海上雾天降质图像清晰化处理的等景深模型研究

雾天图像清晰化方法及应用

第２２卷第２期２０１０年４月 重庆邮电大学学报（自然科学版）Ｖ０１．２２Ｎｏ．２ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ａｐｒ．２０１０ 雾天图像清晰化方法及应用 葛君伟，谢祥华，方义秋 （重庆邮电大学ＧＩＳ研究所，重庆４０００６５） 摘要：针对雾天户外图像的退化现象，提出了一种基于大气模型的完全自适应的图像清晰化方法。该方法根据图像的灰度分布特性，求出天空区域灰度的最佳近似正态分布，再由这个近似正态分布得到天空区域的灰度均值，同时根据灰度直方图分割出各个景物的深度区域，然后利用大气模型列方程组，可得归一化辐射率的值，从而能够实现雾天图像清晰化。实验表明，该方法对雾天退化图像的清晰化效果较好。 关键词：大气模型；清晰化；正态分布；深度区域；归一化辐射率 中图分类号：ＴＰ７５１．１文献标识码：Ａ文章编号：１６７３－８２５Ｘ（２０１０）０２－０２２３－０４Ｍｅｔｈｏｄａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｉｍａｇｅｃｌｅａｒｎｅｓｓｉｎｆｏｇｇｙｗｅａｔｈｅｒ ＧＥＪｕｎ—ｗｅｉ，ＸＩＥＸｉａｎｇ－ｈｕａ，ＦＡＮＧＹｉ—ｑｉｕ （ＧＩＳＲｅｓｅａｒｃｈＣｅｎｔｒｅ。ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰ０ｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｃｈｏｎｇｑｉｎｇ４０００６５，Ｐ．Ｒ．Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇｔｏｄｅｇｒａｄｅｄｐｈｅｎｏｍｅｎａｏｆｉｍａｇｅｓｉｎｆｏｇｇｙｗｅａｔｈｅｒ，ａｎｅｗｅｎｔｉｒｅｌｙｓｅｌｆ－ａｄａｐｔｉｎｇｍｅｔｈｏｄｏｆｉｍａｇｅｃｌｅａｒ－ｎｅｓｓｗａｓｐｒｏｐｏｓｅｄａｃｃｏｒｄｉｎｇｔｏａｎａｔｍｏｓｐｈｅｒｉｃｍｏｄｅｌ．Ｕｎｄｅｒｔｈｅｇｒａｙｄｉｓｔｒｉｂｕｔｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆａｌｌｉｍａｇｅ，ｔｈｅｏｐｔｉｍａｌｎｏｒｍａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｇｒａｙｆｏｒｓｋｙｒｅｇｉｏｎｃａｎｂｅｇａｉｎｅｄ．Ｔｈｅｎ，ｔｈｅｇｒａｙｍｅａｎｏｆｔｈｅｓｋｙｄｉｓｔｒｉｂｕｔｉｏｎｃａｌｌｂｅｏｂｔａｉｎｅｄａｃ— ｃｏｒｄｉｎｇｔｏｔｈｅｏｐｎｍａｌｎｏｒｍａｌｄｉｓｔｒｉｂｕｔｉｏｎ．Ｓｉｍｕｌｔａｎｅｏｕｓｌｙ，ｔｈｅｓａｍｅｄｅｐｔｈｎｅｉｇｈｂｏｒｈｏｏｄｏｆｉｍａｇｅ ｃａｎｂｅｄｉｖｉｄｅｄｂｙｔｈｅａ— ｒｉｔｈｍｅｔｉｃｏｆｇｒａｙｈｉｓｔｏｇｒａｍ．ａｎｄｔｈｅｅｑｕａｔｉｏｎｓＣａｌｌｂｅｌｉｓｔｅｄｕｓｉｎｇａｔｍｏｓｐｈｅｒｉｃｍｏｄｅｌｆｏｒｇｅｔｔｉｎｇｔｈｅｖａｌｕｅｓｏｆｎｏｒｍａｌｉｚｅｄｒａ－ｄｉａｎｃｅ．Ｔｈｅｒｅｂｙ，ｔｈｅｏｖｅｒｃａｓｔｏｆｉｍａｇｅＣａｌｌ ｂｅｃｌｅａｒｅｄ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｆｏｇｇＹｗｅａｔｈｅｒｉｍａｇｅｓ． Ｋｅｙｗｏｒｄｓ：ａｔｍｏｓｐｈｅｒｉｃｍｏｄｅｌ；ｃｌｅａｒｎｅｓｓ；ｎｏｒｍａｌｄｉｓｔｒｉｂｕｔｉｏｎ；ｄｅｐｔｈｎｅｉｇｈｂｏｒｈｏｏｄ；ｎｏｒｍＭｉｚｅｄｒａｄｉａｎｃｅ ０引言 在雾天情况下，大气最显著的特征就是能见度很低，它不仅直接影响了海、陆、空运输的安全，同时也往往使户外的监测系统无法正常工作¨Ｊ。由此可见，研究雾天条件下的图像清晰化算法在目前具有重要的实用价值。 雾天景物影像清晰化方法主要分为２类。 第１类从图像呈现的低亮度和低对比度的特征考虑，采用增强的处理方法。直方图均衡化算法是图像增强中的一种常用方法，全局直方图均衡化算法虽实现简单，一般情况下也可以提高图像的对比度，但是由于雾天条件下的图像中景物影像的对比 收稿日期：２００９－０５－０８修订日期：２０１０－０２．１５ 基金项目：重庆市教委（ＫＪ０９０５１９）资助项目 ＦｏｕｎｄａｔｉｏｎＩｔｅｍｓ：ＴｈｅＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈＰｒｏ—ｊｅｅｌｓｏｆＣｈｏｎｇｑｌｎｇＭｕｎｉｃｉｐａｌＥｄｕｃａｔｉｏｎＣｏｍｍｉｓｓｉｏｎｏｆＣｈｉｎａ（ＫＪ０９０５１９）度降低与物体至照相机的距离呈非线性递增的关系拉Ｊ，且因为单帧图像中的景物深度呈多样性，其退化程度也各不相同，所以采用全局处理方法无法得到比较理想的效果。局部直方图均衡化算法虽然可使图像的每一个区域对比度都能得到很大的改善，但是这种方法也将使灰度变化缓慢的区域进行了误增强（如天空等），这样因噪声的干扰致使景物影像表现得不自然。 第２类是通过建立大气物理模型复原退化图像的方法。目前，雾天条件下的退化图像复原多采用大气物理模型方法。在使用该方法进行图像清晰化处理时，由于缺少参数，很难从一幅在恶劣天气情况下拍摄的单帧图像中恢复晴朗天气下对应场景图像的对比度和色度日’。如文献［４］利用硬件获取场景深度信息；文献［５＿６］利用２幅不同雾天情况下的退化图像求取天气信息和场景信息；文献［７］则需要２种不同天气状况下对同一场景的图像来估计深度信息。显然它们对视频图像采集的要求过于苛刻。为 万方数据

