基于同态滤波的图像去雾方法毕业论文.docx

《基于同态滤波的图像去雾方法毕业论文.docx》由会员分享，可在线阅读，更多相关《基于同态滤波的图像去雾方法毕业论文.docx（86页珍藏版）》请在第一文库网上搜索。

1、基于同态滤波的图像去雾方法毕业论文目录1引言11.1 课题研究的背景和意义错误!未定义书签。1.2 图像去雾的研究历史和发展现状错误!未定义书签。1.3 本文主要研究内容和结构安排错误!未定义书签。1.3.1 本文主要研究内容错误!未定义书签。1.3.2 本文结构安排错误!未定义书签。2图像去雾概述错误!未定义书签。2.1 图像去雾的概念错误!未定义书签。2.2 图像去雾的分类错误!未定义书签。2.2.1 基于物理模型的方法错误!未定义书签。2.2.2 基于非物理模型的方法错误!未定义书签。2.3 图像去雾的应用错误!未定义书签。2.4 同态滤波的图像去雾方法错误!未定义书签。3.1 同态滤波

2、概念与定义错误!未定义书签。3.2 同态滤波的原理错误!未定义书签。3.3 同态滤波的操作的基本流程错误!未定义书签。4实验结果错误!未定义书签。4.1 灰度版错误!未定义书签。4.2 彩色版错误!未定义书签。4.3 实验结果分析与评价错误!未定义书签。5评价与改进错误!未定义书签。5.1 直方图错误!未定义书签。5.2 暗通道错误!未定义书签。5.3 改进错误!未定义书签。5.3.1 红外处理错误!未定义书签。5.3.2 红外与同态滤波结合优化错误!未定义书签。5.3.3 实验结果图错误!未定义书签。结论错误!未定义书签。致谢错误!未定义书签。3参考文献34附录错误!未定义书签。7外文资料翻

3、译及原文错误!未定义书签。1引言图像去雾是图像处理中一个不可缺少的环节，在遥感、航拍、水下图像分析、户外视频、日常照片、处理等诸多方面有着广泛应用。本章对图像去雾的技术进行介绍，并着重阐述基于同态滤波的图像去雾方法，深入研究了基于同态滤波的图像去雾方法，对雾天退化图像的增强进行了实验验证。同时也增强了雾天降质图像的对比度和色彩保真度，提高了户外成像系统在雾霭等天气下工作的稳定性和可靠性。本章简要介绍了图像去雾处理的背景与意义，图像去雾的国内外研究现状，并给出了本文的主要研究内容。1.1 课题研究的背景和意义众所周知，雾和霾是一种常见的天气现象，在雾霾条件拍摄的图片就不是很清晰，因此有必要对图像

4、进行去雾研究。图像去雾技术是通过一定的手段去除图像中雾的干扰，从而得到高质量的图像，以便于得到满意的视觉效果并获取更多有效的图像信息。图像去雾技术是图像处理领域一个重要的研究分支。因其具有跨学科、前沿性以及应用前景广阔等特点，而备受国内外的大批研究者的关注，目前已成为计算机视觉和图像处理领域的研究热点。同时作为一门新兴学科，由于去雾问题涉及到天气条件的随机性与复杂性，使得人们研究的起步比较晚，只有二十年的研究历程。目前虽然有新方法大量涌现，但几乎每一种方法都有一定的局限性，也都处于不断的发展中。一些己取得的研究成果虽然在某一方面得到大家的认可，但还是需要完善和改进。因此，为提高雾天退化图像的质

5、量，需要寻找有效的办法来减少或去除雾的影响。1.2 图像去雾的研究历史和发展现状图像去雾技术一个跨学科的前沿性课题，具有广阔的应用前景，近几年来已经成为计算机视觉和图像处理领域研究的热点问题之一，吸引了国内外很多研究人员的兴趣。该技术主要应用于计算机视觉的初级阶段，是目标检测与跟踪、目标分类与识别、目标行为分析与理解等中、高级阶段的基础。图像去雾技术的研究工作开展较晚，尽管国内外研究机构已经取得了一定的研究成果，然而仍有待完善。研究最早可追溯到1992年L. Bissonnettc等人针对雾和雨天气下所做的图像去雾处；随后，JohnP.Oakley等人针对恶劣天气下航拍降质彩色图像进行了去雾处

