基于暗通道先验的雾霾天交通场景下退化图像复原算法研究

摘要

随着先进计算机技术的高速发展，数字图像处理算法在户外监控系统，如道路监控、城市交通监控等领域被广泛运用。但是在雾霾天场景中，监控系统采集到的图像质量较差，对比度往往较低、模糊不清晰、颜色失真，给公共安全中的监控工作带来很大影响。因而，对于雾霾天环境下所采集到的图像运用高效率的去雾霾算法进行处理使其更加清晰意义重大。本文分析了国内外图像去雾霾算法研究现状，并对雾霾天交通场景下的图像复原算法展开深入研究。围绕大气散射模型以及暗通道先验理论从以下几个方面开展研究:
　　1)研究了基于大气散射理论的图像降质模型，从根本解析了雾霾天交通图像降质原因。在此基础上，深入探究了暗通道先验理论以及基于该理论的去雾霾算法，对该算法做了MATLAB仿真分析，发现了该去雾霾算法的不足之处。
　　2)分析了暗通道先验去雾霾算法在白色区域失效的原因，提出了一种改进的算法，通过引入自适应参数修正了由于天空区域像素的干扰而导致透射率的求解不精确的问题。通过实验证明，本文所提算法能够正确得到图像的透射率并且得到清晰无雾霾图像。
　　3)针对透射率优化过程中软抠图(soft matting)算法时间复杂度太高的缺点，本文提出一种基于块的思想优化透射率算法和一种基于局部维纳滤波求解透射率模型。基于块的透射率优化算法舍弃比较耗时软抠图算法，通过利用块级别的模板对小局部区域优化，无需对每个像素点进行优化。这样既能去除边缘效应，又能保持边缘的灰度特性，不致使透射图像边缘很模糊.同时提高了算法的效率。基于局部的维纳滤波的透射率求解算法是结合暗通道先验原则优化大气光耗散函数，进而获取到细化的透射率，最后直接利用大气散射图像降质模型推导出清晰无雾霾图像。
　　综合理论分析和实验证明，本文提出的三种结合暗通道先验理论的图像去雾霾算法能够很好的恢复出清晰无雾霾图像，并且去雾霾效率有明显的提高。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景及意义

1．2 国内外研究的现状

1．2．1 基于图像增强的去雾霾算法国内外研究现状

1．2．2 基于图像复原的去雾霾算法研究现状

1．3 论文的主要内容及框架

第2章 数字图像的理论基础及雾霾天图像降质模型

2．1 数字图像基础

2．1．1 数字图像的概念

2．1．2 数字图像的基本类型

2．1．3 数字图像的存储格式

2．2 图像评价指标

2．2．1 主观性评价指标

2．2．2 客观性评价指标

2．3 雾霾天图像降质模型

2．3．1 大气散射理论

2．3．2 入射光的衰减模型

2．3．3 大气光模型

2．3．4 雾霾天图像降质模型

2．4 本章小结

第3章 基于暗通道先验的图像去雾霾算法仿真与分析

3．1 暗通道先验理论

3．2 基于暗通道先验的图像去雾霾算法

3．2．1 雾霾天图像的透射率的估计

3．2．2 透射率优化

3．2．3 大气光强的估计

3．2．4 还原清晰图像

3．3 暗通道先验算法不足分析

3．3．1 暗通道区域选择不恰当

3．3．2 算法的效率低

3．3．3 颜色失真

3．4 本章小结

第4章 自适应参数调节及基于块的透射率优化方法

4．1 交通场景图像的特点

4．2 基于自适应参数大小的交通图像去雾霾算法

4．2．1 颜色失真原因分析

4．2．2 自适应参数大小调节

4．2．3 算法仿真及分析

4．3 基于块的透射率优化模型

4．3．1 块差异度定义

4．3．2 透射率优化过程

4．3．3 算法仿真与分析

第5章 基于局部维纳滤波的交通图像去雾霾算法

5．1 大气光耗散项介绍

5．2 基于局部维纳滤波优化大气光耗散项及求解透射率

5．3 基于局部维纳滤波的去雾霾算法流程

5．4 算法仿真与分析

5．5 本章小结

结论

致谢

参考文献

攻读硕士学位期间发表的论文及参与项目