图像去雾设计报告

课程设计——图像去雾 一、设计目的 1、通过查阅文献资料，了解几种图像去雾算法，； 2、理解和掌握图像直方图均衡化增强用于去雾的原理和应用； 3、理解和掌握图像退化的因素，设计图像复原的方法； 4、比较分析不同方法的效果。 二、设计内容 采用针对的有雾图像，完成以下工作： 1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直方图； 2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复原图像与原始图像以及直方图均衡化后的图像； 3、分析实验效果； 4、写出具体的处理过程，并进行课堂交流展示。 三、设计要求 1、小组合作完成； 2、提交报告（*.doc）、课堂交流的PPT（*.ppt）和源代码。

四、设计原理 （一）图像去雾基础原理 1、雾霭的形成机理 雾实际上是由悬浮颗粒在大气中的微小液滴构成的气溶胶，常呈现乳白色，其底部位于地球表面，所以也可以看作是接近地面的云。霭其实跟雾区别不大，它的一种解释是轻雾，多呈现灰白色，与雾的颜色十分接近。广义的雾包括雾、霾、沙尘、烟等一切导致视觉效果受限的物理现象。由于雾的存在，户外图像质量降低，如果不处理，往往满足不了相关研究、应用的要求。在雾的影响下，经过物体表面的光被大气中的颗粒物吸收和反射，导致获取的图像质量差，细节模糊、色彩暗淡。 2、图像去雾算法 图像去雾算法可以分为两大类：一类是图像增强；另一类是图像复原。图1-1介绍了图像去雾算法的分类: 图1-1 去雾算法分类 从图像呈现的低亮度和低对比度的特征考虑，采用增强的方法处理，即图像增强。比较典型的有全局直方图均衡化，同态滤波，Retinex 算法，小波算法等等。 基于物理模型的天气退化图像复原方法，从物理成因的角度对大气散射作用进行建模分析，实现场景复原，即图像复原。运用最广泛、

