论文部分内容阅读
近年来,环境污染日益加剧,雾、霾等恶劣天气频发,越来越多地影响着人们的日常生产生活。构成环境污染的主要成分是大气中悬浮的颗粒物,它不仅冲击着人们的健康,而且对大气光具反射、散射、吸收等作用,给原本清晰的外部环境蒙上了一层厚厚的纱,导致能见度严重降低,众多的成像设备因此无法正常工作,获取到的图像信息难以识别,所以迫切需要有效的图像去雾技术来提高图像质量。单幅图像去雾非常具有挑战性,因此成为近年来该领域的难点和热点问题,基于物理模型的图像去雾方法是目前单幅图像去雾的主流方法,该方法主要从降质退化的过程出发,建立数学物理模型,反演无雾图像,理论严谨,效果真实,尤其是2009年何凯明博士提出的暗通道先验算法,简单易懂、实现快捷、效果显著,因此倍受学者青睐。本文的研究主要是在暗通道先验算法的基础上,针对其不足进行改进,以获得更佳的去雾效果。论文首先对暗通道先验算法进行了深入研究,分析了该算法存在三方面的不足:一是图像中场景突变边缘处因透射率估计不准确导致复原图像在该处出现光晕效应;二是由于天空区域不符合暗通道先验,使得含有天空区域的图像在去雾后产生明显的颜色失真;三是软抠图算法耗时过长,复杂度过高,达不到实时处理要求。针对以上问题,本文提出了基于暗通道先验和超像素分割的去雾方法,该方法首先对含有天空的图像进行天空区域分割,使图像分为纯天空区域和非天空区域;其次,对非天空区域使用简单线性迭代聚类(SLIC)超像素分割,使图像中具有共同特征的像素点聚类到一个超像素块内,对每个超像素块运用暗通道先验算法计算初始透射率,然后对初始透射率进行高斯平滑;而对天空区域,整体作为一个窗口求暗通道进而求初始透射率,并对其做提升处理;在大气光估计时,为了防止选点落到白色物体上,对天空区域求均值作为大气光的值,最终利用模型复原出无雾图像。最后,从主观评价和客观评价两方面,全面评价了论文提出的去雾图像。在主观评价时,将本文算法分别与暗通道先验算法、其他经典去雾算法以及最新去雾算法的结果进行了比较;客观评价方面则选用均方误差、峰值信噪比、新增可见边之比等常用客观评价因子进行评价,通过主客观评价总结出本文算法的优势及不足。实验证明,本文算法与暗通道先验算法去雾相比,光晕效应完全消除,天空区域自然无偏色,而且,比软抠图改进算法时效性显著提高。