论文部分内容阅读
摘要：由于大气光的散射，雾霾等天气条件卫星传感器下拍摄的影像可能会导致出现部分景物模糊、色彩暗淡和退化、使得图像信息严重大量减少，从而对影像信息源的获取和影像处理工作带来困难。所有必要设计并研究消除雾霾的算法，以此来增强遥感影像。使用直方图均衡化及其改进算法、单尺度及多尺度的Retinex算法、小波变换以及暗原色先验规律等算法，开发设计遥感影像雾霾去除系统进行可视化去雾操作。该系统能读入遥感影像，使用户可以交互式地设置去雾参数，系统及时计算增强后影像的平均梯度、信息熵、方差值等定量评价参数，协助用户选择适当的去雾算法。使用不同卫星的不同传感器拍摄获得的遥感影像测试系统，在测试的时候，通过实验在不同的参数和算法下对影像进行去雾霾处理，寻找合适的参数和算法达到最佳去雾效果，结果表明软件能够实现预期目的。
关键词：图像去雾;暗原色先验;去雾系统;遥感影像
1 绪论
近年来，空气质量已经严重出现恶化，并且经常还会发生诸如雾霾烟雾之类的恶劣天气。雾霾天气的影响使“透过光”的强度有所减弱，导致自动光学图像传感器实时接收检测到的动态光源强度发生了较大变化，从而直接导致图像对比度有所降低，动态范围有所缩小，图像特征变得模糊不清，清晰度不够，细节上的信息特征变得不明显，覆盖和模糊许多物象特征，信息的准确可辨识度在较大程度上受到降低。同时，色彩保真准确度明显降低，发生严重的色彩亮度偏移和图像失真，并且不能及时获得能够使人感到满意的整体视觉效果，因为针对各类遥感影像雾霾去除算法并不具有普适性，针对不同含雾霾遥感影像的特定算法的各类参数也需要根据遥感影像含雾量进行调整设置，预期所想要达到的去雾效果也需要各类影像利用定量评价进行参照，因此，设计并实现可视化的，交互式的方式的遥感影像雾霾去除系统是有着现实理论意义的迫切需要，是保证户外成像系统能够在恶劣天气下进行稳定和可靠的工作。
2 研究方法
2.1 去雾算法原理
2.1.1 直方图均衡化
（1） 选取一幅图像，列出其灰度级，统计像素个数，计算原始图像灰度直方图;
（2） 计算累计直方图;（3）统计灰度级，求出新的直方图。
2.1.2有限对比度直方图均衡化
按需求将输入的图像分为多个相关区域，然后逐个对每个区域进行直方图匹配，通过综合计算得出局部直方图，用对比度限制对每个小区域进行重新分布亮度，局部细节得到增强，相邻的区域使用双线性内插法进行拼接组合起来，得到优化处理后的图像。有限对比度直方图均衡化的局部直方图由相关区域内的直方图和相关区域外的直方图组成。
2.1.3 单尺度Retinex
Retinex理论基于颜色恒常性，认为一物体在不同的光照条件下呈现出相同的颜色，即物体在图像中所反映的颜色是由物体本身固有的反射特性决定的。
2.1.4 多尺度Retinex
多尺度Retinex不仅可以使图像保持鲜艳的色彩，还可以准确凸显整个图像中黑暗区域的全部信息。多尺度Retinex的本质上就是对单尺度Retinex在不同尺度上进行加权平均，对不同尺度的处理结果求取平均值，实现高度颜色增强和色彩保真，使处理后的图像更加客观化和自然。
2.1.5 小波变换
小波变换作为在图像处理和工程学科里一个快速发展的领域，它具有很好的多尺度分析能力和时域性局部特征，对信号可以在多分辨率上进行分析，所以在图像去雾领域应用广泛。利用小波变换对影像进行去雾增强，首先通过小波变换将原始影像进行小波分解，得到表示原始影像不同频率特征的系数矩阵，使原影像中，随着不同尺度的分离不同的细节特征也分离。然后对不同尺度小波分量采用一定的变换函数进行不同的处理，最后进行小波重构，这一步也叫小波合成或逆小波变换。由于在RGB空间进行线性拉伸，Retinex算法处理，往往会使得处理后的影像产生失真问题。所以要进行RGB和HSI的空间转换。
2.2 质量评价
本设计主要采用客观质量评价方法对遥感影像雾霾去前后进行评价。
3主要研究内容及分析
6种去雾算法供用户自由选择，结合去雾后的影像的质量评价，可以获得最优的去雾影像。系统是基于Qt平台和Matlab编译的库文件设计并实现的，在参数设置方面可以调整小波变换算法的模板大小和宽度系数，Retinex算法的尺度常量和暗原色先验规律的乘积因子、滤波参数。满足用户对去雾后图像的对比需求，并设计较为美观的界面。
