基于暗原色先验的单幅图像去雾方法研究

《基于暗原色先验的单幅图像去雾方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级‘去货其知ＵＤＣ编号．诚巧蘇．贾ｒ＾；群Ａ顧＇．解绒巧汽Ｖ曝胃／杂寿終方乂＃；．．，爲輪．—ｎ發麵資、＂＂＾义公吗ｒｃ．＼您：ｒ＼ｒ．．，ｒ＾诗，＇诗絲猶句＇續－叩；捉Ｊ占’．．＇：蹲竹名；‘＇＂；．■ｒ／，：‘题名和副题名基于暗原色先验的单幅图像去雾方法研究琴每＼Ｖ、九‘一＇Ｖ？Ｖ，＼－￣＾霄；：１，＿／．＇作者姓名杨帆＿指导教师姓名及职称解振东副教授赖晓龙商级工程师申请学位级别硕±专业名称电子与通信工程

2、？？－？．．２０１６．５．２２论文提交日期．５．３论文答辩日期２０１６学位授予单位和日期成都理王大学（年月）答鶴蚕贵会主庶巧ｉ■诏１手．．评阔人扛叫、．麵独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的。研究成粟据我所知，除了文中特别加抖标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得成都理工大学或其化敬一育机构的学位或证书而使用过的材料。与我同工作的同志对本研巧所做的任何贡献均己在论义中作了明滿的说明并表示谢意。学位论文作者签名：橋吨础年

3、安月之日本学位论学位论文版权使用授权书有权保文作者完全了解成都理工大学有关保留、使用学位论文的规定，留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被査阅和借据库阅进。本人授权成都理工大学可臥将学位论义的全部或部分内容编入有关数行检索，可臥采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书），学学位位论论文文作作者者签名；导师签名心／各年ｉ月主ａ曰摘要基于暗原色先验的单幅图像去雾方法研究摘要在图像处理领域中，将模糊图像恢复成清晰图像的过程称为图像去雾。由于空气中存在着如空气，

4、水汽和悬浮颗粒等介质，在图像采集的过程中，这些介质会在景物光线到达感光元件前，对光线进行散射作用，使得光线在到达元件上时，由于这些外来因素的干扰已经受到损耗甚至消失，且大气中存在的非景物光线也会对感光元件产生一定的干扰，两者相互作用的结果就是产生的图像模糊不清，细节信息丢失。现实生活中，图像去雾的应用非常的广泛，户外监控系统，道路交通系统，各个公司商场的安保系统等等都是去雾技术的应用。得益于计算机技术的高速发展，图像去雾技术开始有了很大的提高。在图像去雾技术的早期，通过研究同一景物在不同条件下的差异，来实现去雾的目的，称为多幅图像去雾。但是这种方法存在最大的问题就是

5、，图像在采集过程中存在着很多的干扰因素，而这些因素往往是未知的，仅仅通过利用单一条件下多幅图像的差异来去雾，在实际操作过程中是很难实现的，即不同条件下获取同一景物的多幅图像的条件苛刻。除了实际操作困难外，对于很多实时性要求高的系统而言，多幅图像去雾算法并不适用，正因为如此，单幅图像去雾技术得到了快速发展。本文在通过大量的文献阅读后，首先对单幅图像的去雾算法的发展进行了总结，单幅去雾算法可以简单的分类为基于图像增强的去雾算法和基于图像复原的去雾算法。基于图像增强的去雾算法是通过在带雾图像上变换数据，有选择地突出图像中有价值的信息或抑制图像中无用甚至产生干扰的信息来间接

6、突出有价值的信息，处理后的图像不一定接近真实景物，但一定是满足人们的视觉需求的，主要的方法有直方图均衡化，Retinex算法等。而基于图像复原的去雾算法则刚好相反，是通过分析图像采集过程中存在的影响因素，然后建立物理模型，通过反解这个物理模型来达到去雾的目的，主要的方法有基于大气散射模型的图像去雾算法。通过对基于图像增强和基于图像复原的经典去雾算法的分析，选定了以大气散射模型为基础的暗原色先验去雾算法为研究方向。暗原色先验算法是通过大量无雾图像实验，根据无雾图像的特征进行统计而得出的客观规律。该理论指出在任意无雾图像中，在没有天空和明亮物体存在的范围很小的局部区域里

7、，总存在这样的像素，在RGB颜色模型中的某一个颜色通道内的强度值很低，接近于零，称之为暗原色。利用大气散射模型和暗原色理论可以求的一个粗略的透射率值，通过软抠图优化可以取得很好的效果。虽然这个算法可以取得很好的去雾效果，但是由于软抠图的运算复杂度较高，在实际处理中耗时较长，不利于实际应用。I成都理工大学硕士学位论文通过分析暗原色先验去雾算法的整个过程，指出该算法的不足之处，然后分析其中的原因，针对性的提出优化的算法。通过分析光晕现象产生的原因可知，光晕现象是由于在边界处的像素值被低估才导致，所以首先通过边缘检测找到景物边缘处，然后利用边缘像素点的邻域内的最大值来