基于暗通道优先的单幅图像去雾算法研究

摘要

在雾天条件下获得的图像会存在严重的退化现象,如景物不清晰、对比度下降、颜色变得暗淡等特点,这种退化会大大降低图像的应用价值。即使是晴天条件下拍摄的照片,大气散射作用也会导致照片的清晰度受到影响。每一个实际场景中,照片清晰度受到影响的因为在于:光线到达相机之前都会从物体表面反射并且散射到空气中。这是因为空气中的某些因素(如浮质、灰尘、雾和烟等)会导致物体表面颜色变淡,并导致整幅图像的对比度降低。因此在生活中的许多领域(比如军事国防、目标识别、交通导航、遥感、卫星成像等)都要用到去雾算法。因而图像去雾算法的研究有非常重要的意义。
　　 暗通道优先(Dark Channel Prior)规律在处理单幅户外场景图像去雾方面取得了非常好的效果,但是该方法在处理较高分辨率图像时需消耗大量的存储和计算资源,同时对于部分场景会得到不够准确的结果。本文仍然基于暗通道优先,根据观察试验,得到透射梯度优先规律,并结合多分辨率处理,提出了改进的图像去雾新方法。经过大量实验和理论分析,透射梯度优先不仅显著减小了去雾处理的计算量,它所引起的优化方法和参数变化还可能提升透射图计算的准确性。实验结果也证明,新方法仅需原方法1/8左右的计算时间和存储,就能够得到与原方法基本一致甚至更准确的去雾结果。

目录

文摘

英文文摘

引言

第1章 绪论

1.1 引言

1.2 课题的研究背景及其意义

1.3 课题的研究现状

1.3.1 基于图像恢复思想的方法

1.3.2 基于图像增强的方法

1.4 本文的主要内容及论文结构

第2章 基础理论

2.1 数字图像基础

2.1.1 数字图像概念

2.1.2 数字图像的获取、显示和输出

2.1.3 数字图像的基本类型及存储格式

2.1.4 数字图像处理

2.2 Matlab实验平台

2.2.1 Matlab简介

2.2.2 Matlab计算引擎

第3章 暗通道优先去雾算法

3.1 引言

3.2 暗通道优先去雾方法

3.2.1 透射梯度优先法则

3.2.2 多分辨率计算

3.2.3 算法描述

3.3 实验结果和比较

3.3.1 视觉效果

3.3.2 计算速度和消耗

第4章 总结和展望

4.1 本文工作总结

4.2 工作展望

参考文献

致谢