教你一招：如何计算景深

景深的计算 先介绍几个概念： 1、焦点(focus) 与光轴平行的光线射入凸透镜时，理想的镜头应该是所有的光线聚集在一点后，再以锥状的扩散开来，这个聚集所有光线的一点，就叫做焦点。 2、弥散圆(circle of confusion) 在焦点前后，光线开始聚集和扩散，点的影象变成模糊的，形成一个扩大的圆，这个圆就叫做弥散圆。 在现实当中，观赏拍摄的影象是以某种方式(比如投影、放大成照片等等)来观察的，人的肉眼所感受到的影象与放大倍率、投影距离及观看距离有很大的关系，如果弥散圆的直径小于人眼的鉴别能力，在一定范围内实际影象产生的模糊是不能辨认的。这个不能辨认的弥散圆就称为容许弥散圆(permissible circle of confusion)。

不同的厂家、不同的胶片面积都有不同的容许弥散圆直径的数值定义。一般常用的是： 35mm照相镜头的容许弥散圆，大约是底片对角线长度的1/1000~1/1500左右。前提是画面放大为5x7英寸的照片，观察距离为25~30cm。 3、景深(depth of field) 在焦点前后各有一个容许弥散圆，这两个弥散圆之间的距离就叫景深，即：在被摄主体(对焦点)前后，其影像仍然有一段清晰范围的，就是景深。换言之，被摄体的前后纵深，呈现在底片面的影象模糊度，都在容许弥散圆的限定范围内。

景深随镜头的焦距、光圈值、拍摄距离而变化。对于固定焦距和拍摄距离，使用光圈越小，景深越大。 以持照相机拍摄者为基准，从焦点到近处容许弥散圆的的距离叫前景深，从焦点到远方容许弥散圆的距离叫后景深。 4、景深的计算 下面是景深的计算公式。其中： δ——容许弥散圆直径 f——镜头焦距

图像退化与复原

G(u,v) =F(u,v)+N(u, v) ⑶ 实验名称：图像退化与复原 实验目的 1. 了解光电图像的退化原因； 2. 掌握和理解基本的噪声模型，并能对图像进行加噪处理； 3. 了解点扩展函数(PSF)与光学传递函数(OTF)的关系，熟悉几种经典的退化模 型的 模拟试验和OTF 估计方法； 4. 熟悉和掌握几种经典的图像复原方法及其基本原理； 5. 能熟练利用MATLAB 或C/C++工具进行图像的各种退化处理， 并能编程实现 退化 图像的复原。 三. 实验原理 光电成像系统出现图像退化的过程是复杂多变的，为了研究的需要，通常情 况下都把退化简化为化为一个线性移不变过程，见下图 1所示。 障质过稈 | 屯原 图1光电图像退化与复原原理图 因此，在空域中退化过程可以表示如下： g (x,y) = f (x,y) * h(x,y) + h(x,y) (1) 只有加性噪声不存在情况下，退化过程可以模型化如下表达式： g(x,y) = f (x,y) + h(x,y) (2) 其频域表达式为 :

针对这种退化图像的复原，除了周期噪声以外，通常都可以采用空间域滤波 的方法进行图像复原，此时图像复原与图像增强几乎是没有区别的。常见的空间 域滤波方法有均值滤波器和统计排序滤波器。 当退化图像存在线性移不变退化时， 图像的复原不能采用简单空间域滤波器 来实现，要实现线性移不变退化图像的复原， 必须知道退化系统的退化函数，即 点扩展函数h(x,y)。在点扩展函数已知的情况下，常见图像复原方法有逆滤波 和维纳滤波两种。 在考虑噪声的情况下，逆滤波的原理可以表示如下： 通常情况下，N (u,v)是未知的，因此即使知道退化模型也不能复原图像 此外，当H (u,v )的任何元素为零或者值很小时，N (u,v )/H (u,v )的比值决定 着复原的结果，从而导致图像复原结果出现畸变。对于这种情况， 通常采用限制 滤波频率使其难以接近原点值，从而减少遇到零值的可能性。 维纳滤波则克服了逆滤波的缺点，其数学模型表示如下： 然而，为退化图像的功率谱很少是已知的，因此常常用下面表达式近似: 因此，本实验的内容就是利用上述经典图像复原的原理，对降质退化图像进 行复原。 四. 实验步骤 本次实验主要包括光电图像的退化模型和复原方法实现两大部分内容。 (一)图像的退化图像 1、大气湍流的建模 ° F(u,v) = G(u,v) U F(u,v) = G(u,v) H(u,v) F(u,v) + N(u,v) H(u,v) ° 犏 F (u,v)=犏 J _________ (u,v) H (u,v) H *(u,v)2 + S h (u,v)/S f (u,v) G(u,v)