3.1 需求分析
在生活中，计算机性能逐步得到提高，价格在不断地下降，人们用计算机工作也越来越普遍，但是，由于环境的污染，严重影响了对影像后续处理和应用价值，所以为了满足系统实时性需求，使在雾天环境下也能获取拍影像信息。设计和实现去雾系统快速地对雾天拍摄的影像去雾处理，复原影像质量信息是必要的，遥感影像雾霾去除系统的需求分析从业务需求、功能性需求、性能需求三个方面进行描述。
3.2 模块功能分析
3.2.1 图像读取与保存模块
打开功能模块能让用户在电脑上选择要进行去雾的原始遥感影像，由ENVI导出的真彩色tif格式遥感影像。保存功能模块是将处理好的影像保存到自己的电脑上。
3.2.2 工具模块
在主窗体的基础上创建了一个名为dialog窗体，该窗体可以设置小波變换参数，Retinex尺度常量，暗原色先验规律滤波参数，乘积因子。
3.2.3 去雾方法模块
去雾模块集成了6种去雾方法：直方图均衡化、有限对比度直方图均衡化、小波变换、单尺度Retinex、多尺度Retinex和暗原色先验规律方法。
3.2.4 定量分析模块
为了实验结果对比的方便，从平均梯度（AV）、信息熵（E）、方差函数（VARIANCE）和去雾效果五个方面比较各种算法的优劣性，通过表格的形式展现。将对处理后的图像进行评价，各个按钮显示不同算法去雾后的定量评价数据。
3.2.5 图片浏览模块
双击输入label或输出label，将弹出一个图片预览窗体，该窗体是基于主窗体建立的imageviewer窗体，该窗体可以实现图片的放大缩小和打印功能。
3.3 开发平台
相对于其他开发编程设计的框架，windows上有Matlab、MFC和Qt，相对于Matlab而言，QT采用C++语言进行开发，其绘制界面简单方便且美观，具有很好的移植性，因此去雾系统利用Qt5.9.9作为开发框架，调用Matlab生成的库文件，在安装有windows1064位系统上进行设计和实现。
4结果与分析
综合以上对6种去雾算法的主观和客观评价，直方图均衡化去雾霾后图像信息最丰富，多尺度Retinex算法去雾霾后图像细节最清晰，多尺度Retinex算法的综合处理效果最好，处理后的图像不仅具有丰富的细节信息，而且清晰度也较高，色彩与原图较为接近;为了达到遥感影像最好的去雾效果，将对小波变换算法、Retinex算法、暗原色先验规律的参数进行选择和调试，得到基于原始遥感影像的新一组定量评价数据如表3.3，以及利用这四种算法的调试参数获得的新一组去雾后的遥感影像。这里将把各个算法参数设置的具体数值展示出来。
关键词：图像去雾;暗原色先验;去雾系统;遥感影像
1 绪论
近年来，空气质量已经严重出现恶化，并且经常还会发生诸如雾霾烟雾之类的恶劣天气。雾霾天气的影响使“透过光”的强度有所减弱，导致自动光学图像传感器实时接收检测到的动态光源强度发生了较大变化，从而直接导致图像对比度有所降低，动态范围有所缩小，图像特征变得模糊不清，清晰度不够，细节上的信息特征变得不明显，覆盖和模糊许多物象特征，信息的准确可辨识度在较大程度上受到降低。同时，色彩保真准确度明显降低，发生严重的色彩亮度偏移和图像失真，并且不能及时获得能够使人感到满意的整体视觉效果，因为针对各类遥感影像雾霾去除算法并不具有普适性，针对不同含雾霾遥感影像的特定算法的各类参数也需要根据遥感影像含雾量进行调整设置，预期所想要达到的去雾效果也需要各类影像利用定量评价进行参照，因此，设计并实现可视化的，交互式的方式的遥感影像雾霾去除系统是有着现实理论意义的迫切需要，是保证户外成像系统能够在恶劣天气下进行稳定和可靠的工作。
2 研究方法
2.1 去雾算法原理
2.1.1 直方图均衡化
（1） 选取一幅图像，列出其灰度级，统计像素个数，计算原始图像灰度直方图;
（2） 计算累计直方图;（3）统计灰度级，求出新的直方图。
2.1.2有限对比度直方图均衡化
按需求将输入的图像分为多个相关区域，然后逐个对每个区域进行直方图匹配，通过综合计算得出局部直方图，用对比度限制对每个小区域进行重新分布亮度，局部细节得到增强，相邻的区域使用双线性内插法进行拼接组合起来，得到优化处理后的图像。有限对比度直方图均衡化的局部直方图由相关区域内的直方图和相关区域外的直方图组成。
2.1.3 单尺度Retinex
