论文部分内容阅读
近年来,伴随工业化经济的快速发展,雾霾现象变得越来越普遍和严重,尤其在秋冬季节。在这样的雾天环境下,由于空气中悬浮颗粒的存在,目标图像常出现细节模糊与失真,使目标图像给观察者带来麻烦,如何降低雾霾对观测目标的影响,以及如何清晰化处理观测目标已经变得相当必要。然而,若单纯提升硬件设施所需要的成本往往很高,而通过不断地优化图像清晰化方法却显得更为实用,因此,对降质后的目标图像运用清晰化方法处理,实现目标图像清晰化还原具有重要的意义和价值。本文研究的雾天图像场景可分为四类:均匀轻雾图像、均匀浓雾图像、非均匀或合成雾天图像、大天空区域或白色景物干扰的雾天图像(特殊场景),并根据这四类雾天图像场景提出四种清晰化处理方法。这些方法均是在大气散射模型与暗通道去雾方法的基础上,完成对大气散射模型这个四项三个未知量的病态方程的求解。即对已知的雾天图像凭借有关技术处理,完成大气光值A与透射率t(x,y)的运算,进而实现观测图像的清晰化还原。具体研究工作如下:1)针对均匀轻雾图像存在模糊图像细节,晕轮效应等问题,提出一种快速双线性最小二乘去雾方法。该方法:首先利用空域LOG边缘检测方法获取大气光值A所在的大致区间,结合二叉树方法得到A值;其次采用双线性最小二乘滤波方法优化初始透射率,再利用大气散射模型的变形式还原清晰化效果,完成图像客观实验对比与分析;最后实验结果表明:所获取的清晰化图像可复原完整的图像前景细节,滤除图像噪声,削弱晕轮效应,并且运行效率高。2)针对均匀浓雾图像存在细节缺失,噪声过大等问题,提出一种基于大气光特性的自适应维纳滤波去雾方法。该方法:首先通过高斯低通滤波方法获取大气光值A所在的大致区间,并利用循环四分图方法获取A值;其次采用自适应维纳滤波方法优化初始透射率,并结合图像形态学方法进一步优化图像细节,去除块效应和图像噪声;再根据大气散射模型得到图像清晰化还原效果;最后实验结果表明:所获取的清晰化图像不仅在亮度、去噪程度、边缘保持度等方面实现显著的效果,而且块效应和图像噪声也得到有效的抑制。3)针对非均匀或合成雾天图像存在的图像模糊程度不同的问题,提出一种基于多特征双向深度卷积网络的去雾方法。该方法:首先通过skyline算法来精确搜索大气光值A的区间,再结合灰度阈值四分图方法获得精确的A值;其次通过提取雾天图像特征完成算法自学习,双向深度卷积与非线性映射,实现透射率的重建,再根据大气散射模型得到图像清晰化还原效果;最后实验结果表明:所获取的清晰化图像中透射图与真实场景更加贴近,还原图像的效果更加真实,稳定性更好。4)针对特殊场景雾天图像,即存在大天空区域或白色景物干扰的图像,使得复原图像易产生色偏、色斑和过曝光等问题,提出一种基于精确搜索的各向异性型高斯滤波去雾方法。该方法:首先通过skyline算法来精确搜索大气光值A的区间,再结合灰度阈值四分图方法获得精确的A值;其次利用各向异性型高斯滤波方法优化透射率,可改善清晰化图像细节与过饱和效应,再利用大气散射模型的变形式还原图像清晰化,进而根据色调映射方法来调整目标图像的整体效果;最后实验结果表明:所获取的清晰化图像可改善图像的亮度与对比度,实现图像整体质量的提高。通过分析这四类雾天图像场景的特点,分别研究不同方法完成清晰化处理,使还原后的图像更加真实、生动和自然。