论文部分内容阅读
在国内,雾霾越来越严重,雾霾天气状况下采集的图像质量也越来越差,而降质的图像会导致很多基于图像的视觉系统不能很好地使用。因此,研究效果好、速度快、适用广的去雾算法具有很高的理论意义和应用价值。近年来,伴随着多种去雾算法的出现,人们对图像的质量要求也越来越高。为了得到更高优质的图像,本文提出一种融合暗原色先验与Retinex算法的亮度平衡去雾算法,所做的主要工作如下:(1)分析了基于暗原色先验的图像去雾算法的基本原理,系统研究了该算法去雾处理后图像亮度偏暗、算法运行耗时较长等问题,发现在排除天空、白色建筑物等含有高亮像素区域的干扰后,该算法去雾效果明显增强;分析了Retinex算法的去雾理论,发现该算法处理图像时容易在亮度梯度变化大的地方产生光晕伪影现象,更适用于处理天空等亮度过渡平滑的高亮区域。从而确定了将两种算法结合起来,并进行亮度平衡来实现去雾的算法思路。(2)对带雾图像进行区域识别提取并处理。首先通过将图像从RGB转换成HSV模型得到图像的亮度信息,接着对亮度图二值化,将带雾图像区分为高亮区域(包括天空、浓雾、白色建筑和反光的水面等)与低亮区域;然后利用暗原色先验算法处理排除高亮像素干扰后的低亮区域,利用Retinex算法处理亮度过渡平滑的高亮区域,并输出去雾后的图像;最后为了使去雾后的图像视觉效果更佳,再对去雾图像进行亮度平衡调节,得到最终的去雾图像。(3)基于Matlab2016a图形用户界面(GUI)为本文融合暗原色先验与Retinex算法的亮度平衡去雾算法设计图像去雾原型系统,系统包括图像去雾展示、图像去雾流程、图像质量评价三个功能模块。(4)分析研究了图像质量评价方法并对本文算法的实验结果进行评价。通过对原型系统中输出的图像质量评价数据的分析,本文采用主观评价方法和客观评价方法对本文改进算法的有效性进行评价和验证。从主观角度分析看出,本文算法得到的去雾图像大幅度减少了光晕现象的产生,使亮度更加均衡,色彩对比度更加清晰。从客观上,本文用结构相似性(SSIM)、均方差(MSE)和运行时间作为评价去雾图像的客观评价指标,实验结果表明,本文算法充分运用了暗原色先验和Retinex算法两个算法的优势,提高了去雾的效果和计算效率,增加了算法的简便性和实效性。