关键词不能为空

当前您在: 主页 > 英语 >

图像去雾技术研究

作者:高考题库网
来源:https://www.bjmy2z.cn/gaokao
2021-03-01 06:00
tags:

-

2021年3月1日发(作者:canus)


编号















图像去雾技术研究




The research on image defogging


technology














































XX


电子科学与技术



XXXXXXX


电子信息工程学院






I


摘要



本文首先简单介绍了云雾等环境 对图像成像的影响,接着从图像增强的角度


研究图像去雾技术的基本方法,


介绍了去雾算法的原理和算法实现步骤,


并对去


雾算 法的优缺点和适用条件进行了总结。



基于图像增强的去雾原理 ,


本文提出了联合使用同态滤波和全局直方图均衡


的改进去雾算 法。


先进行同态滤波使有雾图像的细节充分暴露,


然后采用全局 直


方图均衡扩展图像的灰度动态范围。去雾效果具有对比度高,亮度均匀,


视觉效


果好的特点,不足的是图像的颜色过于饱和。




关键字:图像增强




图像去雾




同态滤波




全局直方图均衡
































II


Abstract


Firstly, this paper simply introduces the influence of cloud environment of image


formation,


then


from


the


enhanced


image


perspective


of


image


to


fog


technology


basic method, is


introduced to


fog algorithm


principle and


algorithm steps, and has


carried


on


the


summary


to


fog


algorithm


advantages,


disadvantages


and


applicable


conditions.


As


for


the


defogging


theory


based


on


the


image


enhancement,


the


paper


puts


forward the improved defogging algorithm


which requires combining homomorphic


filtering and global histogram equalization. We should use homomorphic filtering to


get


details


of


the


fogging


images


clearly


exposed


and


then


use


global


histogram


equalization to spread the images’ gray scale dynamic range. Defogging has features


of high contrast ratio, uniform brightness and good visual effect. But its drawback is


that the image color is too saturated.



Key


words:


image


enhancement;


image


defogging;


homomorphic


filtering;


global histogram equalization;









III


1.


云雾等环境对图像成像的影响



1.1


课题研究的背景和意义



近年来国内的雾霾天气逐渐由中东地区向全国蔓延。雾霾自


2013


年起开始


成为人们对天气关注的关键词。雾霾是特定气候条件与 人类活动相互作用的结


果。高密度人口的经济及社会活动必然会排放大量细颗粒物(


PM2.5



,一旦排

放超过大气循环能力和承载度,


细颗粒物浓度将持续积聚,


此时如果受静稳天气


等影响,极易出现大范围的雾霾。



雾天时,弥漫在空中的雾气和尘埃模糊了人们的视线,使得景物的能见度大

幅降低。


在雾天条件下的室外获得的图像会受到严重的退化,


图像目标的对比度


和颜色等特征被衰减,


这大大降低了图像的 应用价值。


即使在晴朗的天气条件下


拍摄的照片,由于大气的散 射作用,


照片的清晰度同样受到影响。


因为在每一个

< p>
实际的场景中,


光线在到达相机之前,


都会从物体 表面反射出来而且散射在空气


中。这是因为空气中存在的浮质,像灰尘、雾和烟等,这些 因素导致物体表面颜


色变淡和整幅图像的对比度降低。


这给工业 生产及人们的日常生活带来了很大影


响。


例如城市交叉路口图像 监视系统,


在恶劣天气条件下得到的退化图像会对判


断车辆信息 和监控交通情况造成极大的困难;


在军事侦察或监视中,


退化图 像对


信息的识别与处理会造成偏差,


而这种偏差的后果是非常严 重的;


