基于局部信息特征的雾天图像增强算法研究

摘要

雾天，空气里充满着大量的小水珠，自然光线通过时会产生散射作用，使得到达人眼或光学传感器的视觉图像信息变得模糊，因此，雾降低了大气的能见度，严重影响交通运输，视频监控，目标跟踪乃至军事领域等重要户外活动的安全性，可靠性。本文主要研究雾天图像的增强算法，通过分析现有算法的不足，提出新的算法来提高雾天图像的清晰度。
　　 目前，雾天图像增强算法主要分为空间域算法与频率域算法两类，本文根据雾天图像的特征提出一些改进的算法。主要内容如下：
　　 1.针对传统的直方图均衡化处理雾天图像，增强不均匀。本文分析造成这一缺陷的原因，并提出了一种新的局部化直方图均衡化算法。通过将亮度保持的直方图均衡化算法与插值算法相结合来得到一个局部细节增强明显，而且能达到亮度保持的效果。通过实验分析表明该算法在细节增强、亮度保持、及整体效果都优于传统的基于直方图的增强算法。
　　 2.由于现有中心环绕Retinex图像增强算法滤波器固定，不能对厚薄程序不同的雾天图像或多景深的雾天图像都同时有效地增强细节与色彩保真，本文提出一种滤波器可变的Retinex图像增强算法。首先根据雾天图像雾化程度的分布特征得到滤波参数的阈值；然后对原图中每一子块，将该子块的局部信息与阈值信息做差得到相应的滤波器，由此计算出该子块的入射分量，并通过部分重叠策略平移子块完成对整幅图像的入射分量估计；最后将原图减去整幅图像的入射分量，得到反射分量，实现对图像的增强。实验结果表明：该算法能有效地增强多景深图像及厚薄程序不同的雾天图像。
　　 3.MSR算法对雾天彩色图像增强时，细节增强方面存在薄弱的环节。本文通过将基于小波变换域的信息融合策略取代MSR算法中的线性加权，提出一种新的MSR改进算法。融合的基本思路是：首先将待融合图像经四层小波分解，然后将高频分量取绝对值最大值来突出图像的细节，低频分量采用基于局部方差的技术调节色彩，实现保真的效果。通过主观观测和客观评价表明：在对雾天图像进行增强时，本文的改进算法比传统的MSR算法在细节增强具有更好的效果，同时颜色保真。

目录

文摘

英文文摘

论文说明：图表目录

声明

致谢

第一章绪 论

1.1课题研究背景及意义

1.2国内外的研究现状

1.2.1图像增强的研究成果

1.2.2雾天图像增强的难点

1.3图像增强质量评价

1.4本文主要工作及结构安排

第二章雾天图像增强基础算法原理

2.1引言

2.2频率域法

2.2.1低通滤波器

2.2.2高通滤波器

2.2.3带通和带阻滤波器

2.3空间域法

2.3.1灰度线性变换

2.3.2非线性拉伸

2.4色彩空间

2.4.1 RGB空间与CMY空间

2.4.2 YUV空间

2.4.3 HSI空间

2.5本章小结

第三章基于直方图的雾天图像增强研究

3.1基于直方图的增强基础

3.2传统直方图增强算法介绍

3.2.1直方图均衡化(histogram equalization)

3.2.2直方图规定化(histogram specification)

3.3局部化直方图均衡化算法

3.3.1块重叠直方图均衡化算法

3.3.2子块部分重叠直方图均衡化

3.3.3插值自适应的直方图均衡化算法

3.4改进的局部直方图均衡化算法

3.4.1亮度保持的图像增强技术

3.4.2改进的插值自适应算法步骤

3.4.3实验对比分析

3.5本章小结

第四章基于RETINEX算法的雾天图像增强研究

4.1引言

4.2基于中心环绕的Retinex算法

4.3滤波器可变的Retinex算法

4.3.1算法整体流程

4.3.2关键技术及具体步骤

4.3.3实验分析

4.4基于信息融合的MSR算法

4.4.1算法原理与步骤

4.4.2实验分析

4.5本章小结

第五章总结与展望

5.1总结

5.2展望

参考文献

攻读硕士学位期间参与的科研项目

攻读硕士学位期间发表的学术论文