第五章 图像退化模型

第五章图像退化模型 同学们好，今天我们要给大家讲解的内容是图像退化与复原。在开始之前我们先来看几张图片 可以看到，第一幅图像是由于镜头聚焦不好引起的模糊，第二幅是由于小车运动产生的模糊，第三幅是大气湍流影响的结果，a中，大气湍流可以忽略不计，b为剧烈湍流影响的结果，c和d分别为中等湍流和轻微湍流影响的结果。从以上几张图片可以看出，成像过程中不同因素的影响导致影响质量下降，这就是所谓的图像退化。 图像退化 由此，我们给出图像退化的描述（图像退化及其过程描述）如下： 图像的退化是指图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像的质量下降（变坏）。 其典型表现为:模糊、失真、有噪声。 产生原因：成像系统像差、传感器拍摄姿态和扫描非线性、成像设备与物体运动的相对运动、大气湍流、成像和处理过程中引入的噪声等。

图像复原 针对这些问题，我们需要对退化后的图像进行复原。这是我们本节内容的第二个关键词图像复原，图像复原就是尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理，也就是如果我们知道图像是经历了什么样的过程导致退化，就可以按其逆过程来复原图像。因此，图像复原过程流程如下： 找退化原因→建立退化模型→反向推演→恢复图像 典型的图像复原是根据图像退化的先验知识，建立退化现象的数学模型，再根据模型进行反向的 推演运算，以恢复原来的景物图像。因此，图像复原的关键是知道图像退化的过程，即图像退化 模型。并据此采用相反的过程求得原始图像。 针对不同的退化问题，图像复原的方法主要有：代数方法恢复、运动模糊恢复、逆滤波恢复、维 纳滤波恢复、功率谱均衡恢复、约束最小平方恢复、最大后验恢复、最大熵恢复、几何失真恢复等。 这里也许同学们会有一个疑问，那就是图像复原和前面讲过的图像增强有什么区别呢？区别如下： 图像增强不考虑图像是如何退化的，而是主观上试图采用各种技术来增强图像的视觉效果。 因此，图像增强可以不顾增强后的图像是否失真，只要达到想要的目视效果就可以。 而图像复原就完全不同，需知道图像退化的机制和过程等先验知识，客观上找出一种相应的 逆处理方法，从而得到复原的图像。 如果图像已退化，应先作复原处理，再作增强处理。 二者的目的都是为了改善图像的质量。 图像退化的数学模型 输入图像f(x,y)经过某个退化系统后输出的是一幅退化的图像。为了讨论方便，把噪声引起的退化 即噪声对图像的影响一般作为加性噪声考虑。原始图像f(x,y)经过一个退化算子或退化系统H(x,y) 的作用，再和噪声n(x,y)进行叠加，形成退化后的图像g(x,y)。 图1表示退化过程的输入和输出之间的关系，其中H(x,y)概括了退化系统的物理过程，它就是我 们要寻找的退化数学模型。 这里的H就是退化系统 通常，我们假设图像经过的退化系统是线性非时变系统，线性非时变系统具有如下四个基本性质：H的四个性质（假设噪声n（x，y） = 0）：

雾天降质图像增强处理技术研究

目录 摘要 (i) Abstract ............................................................................................................... i i 第一章绪论 (1) 1.1 课题研究背景和意义 (1) 1.2 雾天降质图像增强的研究现状 (2) 1.2.1 非物理模型去雾方法 (2) 1.2.2 基于退化模型的去雾方法 (3) 1.2.3 基于多幅图像的去雾方法 (4) 1.2.4 基于图像融合的去雾算法 (5) 1.2.5 基于GPU的并行加速去雾算法 (5) 1.2.6 去雾图像去噪算法 (6) 1.3 雾天降质图像增强的技术难点 (6) 1.4 论文概述 (7) 1.4.1 本文主要工作和成果 (7) 1.4.2 论文结构 (7) 第二章基于多尺度图像融合的暗通道先验去雾方法 (9) 2.1 雾天图像降质机理及去雾增强原理 (10) 2.2 暗通道先验去雾方法 (12) 2.2.1 DCP理论 (12) 2.2.2 经典DCP去雾算法 (12) 2.2.3 算法处理结果分析 (14) 2.3 基于多尺度图像融合的暗通道先验去雾方法 (16) 2.3.1 基于图像融合的透射率估计修正 (17) 2.3.2 自适应透射率下界求取 (22) 2.3.3 实验结果分析 (23) 2.4 本章小结 (25) 第三章基于透射率的去雾图像去噪算法 (26) 3.1 图像空域去噪基本原理和方法 (27) 3.2 非局部均值去噪算法 (30) 3.2.1 NLM去噪机理 (30)

