基于暗原色先验与Retinex算法相结合的图像去雾新方法的研究

发布时间:2020-10-11 14:54
   目前对于各行各业来说,带雾图像因为雾霾的影响造成图像的品质降低,清晰度、对比度的下降无法满足后期图像工作人员的特征提取、边缘锐化、景物占地面积估算等工作的需求,所以图像的去雾技术应运而生。图像去雾技术从数字图像技术的诞生以来已经发展了数十年,前后有Tan、Fattal、何凯明等许多国家的研究人员基于不同模型和数学方法以及算子探究出的不同去雾方法。从近些年国内外的图像处理方法来看,图像去雾技术普遍可以归结为两大类,各式各样的去雾新方法大致都是基于这两大类:分别是基于物理模型的图像复原去雾方法和基于非物理模型的图像去雾增强技术。基于物理模型的通常是基于大气散射模型估算出模型中的各个参数,此种方法是比较全面的考虑到带雾图像降质的原因,其中利用数学方程式进行近似取值的参数能较好的复原真实图像,从处理效果上来说更胜一筹,但是此种方法也正因为模型的使用而使得降质图像处理起来相对复杂,时间消耗比较大。基于非物理模型的图像增强技术纯粹从数字图像处理中的图像增强方面着手,单纯的将图像的局部某个区域或者全部区域的对比度增强或者将边缘提取出来以恢复清晰的图像,这一类方法完全没有考虑去雾图像降质的本质原因以及导致图像降质的各种大气因素,只是单纯的将数字图像处理中的一些算法或算子单一的运用到图像去雾处理的过程中,此类方法原理过程相对与基于物理模型的方法要简单些,但是随之时间复杂度也变小,适合快速去雾图像处理。本论文是在基于大气散射物理模型和图像增强算法相结合的基础上,取长补短,利用它们各自的优点,对带雾降质图像采用基于何凯明的暗原色先验的图像去雾技术和自适应线性拉伸的快速单尺度Retinex图像增强技术相结合的新方法。在该论文中,采用的基于暗原色先验原理方法即是在无雾图像中总会存在一些像素点在RGB三个通道中的最小灰度值接近于零的先验情况下设来估测透射率图,但是本文只进行粗略估计透射率图的方法,利用后期的图像再处理来代替何凯明所用的抠图或者导向滤波等细化透射率的方法,所以初步得到的去雾图像在景物边界区域比较模糊,有光晕现象,整体的清晰度还不够高。所以本论文即再利用自适应线性拉伸的快速单尺度Retinex算法进行图像的再增强处理,以到达期望的结果,利用图像增强的优点来弥补图像复原的缺点,不仅提高了方法的处理效率,节约了时间,还能达到令人满意的去雾效果。本论文的主要研究内容包括以下几个方面:一是,基于暗原色先验,将原始带雾图像进行初步处理,得到初步的处理影像;二是,在初步得到的去雾影像上,再进行基于非物理模型的图像增强,消除内容一中由于透射率粗估计而产生的光晕等模糊现象;三是,基于OPENCV将本论文提到的基于暗原色先验与Retinex算法相结合的图像去雾新方法进行设计和实现,并且将室外带雾降质图像、无人机航拍图像分别带入到程序中进行实验和效果对比。
【学位单位】:中国海洋大学
【学位级别】:硕士
【学位年份】:2015
【中图分类】:TP391.41
【文章目录】:
摘要
abstract
1 绪论
    1.1 概述
    1.2 图像去雾技术的发展现状
    1.3 课题研究内容与意义
        1.3.1 课题研究内容
        1.3.2 课题研究意义
    1.4 论文结构概括
    1.5 本章小结
2 图像去雾技术实现的理论基础
    2.1 大气散射模型
    2.2 暗原色先验的图像去雾原理
    2.3 图像增强相关技术基础
        2.3.1 Retinex算法原理
        2.3.2 单尺度Retinex算法
        2.3.3 多尺度Retinex算法
        2.3.4 迭代Retinex算法
        2.3.5 带色彩恢复的多尺度Retinex算法
        2.3.6 自适应线性拉伸的快速单尺度Retinex算法
    2.4 本章小节
3 基于暗原色先验与Retinex算法相结合的图像去雾新方法
    3.1 基于暗原色先验原理的初步处理
        3.1.1 暗原色图
        3.1.2 大气光值
        3.1.3 大气光透射率
        3.1.4 初步图像去雾
    3.2 基于图像增强技术的再处理
        3.2.1 基于快速单尺度Retinex算法的图像增强处理
        3.2.2 图像线性拉伸处理
    3.3 本章小结
4 基于暗原色先验与Retinex算法相结合的图像去雾新方法的设计与实现
    4.1 图像去雾的设计流程
    4.2 图像去雾的实现
    4.3 实验结果与分析
    4.4 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
个人简历
参加项目情况
发表文章