遥感探测中退


化图像同样会对后续的信息处理产生很大的 干扰。


因此许多领域都要用到去雾算


法。有雾图像特征清晰化的 研究具有非常重要的意义。



另一方面,随着科学技术的飞速发 展,计算机运行处理速度加快,图像处理


广泛应用于众多的科学和工程领域重要领域。< /p>


数字图像技术从


20


世纪


50


年代发


展至今,在航空航天、工业生产、医疗诊断 、资源环境、气象及交通监测、文化


教育等领域有着广泛的应用,


创造了巨额的社会价值。


应用的视觉系统极易受到


天气因素的 干扰甚至无法正常工作。


雾天天气条件是各种天气条件中对视觉影响

最严重的一种。


图像去雾技术成为图像处理和计算机视觉领域共同关心的重要问


题。


为了保证视觉系统的全天候正常工作,


就必须使系统能够适用于各类天气状


况,这样才能提高系统的可信赖性。



因此,研究如何对尘雾等恶劣天气条件下获得的退化图像进行有效地处理,< /p>


对大气退化图像的复原和景物细节信息的增强有着非常重要的现实意义。

< br>雾天下


图像的清晰化技术有可能对其他恶劣天气条件下图像的清晰化技术也起到促 进


作用。


从而促使全天候视觉系统排除天气状况的干扰和影响。


此方面技术的研究


有着很大应用前景。



1



1.2


国内外研究现状



对雾天图像,改善退 化图像的质量,可采用模拟和数字两种图像处理技术进


行处理。模拟图像处理利用光学处 理和电子电路处理,特点是速度快实时性好,


但是精度较差,灵活性差,


很难有判别能力和非线性处理能力。


而数字图像处理


采 用计算机或实时硬件处理,处理精度高,


可以进行复杂的非线性处理,

< br>有灵活


的变通能力。



图像增强 法就是采用数字图像处理技术对雾天得到的退化图像进行处理的


一种方法。



图像增强方法又称为非模型的方法,不考虑图像退化原因,按照特定需要突


出图像中的某些信息,如边缘轮廓、亮度、对比度等,同时削弱或者除去某些不


需要的信息,


来改善图像的视觉效果或者将图像转换成为一种更适合人或 机器进


行分析的形式。


增强处理并不能增强原始图像的信息,< /p>


只是改善图像的可识别度,


这种处理可能使图像失去某些信息。< /p>




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对由整幅雾天 图像的统计信息决定的灰度


值的调整,


与被调整点所处的区域无 关。


由于雾天下场景的退化程度与其深度相


关,


而一幅图像往往包含复杂的深度信息,


所以全局化的处理方法往往不能得到


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。


典型的全局化雾天图像增强方法主要有


6


种。



1


)全局直方图均衡化 算法。该方法的基本思想是把有雾图像的直方图变换


为近似均匀分布的形式,

< p>
这样就增加了像素灰度值的动态范围,


从而达到增强雾

天图像整体对比度的效果。


但是在实际场景中图像的景深和雾天图像不同区域影


响有差别,整体处理会造成图像增强不均匀,去雾图像视觉效果不够好。


2



同态滤波算法。

< p>
该算法是一种把频率过滤和灰度变换相结合的图像增强处


理方法,


也是一种把照明反射模型作为频域处理的基础,


利用压缩亮度范围和增< /p>


强对比度来改善图像质量的处理技术。






3


)小波 方法。小波与多尺度分析在对比度增强上的应用取得了很大进展。


4



Retinex


算法。


Retinex


是一种描述颜色不变性的模型,它具有动态范围压


缩和颜色不变性的特点,


对由于光照不均而引起的低对比度彩色图像 具有很好的


增强效果。


黄义明


[1]< /p>


对于


Retinex


算法的改进,


利用递归高斯滤波对


Retinex


算法


进行加速和利用线性拉伸的方法提高图像的对比度。






5



曲波变换。


曲波是一种在小波变换基础上 发展起来的新的多尺度分析方法,


由于它特别适合于各向异性奇异性特征的信号处理,< /p>


因此能够很好地弥补小波变


换在图像的曲线边缘增强方面的局限性 。




2





6



基于大气调制传递函数增强雾天图像。该方法的原理是:


首先通过对 大气


调制传递函数的预测,


近似估计大气对图像质量的退化过程 。


当得到先验信息时,


通过预测公式计算出相应的湍流调制传递 函数和气溶胶调制传递函数,


再由前两


者的乘积得到总的大气调 制传递函数。


然后利用大气调制传递函数在频域内对天


气退化图 像进行复原,


并对户外景物图像中由大气调制传递函数造成的衰减进行

< br>补偿。例如杨国强通过分析


transmission


图 像的本质特性,并基于图像的大气衰


减模型,提出一种有效的单幅图像去雾技术



非线性的双边滤波图像去雾方法,


并利用获得 结果图像实现图像的重光照技术


[2]





2


)局部化的图像增强方法



对于上述全局化的图像增强方法而言,由于此类方法是对整幅图像 进行操


作,


而且在确定变换或转移函数时是基于整个图像的统计 量。


而在实际应用中常


常需要对图像某些局部区域的细节进行增 强,


但这些局部区域内的像素数量相对


于整幅图的像素数量往往 较小,


在参与整幅图的计算时其影响常被忽略掉,


并且


从整幅图像得到的函数也不能保证这些所关心的局部区域得到所需的增强效果。

< br>因此,


需要根据所关心的局部区域的特性来计算变换或转移函数,


并将这些函数


用于所关心的区域,以得到所需的增强效果。王敬东等人使用


Kuwahara


边缘角


点保持滤波器对大 气散射光进行估计并对所采用的


Kuwahara


滤波器进行改 进


[3]



通过增加子块的数目以及进 行局部加权等提高边缘保留效果,


抑制方块效应,


< p>
而获得较为准确的介质透射率。



2 .


