论文部分内容阅读
随着信息技术的发展,图像处理技术得到了飞速发展并备受研究者关注。近年来,我国大多数城市均遭受到不同程度雾霾天气的影响,雾霾天气不仅对人体身体健康危害大,而且给户外视频监控系统的图像采集带来了挑战,使计算机视觉系统获得的图像发生退化,影响图像信息的正确完整提取。本文首先介绍了雾霾图像处理的研究背景及意义,综述了雾天图像去雾研究现状,并将雾霾图像去雾方法进行分类。然后重点阐述了基于大气散射的物理模型以及基于Retinex理论的图像增强算法。通过分析雾霾的形成、光的反射作用、大气衰减模型和大气光学模型,提出了最终的雾霾图像退化模型;随后阐述了Retinex理论原理,并对SSR、MSR、MSRCR以及SDMSR算法进行了详细分析,比较了各算法的优缺点。针对多尺度Retinex算法(MSR)增强后的图像对比度与图像信息量不够理想,本文提出了基于暗原色先验与Retinex理论融合的图像去雾霾算法。该算法首先采用暗原色先验方法对雾霾图像进行图像复原,然后采用多尺度Retinex算法对雾霾进行增强,最后用亮度均值、标准差、熵、均方误差、峰值信噪比作为图像增强效果的评价标准。Matlab软件仿真结果表明:采用该算法处理的雾霾图像,其图像对比度得到增大,图像信息量更多,在一定程度上提高了图像的清晰度,达到了预期效果。传统Retinex算法只考虑雾图像阴暗处的增强,而没有对雾霾图像明亮处进行增强,导致图像明亮处部分出现“光晕”现象。本文分析了基于子带分解的多尺度Retinex算法,利用混合灰度转换函数取代了传统Retinex算法中的灰度转换函数,兼顾了图像阴暗和高光部分的增强,避免了图像高光部分和图像光照正常部分在图像增强中产生图像颜色过饱和增强现象,利用子带分解的特征保持各个频带的独立性。Matlab软件仿真结果表明:采用该算法对雾霾图像进行增强,图像视觉效果得到较大提升,对比度得到了提高,图像亮度适中,图像失真程度小,且该改进算法对薄雾图像处理效果优于浓雾图像处理效果。