【相似文献】

相关期刊论文 前10条

1 刘建忠;;图像边缘的数学结构分析[J];软件;2011年05期

2 陈文兵;张小磊;;基于图像边缘的能见度计算方法[J];微型电脑应用;2009年04期

3 曾友州;胡莹;曾伟一;郑晓霞;;提取数字图像边缘的算法比较[J];成都航空职业技术学院学报;2009年04期

4 潘卫国;鲍泓;何宁;;一种传统中国书画图像的二分类方法[J];计算机科学;2012年03期

5 周涛;陆惠玲;拓守恒;马竞先;杨德仁;;基于非凸区域下近似的图像边缘修补算法[J];宁夏大学学报(自然科学版);2012年01期

6 唐亮;唐娉;阎福礼;郑柯;;HJ-1 CCD图像自动几何精纠正系统的设计与实现[J];计算机应用;2012年S2期

7 宋建中;;喷雾图像的自动分析[J];光学机械;1988年04期

8 张锦华;孙挺;;引入像点融合度修补的图像边缘化参差拼接实现[J];微电子学与计算机;2014年08期

9 张晓清;;抠图另一法[J];数字世界;2002年11期

10 潘泓;夏良正;;一种基于图像边缘的矩计算方法[J];模式识别与人工智能;2003年03期


相关博士学位论文 前10条

1 梁福来;低空无人机载UWB SAR增强成像技术研究[D];国防科学技术大学;2013年

2 周静;基于忆阻器的图像处理技术研究[D];国防科学技术大学;2014年

3 贾茜;基于时—空域插值的图像及视频上采样技术研究[D];武汉大学;2014年

4 李照奎;人脸图像的鲁棒特征表示方法研究[D];武汉大学;2014年

5 郝红星;基于干涉相位图像构建数字高程模型的关键技术研究[D];国防科学技术大学;2014年

6 杨小义;图像特征识别算法及其在聋人视觉识别中的应用研究[D];重庆大学;2015年

7 王玉明;SAR图像地雷场检测技术研究[D];国防科学技术大学;2013年

8 温景阳;图像大容量、低失真可逆信息隐藏技术研究[D];兰州大学;2015年

9 李林;基于概率图模型的图像整体场景理解方法研究[D];电子科技大学;2014年

10 冯景;基于SAR图像的海面溢油检测研究[D];北京理工大学;2015年


相关硕士学位论文 前10条

1 李鹏远;图像检索算法研究及其在互联网教育中的应用[D];华南理工大学;2015年

2 万燕英;微聚焦X-ray图像自适应正则化去噪方法[D];华南理工大学;2015年

3 毛双艳;基于梯度域的图像风格化渲染方法的研究及其应用[D];华南理工大学;2015年

4 向训文;RGB-D图像显著性检测研究[D];华南理工大学;2015年

5 曾旭;基于聚类和加权非局部的图像稀疏去噪方法研究[D];天津理工大学;2015年

6 熊杨超;图像美学评价及美学优化研究[D];华南理工大学;2015年

7 王艳;图像视觉显著性检测方法及应用的研究[D];华南理工大学;2015年

8 郑露萍;图像二阶微分特征提取及人脸识别应用研究[D];昆明理工大学;2015年

9 王思武;基于太阳图像的特征提取和检索[D];昆明理工大学;2015年

10 曹静;基于暗通道先验算法的图像去雾处理[D];海南大学;2015年



本文编号:2836743

论文下载
论文发表

本文链接:http://www.bigengculture.com/shoufeilunwen/xixikjs/2836743.html

分享