基于图像增强的去雾算法研究



基于 图像增强方法的去雾算法是不考虑有雾图像的成像原理,


从有雾图像呈

< br>现的低亮度和低对比度的特征考虑,


按照特定的需要增强需要突出部分的图像内< /p>


容,削弱或去除某些图像信息的方法。


但是应当明确的是,


图像增强去雾算法并


不能够增加原始图像的信息,

其结果只是提高视觉的清晰度和对比度,


会有图像


信息的损 失。



本节主要研究了基于图像增强的全局化处理方法和局部处 理方法,


分析算法


实现步骤并仿真,然后对每一种算法结果进行 总结。最后,


总结各图像增强算法


优缺点后,提出基于同态滤波 和全局直方图均衡的改进去雾算法方案。



2.1


全局化雾天图像增强



全局化的雾霾图像增强是指根据整幅雾霾图像的统计信息来对灰度值进行


调整,与调整点所在的区域无关。针对雾天条件下获取的图像具有低对比度,




3


局化图像增强可以使图像成像均匀,


扩大图像动态范围及扩展对比度。


具有算法


时间复杂度小的优点,对薄雾图像有明显的改善效果。



2.1.1


全局直方图均衡



直方图是图像的灰度像素统计图,


用于表示图像中不同灰度级出现的概率


[4]



全局直方图均衡是对原始图像 的直方图进行操作,


使灰度级分布近似均匀,


是灰


度级动态范围增加,改善图像的对比度。图像全局直方图均衡的实现步骤如下:




1


)统计原有雾图像的各灰度级


f


i


的数目


n


i






2


)计算原有雾图像的直方图,即各灰度 级的概率密度





















p


f


?


f


i


?


?


n


/


N


i


(2-1)


?


i


0


,

< p>
1,


2


,


...


?


L


,


1


















其中


N


为原有雾图像的总像素数目;




3


)计算直方图 累计分布



P


f


(


f


i


)


?


?


p


f


(


f


i


)


0


i















(2-2)

?


i


0


,


1


,


2


,


?< /p>


L


.


.


.


,


1

















4


)计算最后输出的灰度级












g


i


?


I


N


[


T


(


m


g


a


x


?


g

< br>f


m


i


)


n


f


?


P


?


i


?


g


0.< /p>


5


]


m


?


i


n


?


i

< p>
0


,


1,


2


,


?


...


L


,


(2-3)


1







其中,


INT


[


]


表示取整,


L


表示图像最大灰度级。令


g


min


?


0



g


max


?


L


?


1



则计算公式化简为:


















g


i


?


I


N


[


T


(


?


L


1


)


f


P

< br>(


i


f


?


)


0.


5


]


?


i


(2-4)


0

< br>,


1,


2


?

L


,


.













5


)重新确定图像直方图。用

< p>
f


i



g


i


的映射关系,得到近似均匀分布的待


输出直方图;< /p>




6


)根据新 直方图统计输出图像各灰度级个数。



采用全局直方图均衡算法 进行去雾前后的图像如下图


2-1


和图


2-2







4



2- 1


原有雾图像及直方图














2-2


全 局直方图均衡去雾图像及直方图




2 -1


和图


2-2


分别为采用全局直方图 均衡去雾前后的图像。可以看出原有


雾图像的对比度有所增强,


由雾天引起的图像亮度过高问题整体改善。


但是去雾


图像的部分 偏暗,


通过直方图的改变可以知道,


这是因为全局直方图均衡把 原图


像中像素值为


100


以上的区域扩 展到


0~100


,图像的灰度范围被拉伸到

0~255



总之,


全局直方图均 衡改善了有雾图像的对比和亮度,


但是会忽略图像的局部细


节, 去雾没有针对性,结果有一定失真。



2.1.2


同态滤波



同态滤波原理是依据图像获 取过程中的照明反射成像


[4]


。图像可以由两个分

< p>
量来表征:



1


)入射到 被观察场景的光源照射总量;



2


)场 景中物体所反射的光


照的总量。这两个分量分别被称为入射分量


i


(


x


,


y< /p>


)


和反射分量


r


(


x


,


y


)< /p>


,这两个分


量的乘积合并形成图像


f


(


x


,


y


)


,即:



?