镜头与景深关系及其计算

照相机镜头与景深关系及其计算 一、关于照相机镜头得常识 1、焦距 无限远处得景物在胶片感光平面上聚成最清晰得影像时,由感光平面到镜头后节点(通常就是镜头中心)得距离,就就是镜头得焦距。 焦距就是照相机镜头最重要得三个光学特性参数(焦距、相对孔径、视场角)之一。它直接影响到镜头得视角大小,镜头得焦距越长,拍到底片上得影像范围越小,景深越短;反之,镜头得焦距越短则在底片上得影像范围越大,景深越长,透视越明显。 照相机镜头按焦距得不同可分为:超广角镜头、广角镜头、标准镜头、中焦镜头、长焦镜头、超长焦镜头。 (1)超广角镜头视角大于直角(90°)得镜头称超广角镜头。这种镜头得视角比人眼得视角大1倍之多,拍摄范围广阔。由于视角大,改变了人眼平常得透视关系,所拍摄得照片会形成明显得夸张,可创造特殊得艺术效果。对于35㎜照相机,镜头得焦距在21㎜以下得便就是超广角镜头。 (2)广角镜头视角小于直角、大于60°得镜头称广角镜头。由于它得透视效果不像超广角那么夸张,被普遍用于拍摄近距离得大场面。对35㎜照相机而言,镜头焦距得范围在21～40㎜之间。 (3)标准镜头这种镜头得视角与人眼得视角相近,在46°左右。由于这种镜头得透视关系真实,就是照相机最基本得镜头。这种镜头得焦距与其所摄底片得对角线基本相等。35㎜照相机得镜头焦呀为40～70㎜。

(4)中焦镜头视角在35°～20°之间得镜头称为中焦镜头。这种镜头视角比人眼得视角略小,变形不大,适用于拍摄人物特写,所以有些人喜欢把这种镜头称为人像镜头。35㎜照相机,其镜头焦距为70～100㎜。 (5)长焦镜头这种镜头得视角介于8°至20°之间,因镜头得焦距比较长,所以被称为长焦镜头。它得视角还不到人眼得一半,所以远处得东西经它拍摄后显得比较大。同等光圈下,镜头焦距越长,景深越小,因此,这种镜头利于突出主体,去除杂乱得背景,很适用于远距离抓拍,如体育活动等。对35㎜照相机而言,其镜头焦距为100～300㎜。 (6)超长焦镜头视角小于8°得镜头称为超长焦镜头。它得视角很小,可把远处得实物拍得很大,专用于望远摄影,如野生动物、朝阳落日特写、体育竞赛、人物特写等。这种镜头往往口径大、镜身长、造价高,多为专业人士使用。对35㎜照相机而言,其镜头焦距在300㎜以上。 2、相对孔径与光圈系数 镜头就是摄影光线得输入口,镜头上用来控制光束大小与形状得装置叫光阑。光阑能使像平面上获得适宜得照度并使成像质量得到改善。光阑按作用分,主要有孔径光阑、现场光阑、消杂光光阑。光圈就是光阑中得一种(孔径光阑),一般由一组光圈叶片组成,这组叶片组成一个光孔,与镜头轴线垂直,光孔中心在轴线上,并可以通过镜头上得光圈调节光孔直径得大小。 当光线通过镜头时,镜筒与光圈都会遮挡光线得通过。不同得镜头结构,即使在相同得光圈直径时,通光能力也并不一样,所以常常用镜头得有效孔径(实际通过镜头得光束直径,用D 表示)更能有效表述镜头得实际通光能力。 为了简明,便于刻制,目前世界各国采用如下经圆整得光圈系数: f1、f1、4、f2、f2、8、f4、f5、6、f8、f11、f16、f22、f32、f45、f64…… 二、景深得概念及其计算 介绍几个概念:

雾霾天气下降质图像的清晰化处理

doi :10.3969/j.issn.1001-893x.2016.02.017引用格式:宋晓敏,赵红东,卢俏,等.雾霾天气下降质图像的清晰化处理[J].电讯技术,2016,56(2):208-211.[SONG Xiaomin,ZHAO Hongdong,LU Qiao,et al.Clearness processing of haze-degraded images[J].Telecommunication Engineering,2016,56(2):208-211.] 雾霾天气下降质图像的清晰化处理 *宋晓敏,赵红东**,卢 俏,夏士超,席瑞媛,李梦宇,肖梦琪 (河北工业大学电子信息工程学院,天津300401)摘 要:针对雾霾天气条件下大气散射和悬浮颗粒物引起的图像对比度二清晰度降低问题,提出通过采用独立分量分析(ICA )算法分解图像中具有相互独立分量的混合像元,估计图像有用信息分量三因乘性噪声信息的存在,会导致估计的图像有用信息有一定的偏差;采用基于噪声检测的局部自适应中值滤波对估计的图像有用信息进行了进一步校正三实验结果证明:新算法能有效去除雾霾,提高图像的清晰度和对比度三 关键词:雾霾图像处理;去雾;独立分量分析;噪声检测;自适应中值滤波 中图分类号:TP751 文献标志码:A 文章编号:1001-893X (2016)02-0208-04 Clearness Processing of Haze -degraded Images SONG Xiaomin,ZHAO Hongdong,LU Qiao,XIA Shichao,XI Ruiyuan,LI Mengyu,XIAO Mengqi (School of Electronic Information Engineering,Hebei University of Technology,Tianjin 300401,China) Abstract :The contrast and clarity of images are reduced in the hazy weather because of the atmospheric scattering and the suspended particulate matter.The independent component analysis(ICA)algorithm is used to estimate the useful information of image by disintegrating the mixed pixels which include many in-dependent components.The adaptive median filter algorithm with noise detection is employed to eliminate the multiplicative noise information.Experimental results show that the new algorithm can meet the defog-ging goal and improve the contrast and clarity.Key words :haze imaging processing;defogging;independent component analysis;noise detection;adaptive median filter 1 引 言 雾霾天气严重影响人们的工作生活,在智能车 辆监控二视屏监控二道路交通等方面尤其明显三为有 效提取图像目标信息,禹晶等[1]提出暗原色先验去 雾算法,依据户外无雾图像的统计规律建立去雾模 型,估计出雾霾浓度,实现对图像的去雾处理,但在 建立去雾模型时无法准确估计物体的透射率,导致 去雾效果不佳三胡媛媛[2]提出在HSI(Hue-Satura-tion-Intersity)空间上采用局部直方图均衡化法实现图像的清晰化处理,虽然能保护图像部分边缘细节信息,但存在色彩失真问题三梁天全等[3]提出了一种基于偏振信息的去雾算法,通过合成不同偏振旋转方位角度图像实现图像的去雾处理,因表面光滑目标反射光的偏振特性较强,会造成建立的图像合成模型出现偏差三对图像进行去雾处理的目的是提高图像的对比四802四第56卷第2期2016年2月电讯技术Telecommunication Engineering Vol.56,No.2February,2016***收稿日期:2015-06-10;修回日期:2015-09-24 Received date :2015-06-10;Revised date :2015-09-24基金项目:河北省自然科学基金资助项目(F2013202254)Foundation Item :The Natural Science Foundation of Hebei Province (F2013202254)通信作者:zhaohd@https://www.wendangku.net/doc/8916470006.html, Corresponding author :zhaohd@https://www.wendangku.net/doc/8916470006.html,

雾天图像成像理论分析

基于大气散射模型的实时视频去雾方法研究 摘要：近年来，我国空气质量大幅下降，导致雾霾天气日渐频繁。在雾霾天气情况下，大气中存在着很多混浊介质（如，颗粒、水滴等），户外场景的视频图像出现了退化和降质，表现为清晰度和对比度低、色彩失真、细节特征模糊不清等特点。视频图像的降质退化使得户外视觉系统不能正常发挥效用，降低了工作效率及其可靠性。例如，在雾霾天气情况下，能见度降低，航拍视频中目标不可见，且色彩及对比度等特征严重衰减，无法满足航拍工作系统的灾害监测预警等后续要求。因而，在计算机视觉这一领域内，有雾视频的清晰化是一个重要的问题。 本文对雾天视频图像的退化和降质进行了详细的分析，阐述了雾天视频图像降质的原因，研究了国内外研究人员在视频图像去雾方面的成果，分析了各研究人员去雾方法的理论基础和核心技术，在此基础上，详细研究了基于大气散射模型的暗通道先验去雾方法，并且进行改进和完善，作出创新。本文建立基于大气散射原理的视频图像去雾模型，以暗通道先验去雾方法为基础，用导向滤波进行改进，采用VS2013和Opencv编写去雾算法程序，实现单幅图像去雾，然后进行CUDA加速，使对常用的1920×1080大小的视频图像进行去雾处理的运算速率达到每秒15帧以上，实现实时视频去雾。最后，将本文的去雾算法与其他算法进行比较，对比不同去雾方法得到的恢复图的效果，以及不同方法的利弊，完善细节，将该算法应用于实际待去雾的视频中。 关键词：图像降质；图像去雾；暗通道先验；大气散射模型

