沙尘天气图像清晰化处理方法研究

摘要

沙尘天气下，小砂砾会悬浮在空中对在大气中传播的光线造成吸收、散射等影响。使得透射光强度被衰减，最后进入图像采集设备的光线发生较为严重的变化，导致图像不清晰，细节信息减少。采集得到的图像呈现对比度下降、图像动态范围被压缩造成模糊不清等问题。因此，对沙尘天气图像进行图像对比度增强，恢复细节信息等操作。减小环境因素对智能管理、卫星遥感等户外图像采集系统的影响和限制，对于有效提高日常工作的稳定性具有重大的实际应用意义。
　　本文从图像增强处理方法和物理模型处理方法两方面对图像清晰化处理基本方法进行学习，特别对雾霾天气图像清晰化处理方法进行深入研究。最后分别从基于图像增强与基于物理模型两方面提出沙尘图像清晰化处理方法。
　　(1)基于图像增强的图像清晰化处理方法:本文提出两种沙尘图像清晰化方法，对比度线性拉伸Retinex沙尘图像清晰化方法以及Retinex算法联合双边滤波沙尘图像清晰化方法。利用Retinex算法对沙尘图像进行处理，去除沙尘天气对于图像颜色的干扰，并且增加图像对比度，提高图像亮度。同时这两种方法包含自适应的对比度拉伸和双边滤波方法，使得图像清晰度进一步提高，局部细节得到增强，最终处理结果从主观和客观角度来看都达到了沙尘图像清晰化的效果。以宁夏银川市黄河路沙尘图像为例，其中原图像、对比度线性拉伸Retinex沙尘图像清晰化结果以及Retinex算法联合双边滤波沙尘图像清晰化结果，三幅图像的评价指标，信息熵分别为:11.290、13.387、16.113; SSIM分别为:1、0.940、0.946;细节强度分别为:0.282、0.313、0.326。并且两种方法对相同图像运算时间分别为:7.1082s、8.0024s。
　　(2)基于物理模型的图像清晰化处理方法:本文以He Kaiming在2009年提出的暗通道优先去雾方法为基础提出基于暗通道先验理论的沙尘清晰化处理方法。首先利用Retinex算法做图像预处理，去除沙尘天气图像中最主要的颜色干扰，然后利用暗通道优先理论对预处理后的图像进行清晰化处理，同时对暗通道优先理论中一些细节做改进，提高运算速度。该方法同样达到了沙尘图像清晰化的效果。同样以宁夏银川市黄河路沙尘图像为例，该方法清晰化处理结果图像评价指标信息熵为:16.164; SSIM为0.949;细节强度为:0.331。此方法运算时间为10.2046s。
　　综上所述，通过主观和客观两方面评价不同方法的清晰化结果，文中所提出的沙尘清晰化方法都有很好的处理结果。

目录

声明

摘要

第一章 绪论

1．1 选题的意义

1．2 国内外研究现状

1．3 本文主要的工作

第二章 沙尘天气图像清晰化处理理论基础

2．1 沙尘天气的形成

2．2 大气散射理论与散射模型

2．3 图像增强理论基础

第三章 基于图像增强的图像清晰化处理方法

3．1 基于直方图均衡化的沙尘天气图像清晰化处理

3．2 基于同态滤波的沙尘天气图像清晰化处理

3．3 同态滤波结合直方图均衡化法

3．4 基于Retinex算法的沙尘天气图像清晰化处理

3．5 基于Retinex改进算法的沙尘天气图像清晰化处理

第四章 基于物理模型的图像清晰化处理方法

4．1 暗通道优先模型

4．2 透射率估算

4．3 透射率估算优化

4．4 大气光强度估计

4．5 雾霾天气图像清晰化处理结果

4．6 基于暗通道优先理论沙尘天气图像清晰化处理方法

第五章 沙尘天气图像清晰化评价

5．1 图像清晰化评价指标

5．2 沙尘天气图像清晰化评价结果

第六章 总结与展望

6．1 论文总结

6．2 研究展望

参考文献

致谢

个人简介