i


(


x


,


y


)


r


(

< br>x



























f


(


x


,


y


)



,



y




















(2-5)


其中,入射分量具有低频特性,反射分量分布在图像高频部分。



雾天图像一般是受大气光散射影响将为严重,获得图像呈现偏白效果而影响


视觉分辨。


使用同态滤波器消除由大气光主导的入射分量,

< br>获得景物的反射分量。


可以加大图像频域中反射(高频)频谱部分,使暗区细节增 强,并保留亮区图像


细节。



同态滤波算法的实现步骤如下:



(< /p>


1


)先对式(


2-5

)两边同时取对数,即:


ln


f


(


x


,


y


)


?


ln


i


(


x


,


y


)

< p>
?


ln


r


(


x


,


y


)

< br>



2


)对上式两边做傅里叶变 换,得:



F


(ln

< br>f


(


x


,


y


))


?


F


(ln


i


(


x


,


y


))


?


F


(ln


r


(


x


,


y


))










(2-6)



5

< br>即得:


F


(


u

< br>,


v


)


?


I


(


u


,


v


)


?


R


(


u


,


v


)


















(2-7)



3

)使用频域高通滤波器


H


(


u


,


v


)


处理


F


(


u


,

< p>
v


)


,可得:



H


(


u


,


v


)


F


(

< br>u


,


v


)


?


H


(


u


,


v


)


I


(


u


,


v


)


?


H


(


u


,


v


)


R

< br>(


u


,


v


)















(2-8)


简化表示为:



H

f


?


H


i


?


H


r






























(2-9)


4


)傅里叶反变换到空间域,得:






















h


f


(


x


,


y


)


?


i


h


(


x


,

< br>?


y


)



5


)对上式两边去指数,得:



g< /p>


(


x


,


y


)


?


exp


h


f


(


x


,

< p>
y


)


?


exp

< p>
h


i


(


x


,


y


)


?

exp


h


r


(

x


,


y


)


r



,


y


h< /p>


(


x











(2-10)


使用同态滤波器对有雾图像去雾,如下图


2-3


和图


2-4









2-3


原 有雾图像





2-4


同态滤波去雾图像



可以看出 同态滤波可以有效地减弱由雾天天气造成的图像偏白的问题,抑制


部分大气光散射对景物 图像的影响,


更多暴露原景物的反射图像部分,


图像的清



6


晰度提高。


但 是对于在浓雾天气条件下,


景物反射图像使用同态滤波无法完全恢


复,如图


2-4


的上半部分仍可见很浓的雾气。






2.1.3 Retinex


算法


< /p>


Retinex


理论是以色感的一致性为基础的理论,

< p>
也称为颜色恒常理论。


1963E.


Land< /p>


在俄亥俄州提出了一种颜色恒常知觉的计算理论


--Retine x


理论,把它作为


人类视觉的亮度和颜色感知的模型。


Retinex


理论的基础理论是物体的颜色是由


物体对长波(红色)


、中波(绿色)


、短波(蓝色)光线的反 射能力来决定的,而


不是由反射光强度的绝对值来决定的,


物体 的色彩不受光照非均匀性的影响,



有一致性。



根据


Retinex


理论, 一幅图像


I


(


x


,


y


)


可以表示为由反射图像


R


(


x


,

< p>
y


)


和入射图



L


(


x


,


y


)


组成,其原理示意图如图


2-5


所示:



入射光图像


L



x,y



观察者


I(x,y)


反射光图像


R(x,y)




2-5 Retinex


理论图像成像示意图



对于观察图像


I


(


x

< br>,


y


)


,是由入射光照射在反射 物体上,通过反射物体的反射


形成反射光进入人眼得到的。用公式可以表示为:



I


(


x


,


y


)


?

< br>R


(


x


,


y


)


?


L


(


x


,


y


)





























(2-11)


对式(


2-11


)两边同时取对数可得:



I


x


(


y


,

?


)


















l


o


g


l


o


R


g


x


(


?


y


,


)


L


l

< br>o


x


g




y

















(2-12)


则,


log


R


(


x


,


y


)


?

log


I


(


x

,


y


)


?


log


L


(


x


,


y


)




























(2-13)


?


e

< br>x


p


(


l


I


o


g


x


?


(


y


,


)


L


l


o


x


g

















R


(


x


,


y


)




y
















(2-14)



7

-


-


-


-


-


-


-


-



本文更新与2021-03-01 06:00,由作者提供,不代表本网站立场,转载请注明出处:https://www.bjmy2z.cn/gaokao/686378.html

图像去雾技术研究的相关文章