第1章绪论 1.1 课题研究背景和意义 一般情况下，获得清晰的视频图像是户外视觉系统正常工作和发挥效用的前提，因此，它对于天气情况非常敏感。然而，近年来，我国空气质量大幅下降，多地频繁出现雾霾天气。雾天条件下，户外场景的视频图像受到严重影响，这是由于大气中存在着许多混浊介质，包括颗粒、水滴等，这些介质会吸收和散射部分可见光，使成像设备接收到的光的强度产生衰减，这导致获取的视频图像产生退化和降质。与无雾图像相比，降质图像表现为清晰度、对比度和能见度降低，细节特征模糊不清，色彩产生失真和偏移等特性[1]。 以上视觉效果较差的降质视频图像丢失了部分有用的信息，这给确定目标和获取视频图像细节信息造成了很大的困难，直接影响户外视觉系统的正常工作，例如公路交通智能监控，军事航空监测，户外目标追踪，航拍工作系统等重要的视觉系统。以灾害监测航拍工作系统为例，在雾天情况下，户外场景能见度低。航拍视频中的目标难以准确追踪锁定，目标颜色和对比度等特征严重衰减，导致航拍灾害监测预警以及后续搜救等工作难以正常进行，情况严重的话可能带来巨大的损失[2]。因此，如果能对雾霾天气下的降质视频图像进行去雾处理，就能使户外视觉系统适用于各种恶劣的天气，增加其可靠性，获取更加精确和有效的信息，提高视觉系统的工作效率，降低成本。同时，随着计算机技术的发展，计算机视觉系统在人们的日常生活和安全监测方面得到了更加广泛的应用，深入地研究高效的视频图像去雾技术有着很重要的社会价值，也是当前社会所迫切需要的。 视频去雾技术是以图像去雾为基础的，图像去雾即用各种技术和算法去除图像中的雾。现阶段，在计算机视觉领域里，已经有很多图像去雾算法被提出，根据去雾的基本原理不同，将图像去雾算法分为两大类：一种是基于图像增强的方法，一种是基于模型的图像复原的方法。这两种方法都可用于改善降质有雾图像的质量，使其在视觉上有更好的效果，但两种方法的机理不同[3]。在本文中，重点研究对象是图像复原的方法，主要研究了基于大气散射模型的去雾方法，并在此基础之上做出了某些方面的改进。 1.2 本课题国内外研究现状 现阶段，去雾在摄影和计算机视觉领域都是非常需要的。首先，去雾可以显著增强场景的能见度并改善色彩偏移，无雾视频图像能增加人视觉上的愉悦感；其次，大部分计算

数字图像处理 Matlab 退化模型示例(example0507)

>> f=checkerboard (8); >> imshow (f) >> PSF=fspecial ('motion', 7, 45); >> gb = imfilter( f, PSF, ' circular' ); >> noise = imnoise(zeros(size(f)),'gaussian',0,0.001); >> g = gb + noise; F Gb Noise G % 可用MATLAB的fspecial建立PSF模型 % PSF = fspecial(‘motion’,len,theta) % Len 移动的像素数 % Theta运动方向(逆时针) >> help fspecial FSPECIAL Create predefined 2-D filters. H = FSPECIAL (TYPE) creates a two-dimensional filter H of the specified type. Possible values for TYPE are:

