论文部分内容阅读
图像是人类从外界获取信息的重要载体之一,雾、雨等恶劣天气条件下获得的图像受到了严重的退化,这大大降低了图像的应用价值。随着视频监测技术在各个领域越来越广泛的应用,要求系统的适用性也逐渐提高。为了使监测系统在雾天环境下仍然能够正常工作,对雾天天气环境下的清晰化技术进行研究有着非常重要的意义。本文从图像增强和图像恢复两种方法出发对雾天退化图像展开研究,具体工作如下: (1)针对单尺度Retinex方法在边缘区域易出现光晕现象的问题,对Retinex模型提出了两种改进方法。改进方法一:引入双边滤波中的亮度相似度因子和空间邻近度因子来控制模板内像素的权值,获取相对平滑的亮度图像,改进方法二:利用相邻像素之间的差异值的先验信息获取闽值来控制模板内的像素权值。实验结果表明两种方法都能有效保持图像边缘及高亮部分的细节,且能有效克服由于光照不均导致的光晕现象。 (2)详细介绍了基于色度模型的单幅图像去雾,基于表面反射率的单幅图像去雾以及基于暗原色先验的单幅图像去雾等目前效果最好,最具影响力的去雾方法,并对这些方法各自的优缺点作了对比分析。介绍了雾天情景下图像成像过程、单幅图像去雾方法的主要特点以及亟待解泱的难点。分析了不同颜色空间中亮度分量与色度分量之间的相关性,采用Retinex算法来估计场景透射率,对基于暗原色的单幅图像去雾算法进行改进,提出了一种图像增强与图像复原相结合的混合去雾方法。实验结果表明本文算法处理后的图像亮度更加柔和,有效去除了图像中的雾霾信息,再现了场景细节和颜色,提高了图像的视觉效果。