6、理，并取得一定的研究成果。后来，McCartney对不同天气条件下大气粒子的类型、大小和浓度进行了研究。Nayar和Narasimhan对大气粒子的类型、大小和浓度造成各种天气的成因进行了简单分析。Garg等人提出雨滴动力学模型，利用模型约束来区分雨和其他类型的信号，有效地检测并去除复杂场景中的雨滴。与国内相比，国外的研究工作开展较早，且研究机构较多。在国外著名的研究机构中，美国国家航空航天局(NASA)的Langley研究中心(LRC)深人研究基于邻域(surround-based)的Retinex算法，对雾、烟、水下和夜晚图像进行增强，并将其算法嵌人DSP便携式图像增强视觉系统中，处理分辨

7、率为256x256的灰度图像可达到30帧/ s,基本满足实时性的要求；哥伦比亚大学的计算机视觉实验室研究如何利用不同天气条件下同一场景的多幅图像来恢复清晰图像，并建立了不同天气条件下同一场景的 WILD ( Weather and Illumination Database)数据库；以色列的联合成像实验室；研究基于偏振滤波的方法，该方法对大气成像和水下成像均适用；曼彻斯特大学电气和电子工程学院的传感、图像和信号处理组在图像对比度恢复方面进行了长期的研究，英国Dmist公司在此研究基础上开发了商业产品ClearVueo在国内的研究机构中，微软亚洲研究院与香港中文大学(ChineseUnivers

8、ity ofHong Kong)信息工程系的多媒体实验室合作，研究基于数据假设的单幅图像去雾方法，其成果较为显著，但与实际应用仍存在较大差距。其他研究所和高校的相关研究工作尚处于进一步发展中。现阶段，比较优秀的去雾手段，都是根据每种算法的优、缺点，进行优势结合。一般而言，良好去雾效果都要复合几层算法进行叠加，例如，基于同态滤波的红外图像增强新方法。先对原红外图像自适应中值滤波，既保留了原有图像细节，又去除噪声。1.3 本文主要研究内容和结构安排1.3.1 本文主要研究内容本文介绍基于同态滤波的图像去雾方法。将基于同态滤波的去雾图像，与经全局均衡化直方图的图像去雾算法、暗通道去雾算法等方法进行对

9、比，借鉴其红外技术的优点，优化同态滤波算法，使得图像去雾效果更加理想。1.3.2 本文结构安排本文共分为五个部分。具体结构如下：第一部分 绪论。主要介绍了图像去雾的研究背景和意义、国内外研究现状、发展前景以及本文的主要研究内容。第二部分 图像去雾原理与技术。主要介绍了图像去雾的基本原理、基本特征和图像去雾的分类，归纳了图像去雾的典型算法以及主要应用。第三部分 研究基于同态滤波的图像去雾方法。第四部分实验结果。第五部分 实验方法评价与改进。第六部分对本文进行总结。192图像去雾概述2.1 图像去雾的概念图像去雾技术（雾、霆等类似大气粒子的散射现象均可用米氏散射理论描述，为了描述的方便，简称为去雾

10、）的主要任务是去除天气因素对图像质量的影响，从而增强图像的视见度。2.2 图像去雾的分类图像去雾技术在经过近20年的研究发展中，经过国内外研究学者们的努力，已经形成了许多可应用于实践的技术方法。目前的主流方向是通过物理模型和非物理模型展开的。依据是否依赖大气散射模型，将现有的方法分为两类：基于物理模型的方法（MB）和非物理模型的方法（NMB）。基于物理模型的方法即是图像复原方法，基于非物理模型的方法即是图像复原方法。雾天图像复原是研究雾天图像退化的物理机制，并建立雾天退化模型，反演退化过程，补偿退化过程造成的失真，以便获得未经干扰退化的无雾图像或无雾图像的最优估计值，从而改善雾天图像的质量。这

