论文部分内容阅读
由于雾对大气的散射作用,在雾天条件下拍摄得到的图像在对比度和颜色上都会退化,因此对雾天降质图像的清晰化处理具有十分重要的意义。目前对雾天图像的处理主要包括图像增强和图像复原两个方向,图像增强是从数字图像的角度出发,增强图像的对比度以达到图像的清晰化的效果;图像复原是以大气物理模型为基础,从物理的角度对大气散射机制进行建模,复原出无雾的清晰图像。本文在对目前国内外广泛运用的图像去雾方法进行分析的基础上对现有算法进行改进,使其能更好的适用于低对比度,被退化的雾天降质图像。几种常用的处理雾天图像的图像增强方法是:直方图均衡化,Retinex和小波变换法。其中Retinex法在对彩色图像的增强上有明显的优势,在处理灰度图像时并不能发挥其优势;小波变换法的运算复杂度较高,算法的运行时间和实用性都不如人意;相比之下,直方图均衡化算法的运算复杂度不高,实用性强,对灰度图像的增强效果明显。因此,本文在分析各种从传统直方图均衡化衍生出来的各种算法后,结合图像的场景深度多变的特点,提出一种基于天空区域分离的直方图均衡化算法,并建立一种新的基于正态分布拟合的迭代法来提取天空区域的分割阈值。目前主要应用的处理雾天图像的复原方法的基本思路是在大气物理模型的基础上对大气散射机制进行建模,利用所建模型和现有的复原算法对雾天图像进行复原。本文根据图像中高低频分量在图像中所起作用的不同,结合雾天图像的有雾部分占据大部分低频分量的特点,分别对图像中的高频和低频部分进行不同的处理,将拉普拉斯锐化处理与彩色图像的复原结合起来,分别处理图像的高频部分和低频部分。通过这种结合了图像增强与复原的算法,使彩色雾天图像不仅在对比度上有所提高,而且能保持色彩的饱和度和良好的视觉效果。为了证明本文算法的有效应,在阐述算法色原理和流程之后,在Matlab环境下运行了每个算法,用该算法处理了实际拍摄的得到的雾天灰度图像和雾天彩色图像,并对各算法处理后的图像进行质量评估,比较它们的对比度,信噪比和信息熵,以此来验证算法的有效性和实用性。通过实验验证,本文提出的算法确实能很好的提高图像的对比度,信噪比和信息熵,同时保证了彩色图像的色彩饱和度,防止彩色失真,使图像的质量和视觉效果均得到了很大的提升。