论文部分内容阅读
雾天天气是视觉成像系统获取户外图像发生严重降质的主要原因之一。近年来,随着计算机视觉技术应用的普及,以及数字成像质量受雾天影响的日益加剧,针对雾天降质图像去雾处理的研究需求越来越迫切。由于去雾问题的复杂性和不确定性,目前主流去雾方法以及量化评价模型均存在一定局限性,在效果和性能上仍有提升空间。因此,在深入研究雾天图像退化机理与现有研究成果的基础上,提出快速、有效、科学的图像去雾方法和量化评价模型,具有重要现实意义。本文的核心研究内容是解决雾天图像快速全局化去雾处理问题,并构建一种图像去雾效果量化评价模型。论文首先研究大气退化物理模型的构建机理及雾天图像质量退化表现特征;再从基于图像处理的增强方法和基于物理模型的复原方法两方面归纳总结目前的主流图像去雾方法,并进行了验证实验测试;进而在提炼已有研究成果的基础上,提出了一种快速全局自修正去雾算法和基于视觉感知的量化评价模型;最后,针对依托项目的实际应用问题,进行了本文算法的软、硬件实现,开展了示范应用工作。实验证明,论文提出的方法和模型具备有效性和鲁棒性,具体开展的研究工作包括以下四个方面:(1)在经典去雾算法研究中,分别对基于图像处理增强方法中直方图均衡化与Retinex方法,以及对基于物理模型复原方法中的暗通道先验和Tarel方法从工作原理、处理流程、实现效果等方面进行了详细阐述。其中,以基于暗通道先验的算法为重点研究对象,从暗通道先验理论的提出到算法的具体推导实现,均作了深入分析和讨论。最后,进行了各算法对通用雾天测试图像的去雾处理实验,并从主观和客观质量评价以及算法运算速度方面做了去雾效果和统计数据的对比分析。实验结果表明,测评算法均有不同程度的雾天图像质量改善作用,基于暗通道先验的复原方法在去雾效果上具有一定优越性。(2)针对目前去雾算法普遍存在的局限性,提出一种全新的快速全局自修正去雾算法FGAD,通过实验验证了方法具备一定的科学性和有效性。算法以高斯金字塔和拉普拉斯金字塔作图像伸缩重建操作代替传统分块处理的方法,实现了粗透射率图的快速自修正求解,有效避免了块状效应的产生;构建局部拉普拉斯金字塔映射函数,生成上采样全局拉普拉斯金字塔边界映射图,引导粗透射率图细化重映射;通过图像亮度图多级差别滤波的方法,对大气光值图实现了全局自适应求导。相比传统大气光值取值方法,FGAD有效抑制了“Halo”效应的产生。为进一步抑制过增强效应,从像素溢出修复的角度构建了一种细透射率图先验修正函数,弥补了大面积亮域时算法失效的缺陷。最后,从主观评判角度对算法的视觉处理效果做了详细论述和对比分析,从客观评价角度对算法的各项性能指标进行了实验分析,给出了详实的实验数据和相关去雾处理结果图、效果对比图、综合评价指标散点图和算法处理运算时间图等。客观评测实验数据统计结果中,FGAD算法数值最高的共有98组,DCP有55组,CLAHE有47组。其中,前50组数据中,DCP数值最高的有30组,FGAD算法有17组,CLAHE有3组。表明,FGAD去雾效果良好,在薄雾处理方面与DCP算法相近,在浓雾处理方面较有优势。在小尺寸图像的处理效率上,FGAD算法与DCP算法处理时间相差不大且略有优势,相比Tarel算法和CLAHE的处理时间有大幅度的减少,平均处理速度分别提高了73.1%和74.9%;在大尺寸图像的处理效率上,FGAD算法比DCP算法的平均处理速度提高8.92%,比Tarel算法和CLAHE分别提高了78.5%和80.0%。略优于DCP算法,大尺寸图像的处理效率有明显的改进。(3)提出一种基于视觉感知的图像去雾量化评价模型QAMVP。针对目前客观评价方法普遍采用单因子评测未能全面科学评价去雾效果的问题,对人类视觉系统的感知特性进行了深入研究,对雾天图像中潜在的视觉感知敏感先验因子进行了特征筛选与优化,利用图像有效细节保持能力、色调还原程度、结构信息、多尺度相似度、视觉保真度五个优选特征评价因子进行融合归一建模处理,构建了基于视觉感知的图像去雾量化评价模型QAMVP。其主要贡献是模拟了人眼感知特性,弥补了传统无参考型评价方法评判指标单一的缺陷,将主观性的图像效果表现评价,转化为一个综合因子求解的数学问题。评价方法的稳定性实验中,QAMVP的准确率为92%;综合评价法的准确率为78%;PSNR量测法的准确率为22%。在视觉感知符合性能实验中,DCP算法优试验的QAMVP模型MSE=0.075332,综合评价法的MSE=0.76606,PSNR量测法MSE=6.154824;FGAD算法优试验的QAMVP模型MSE=0.118076832,综合评价法的MSE=0.258658724,PSNR量测法的MSE=5.571313431。表明,与目前主流的评价方法进行相比,QAMVP在去雾图像的视觉感知优劣评判方面有强判断力,性能稳定,结果可靠性高,具有一定优势。(4)完成了雾天图像去雾算法的软、硬件系统实现。雾天图像去雾算法的软件测试平台以C++为编程语言,在Visual Studio上进行编程,主要实现了图像/视频经不同去雾算法处理后的图像显示,以及图像处理前后的相关信息获取。平台可直观对比本文算法与现有算法的清晰化处理效果,显示处理过程的相关文本信息,为大批量的实验测试提供了必要的帮助。为探讨去雾算法的实际工程应用,结合本文算法,利用CCD摄像机、DSP处理芯片、上位机以及显示器等硬件模块,搭建了基于TMS320DM642处理器的硬件测试平台。针对依托项目的需求,在DM642硬件测试平台的研究基础上,以TMS320DM 8168为核心处理器进行了硬件系统的工业级设计实现,并进行了一系列视频图像测试。最后,完成了工业级硬件系统在项目示范区的应用示范。