Retinex理论基于颜色恒常性，认为一物体在不同的光照条件下呈现出相同的颜色，即物体在图像中所反映的颜色是由物体本身固有的反射特性决定的。
2.1.4 多尺度Retinex
多尺度Retinex不仅可以使图像保持鲜艳的色彩，还可以准确凸显整个图像中黑暗区域的全部信息。多尺度Retinex的本质上就是对单尺度Retinex在不同尺度上进行加权平均，对不同尺度的处理结果求取平均值，实现高度颜色增强和色彩保真，使处理后的图像更加客观化和自然。
2.1.5 小波变换
小波变换作为在图像处理和工程学科里一个快速发展的领域，它具有很好的多尺度分析能力和时域性局部特征，对信号可以在多分辨率上进行分析，所以在图像去雾领域应用广泛。利用小波变换对影像进行去雾增强，首先通过小波变换将原始影像进行小波分解，得到表示原始影像不同频率特征的系数矩阵，使原影像中，随着不同尺度的分离不同的细节特征也分离。然后对不同尺度小波分量采用一定的变换函数进行不同的处理，最后进行小波重构，这一步也叫小波合成或逆小波变换。由于在RGB空间进行线性拉伸，Retinex算法处理，往往会使得处理后的影像产生失真问题。所以要进行RGB和HSI的空间转换。
2.2 质量评价
本设计主要采用客观质量评价方法对遥感影像雾霾去前后进行评价。
3主要研究内容及分析
6种去雾算法供用户自由选择，结合去雾后的影像的质量评价，可以获得最优的去雾影像。系统是基于Qt平台和Matlab编译的库文件设计并实现的，在参数设置方面可以调整小波变换算法的模板大小和宽度系数，Retinex算法的尺度常量和暗原色先验规律的乘积因子、滤波参数。满足用户对去雾后图像的对比需求，并设计较为美观的界面。
3.1 需求分析
在生活中，计算机性能逐步得到提高，价格在不断地下降，人们用计算机工作也越来越普遍，但是，由于环境的污染，严重影响了对影像后续处理和应用价值，所以为了满足系统实时性需求，使在雾天环境下也能获取拍影像信息。设计和实现去雾系统快速地对雾天拍摄的影像去雾处理，复原影像质量信息是必要的，遥感影像雾霾去除系统的需求分析从业务需求、功能性需求、性能需求三个方面进行描述。
3.2 模块功能分析
3.2.1 图像读取与保存模块
打开功能模块能让用户在电脑上选择要进行去雾的原始遥感影像，由ENVI导出的真彩色tif格式遥感影像。保存功能模块是将处理好的影像保存到自己的电脑上。
3.2.2 工具模块
在主窗体的基础上创建了一个名为dialog窗体，该窗体可以设置小波變换参数，Retinex尺度常量，暗原色先验规律滤波参数，乘积因子。
3.2.3 去雾方法模块
去雾模块集成了6种去雾方法：直方图均衡化、有限对比度直方图均衡化、小波变换、单尺度Retinex、多尺度Retinex和暗原色先验规律方法。
3.2.4 定量分析模块
为了实验结果对比的方便，从平均梯度（AV）、信息熵（E）、方差函数（VARIANCE）和去雾效果五个方面比较各种算法的优劣性，通过表格的形式展现。将对处理后的图像进行评价，各个按钮显示不同算法去雾后的定量评价数据。
3.2.5 图片浏览模块
双击输入label或输出label，将弹出一个图片预览窗体，该窗体是基于主窗体建立的imageviewer窗体，该窗体可以实现图片的放大缩小和打印功能。
3.3 开发平台
相对于其他开发编程设计的框架，windows上有Matlab、MFC和Qt，相对于Matlab而言，QT采用C++语言进行开发，其绘制界面简单方便且美观，具有很好的移植性，因此去雾系统利用Qt5.9.9作为开发框架，调用Matlab生成的库文件，在安装有windows1064位系统上进行设计和实现。
4结果与分析
综合以上对6种去雾算法的主观和客观评价，直方图均衡化去雾霾后图像信息最丰富，多尺度Retinex算法去雾霾后图像细节最清晰，多尺度Retinex算法的综合处理效果最好，处理后的图像不仅具有丰富的细节信息，而且清晰度也较高，色彩与原图较为接近;为了达到遥感影像最好的去雾效果，将对小波变换算法、Retinex算法、暗原色先验规律的参数进行选择和调试，得到基于原始遥感影像的新一组定量评价数据如表3.3，以及利用这四种算法的调试参数获得的新一组去雾后的遥感影像。这里将把各个算法参数设置的具体数值展示出来。