论文部分内容阅读
随着计算机技术的不断发展,信息化、智能化设备正逐步渗透到社会生活的各个方面,计算机视觉作为计算机应用的一个重要分支,已经广泛而深入地应用到交通监控、车载导航、辅助驾驶以及航拍侦测等诸多领域当中,然而在成像方面,恶劣天气的干扰始终是影响成像质量的重要因素,尤其近年来我国多数地区频频出现雾霾天气,给视觉系统的正常工作带来很大干扰,严重影响了图像的视觉效果和后续处理,因此,单幅图像去雾研究成为当前计算机应用领域的一个重要课题。基于暗通道先验理论的去雾算法由于复原效果好、稳定性高等优势得到了广泛的应用,但仍存在许多不足之处,例如:该理论对明亮区域不适用、算法处理的实时性及模型参数估计的准确性和通用性还不够高、复原图像颜色过饱和、整体亮度偏暗等。论文主要通过分析研究图像去雾算法的最新进展,结合暗通道先验理论算法的应用现状对其进行改进,进一步提高其实用价值。针对目前暗通道先验理论去雾算法存在的不足,论文提出两种新的参数估计算法。(1)基于物理模型的对比复原算法:该算法在暗通道先验的基础上,通过对大气散射模型的分析,总结出雾气分布对暗通道图像的影响,并依此对外景图像进行加雾操作,利用加雾后的参考图像与外景图像中各点的景深关系完成透射率的估计,进而达到去雾目的;(2)基于相对透射率估计的快速图像去雾算法:该算法在暗通道先验理论的基础上,分析了雾霾条件下最小值图像与场景深度的关系,通过景深相对量实现透射率的初步估计,并利用大气光幕特性对其进行修正,最终结合物理模型获得去雾图像。此外,为了改善去雾图像的整体视觉效果,论文提出了两种去雾图像亮度增强方法:(1)R、G、B通道亮度差增强法:该方法综合考虑像素通道值的比例关系,借助R、G、B通道的均值图像,利用统一函数对各通道图像与均值图像的差值进行增强;(2)灰度图参考系数增强法:首先使用目标函数对去雾图像的灰度图进行增强,然后通过增强图像与灰度图像的比值来确定统一的增强系数,最后利用此系数对各颜色通道图像进行增强。实验结果表明,论文提出的算法兼顾去雾效果和处理速度,针对不同雾霾条件,在获得较高质量复原图像的同时,大大降低了算法复杂度。去雾图像的后续增强方法可以有效增强图像较暗区域的细节信息,提高图像的整体视觉效果和层次感。论文的研究成果是对目前图像去雾技术的完善,不仅深化了该技术的研究,具有一定的科研价值,而且改善了该技术在实际应用中存在的不足,提高了算法的实用价值。