11、种方法针对性强，得到的去雾效果自然，一般不会有信息损失，处理的关键点是模型中参数的估计。雾天图像的增强方法不考虑图像退化原因，适用性广，能有效地提高雾天图像的对比度，增强图像的细节，改善图像的视觉效果，但对于突出部分的信息可能会造成一定损失。对于每一类方法，按照去雾方法的相似性进一步归纳为不同的子类方法：基于图像处理的雾天图像增强方法分为全局化的图像增强方法和局部化的图像增强方法；基于物理模型的雾天图像复原方法则包括基于偏微分方程的雾天图像复原、基于深度关系的雾天图像复原和基于先验信息的雾天图像复原。下图详细描述了这种分类层次：图2.1图像去雾方法分层2.2.1 基于物理模型的方法图2.2 基

12、于物理模型的复原方法（1）基于偏微分方程的雾天图像复原由于利用大气信息条件或场景深度复原雾天图像的方法不能局部修正恢复结果，所以对于场景深度变化较大的图像，部分区域的对比度仍然比较低，不能很好满足应用要求。因此在某些对图像的色彩清晰度和对比度有较高要求的场合，采用偏微分方程的图像去雾方法得到了广泛的应用。针对雾天图像处理，可借助大气散射模型，建立户外图像全局去雾和局部去雾的能量最优化模型，推导相应的包含图像梯度和场景景深的偏微分方程。同时利用用户提供的简单附加信息消除恢复中的不确定性，实现仅从一幅降质图像的去雾恢复。（2）基于深度关系的雾天图像复原降质图像的场景深度信息是复原雾天图像的一条重要

13、线索。根据场景深度信息是否己知可将此种复原方法分为两类。一类是假设场景深度信息已知的方法。这种基于物理模型来复原场景对比度的方法使用一个简单的高斯函数对场景中的光路进行预测，取得了较好的复原效果，并且不需要天气预测信息，但此方法需要雷达装置获取场景深度。另一类是用辅助信息进行场景深度提取的方法。但以上提取场景深度的方法也存在着一定的局限性，比如利用偏振光的方法只能应用于大气散射程度较弱的薄雾，而不适于大雾天气。而其它一些方法则需要用到不同天气状态下相同景物的图像或需要用户的交互，因而很难满足对变换场景的实时图像处理需求。（3）基于先验信息的雾天图像复原传统的去雾方法往往只能有限度地提升降质图像

14、的清晰度，由于忽略了真实图像的雾气分布不均的事实而以整体统一处理的方式去雾，致使图像某些部分显得不够清晰，而某些部分却因过度处理而失真。近年来，众多研究者致力于如何针对单幅降质图像按照图中雾气浓度的变化，达到彻底去雾的效果。例如基于暗原色的单一图像去雾技术。该方法通过收集大量不受雾气影响的图像，发现了一套能识别雾气浓度的暗原色统计规律。即把图像分成多个子块，每个子块中都有一些亮度很低的像素。这些“黑点”通常存于物体阴影、黑色物体以及具有鲜艳颜色的物体中。根据这一规律，只需按雾气浓度局部修复图像各部分的颜色,就能有效地达到很好的去雾效果，但当场景目标的亮度与大气光相似时，暗原色先验信息将失效。2

15、.2.2 基于非物理模型的方法 图像增强去雾 一处理的空间不同1空域处理基于点操作基于邻域操作厂频域处理 I同态漉波；小波变换处理的对象不同I|灰度图像 I；彩色图像J1一处理的区域不同j全曾强.1:全局直方图均衡化同态滤波;小波变换：曲波变换I局部增强一I局部直方图均衡化局部对比度增强/局部方差图2.3基于非物理模型的方法（1）全局化的图像增强方法全局化的雾天图像增强方法是指依据整幅雾天图像的统计信息决定对灰度值的调整，而不考虑被调整点所处的区域。由于雾天下场景的退化程度与其深度相关，而一幅图往往包含复杂的景深信息，所以全局化的处理方法往往不能收到理想的效果，但当雾天图像的场景相对简单时，不失为一种有效的途径。典型的全局化