢复图像边缘信息的特点，先利用Richardson-Lucy算子先对雾天图像进行去雾，然后对去雾结果用TV-Retinex模型进行增强，结合快速求解模型求解，最后进行图像融合，实现图像去雾。实验结果表明，RLTV-Retinex能够更好的在雾天图像增强中保持图像的细节和色彩保真。
　　(3)对基于梯度拟合先验信息去雾算法进行优化，给出一种基于梯度拟合先验信息TV-Retinex去雾算法。基于梯度拟合先验信息去雾算法具有针对性强、可扩展性强的特点，在图像恢复过程中能去除图像中的模糊，因此可以被用于图像去雾领域。本文在基于梯度拟合先验信息去雾算法的基础上，引入TV-Retinex进行优化，以增强图像细节信息。实验结果表明，本算法能有效的提高图像细节信息。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景与意义

1．2 国内外发展现状

1．2．1 大气退化物理模型法

1．2．2 图像增强法

1．3 本文研究的主要内容及结构安排

1．3．1 本文研究主要内容

1．3．2 本文结构安排

第2章 雾天图像恢复方法

2．2 Retinex理论

2．2．1 Retinex理论的理论基础

2．2．2 Retinex理论思想及发展

2．3 经典Retinex算法

2．4 本文采用的实验结果评价指标

2．5 实验结果对比分析

2．6 本章小结

第3章 二步法TV-Retinex算法

3．1 Richardson-Lucy算法

3．2 分裂bregman方法基本思想

3．3 本文TV-Retinex模型去雾算法流程

3．4 算法流程图

3．5 实验结果分析

3．6 本章小结

第4章 基于梯度拟合TV-Retinex去雾算法

4．1 基于梯度拟合的先验去雾算法

4．2 基于梯度拟合的先验去雾算法过程

4．3 基于梯度拟合先验信息去雾算法逻辑图

4．4 基于梯度拟合先验信息TV-Retinex去雾算法

4．5 实验结果及分析

4．6 本章小结

第5章 总结和展望

5．1 全文研究工作总结

5．2 后续研究展望

参考文献

致谢

作者简介