论文部分内容阅读
近年来,空气污染现象越来越严重,雾霾天气的出现也是愈发地频繁。严重影响了可视性的同时,还使得日常成像设备所拍摄的图像降质严重,户外计算机视觉应用也受到了非常大的阻碍。因而图像的去雾算法研究成为非常迫切的需求。本文详细分析了基于暗元先验规律的去雾算法中存在的缺陷和不足,以及去雾算法所基于的大气散射模型中存在的局限性。主要解决的问题有:(1)暗元先验算法中易在景深边缘处产生光晕效应,在利用边缘保护操作解决光晕效应时因无法区分边缘的类型导致保护了所有类型的边缘,由此造成了景深突变处和非景深突变的局部透射率估计不合理;(2)暗元先验规律在天空区域是失效的,导致了天空区域透射率估计不合理;(3)大气散射模型只考虑了单散射作用而忽略了多散射的影响,使得大气散射模型有一定的局限性。针对上述问题,本文提出了如下的改进方法:(1)针对景深突变处和非景深突变的局部透射率估算不合理的问题:提出了基于加权融合策略的透射率估计方法,通过获取有雾图像中相应的景深突变信息,形成景深信息导向图,进一步据此来构建权重系数,从而通过加权融合像素级暗通道和块级暗通道获得精细透射率估计结果。既保护了景深边缘处的突变性,也消除了非景深突变的局部纹理边缘噪声的影响。(2)针对天空区域透射率估计不合理的问题:采用基于超像素和特征点检测相结合的分割方法来分割提取有雾图像中的天空区域。在成功分割出天空区域以后,采用基于天空区域暗像素值缩放的方法来修正天空区域的透射率,有效改善了天空区域透射率估算不准确的问题,避免了在天空部分产生严重的晕环和颜色失真现象。(3)针对大气散射模型的局限性问题:利用大气点扩散函数来构建多散射物理模型,为了避免大气点扩散函数复杂的计算量,采用广义高斯函数来替代大气点扩散函数。有效改善了因空气中悬浮颗粒的多散射影响带来的图像降质。最后,本文提出的算法在Windows环境下利用VS2010与OpenCV2进行了编程实现,并设计了对比实验,将实验结果与四种相关的优秀算法进行了对比,从透射率图的准确性和最终去雾结果的质量以及客观评价指标进行了分析,说明了本文提出的改进算法是有效的。