'average' averaging filter 'disk' circular averaging filter 'gaussian' Gaussian lowpass filter 'laplacian' filter approximating the 2-D Laplacian operator 'log' Laplacian of Gaussian filter 'motion' motion filter 'prewitt' Prewitt horizontal edge-emphasizing filter 'sobel' Sobel horizontal edge-emphasizing filter 'unsharp' unsharp contrast enhancement filter Depending on TYPE, FSPECIAL may take additional parameters which you can supply. These parameters all have default values. H = FSPECIAL ('average', HSIZE) returns an averaging filter H of size HSIZE. HSIZE can be a vector specifying the number of rows and columns in H or a scalar, in which case H is a square matrix. The default HSIZE is [3 3]. H = FSPECIAL('disk',RADIUS) returns a circular averaging filter (pillbox) within the square matrix of side 2*RADIUS+1. The default RADIUS is 5. H = FSPECIAL('gaussian',HSIZE,SIGMA) returns a rotationally symmetric Gaussian lowpass filter of size HSIZE with standard deviation SIGMA (positive). HSIZE can be a vector specifying the number of rows and columns in H or a scalar, in which case H is a square matrix. The default HSIZE is [3 3], the default SIGMA is 0.5. H = FSPECIAL('laplacian',ALPHA) returns a 3-by-3 filter approximating the shape of the two-dimensional Laplacian operator. The parameter ALPHA controls the shape of the Laplacian and must be in the range 0.0 to 1.0. The default ALPHA is 0.2. H = FSPECIAL('log',HSIZE,SIGMA) returns a rotationally symmetric Laplacian of Gaussian filter of size HSIZE with standard deviation SIGMA (positive). HSIZE can be a vector specifying the number of rows and columns in H or a scalar, in which case H is a square matrix. The default HSIZE is [5 5], the default SIGMA is 0.5. H = FSPECIAL('motion',LEN,THETA) returns a filter to approximate, once convolved with an image, the linear motion of a camera by LEN pixels, with an angle of THETA degrees in a counter-clockwise direction. The filter becomes a vector for horizontal and vertical motions. The default LEN is 9, the default THETA is 0, which corresponds to a horizontal motion of 9 pixels. H = FSPECIAL('prewitt') returns 3-by-3 filter that emphasizes horizontal edges by approximating a vertical gradient. If you need to emphasize vertical edges, transpose the filter H: H'. [1 1 1;0 0 0;-1 -1 -1]. H = FSPECIAL('sobel') returns 3-by-3 filter that emphasizes horizontal edges utilizing the smoothing effect by approximating a vertical gradient. If you need to emphasize vertical edges, transpose the filter H: H'. [1 2 1;0 0 0;-1 -2 -1]. H = FSPECIAL('unsharp',ALPHA) returns a 3-by-3 unsharp contrast enhancement filter. FSPECIAL creates the unsharp filter from the negative of the Laplacian filter with parameter ALPHA. ALPHA controls the shape of the Laplacian and must be in the range 0.0 to 1.0. The default ALPHA is 0.2. Class Support ------------- H is of class double. Example ------- I = imread('cameraman.tif'); subplot(2,2,1);imshow(I);title('Original Image'); H = fspecial('motion',20,45); MotionBlur = imfilter(I,H,'replicate'); subplot(2,2,2);imshow(MotionBlur);title('Motion Blurred Image'); H = fspecial('disk',10);

图像去雾技术

龙源期刊网 https://www.wendangku.net/doc/8916470006.html, 图像去雾技术 作者：万晓丹 来源：《电子技术与软件工程》2018年第11期 摘要图像去雾技术分为图像增强去雾技术与图像恢复去雾技术，两种技术的运用需要根 据图像的实际情况来选择。其中，图像增强去雾可以分为完备图像增强与非完备图像增强两种类型。 [关键词]图像去雾图像增强去雾图像处理 计算及视觉系统在军事、交通、安全领域有着十分广泛的运用，图像去雾技术已经成为了计算机视觉领域的重要研究课题。在自然环境较差的清下采集的图像会收到大气散射的影响导致图像画面质量下降，对比度降低，难以清晰辨认物体特征，严重影响了计算机视觉技术的使用。因此，需要使用图像去污技术来进行增强与或修复，以改善视觉效果。 1 图像去雾技术类别 当前对雾天图像处理技术主要分为两种类型，分别为雾天图像增强以及雾天图像复原。其中，雾天图像增强在不考虑图像质量的基础上有着较广的使用范围，可以显著提升雾天图像的对比度，使得图像的细节更加清晰，改善图像的视觉效果。但是对于部分突出的画面可能会导致一定损失。雾天图像复原是对雾天图像降质的物理过程，并且构建雾天退化模型，补偿在退化过程中出现的失身，以便获得没有经过退化处理的无雾图像。这种方式具有很强的针对性，可以获得理想的物去雾效果，通常不会出现信息损失。现文章针对图像去雾增强技术开展适当研究。 2 图像增强去雾 图像增强去雾技术不需要获得图像降质的物理模型，仅仅只需要从人类视觉的角度入手，直接强化图像的对比度，使得图像色彩对比度更加明显以改善图像质量。图像增强去雾处理是主观的过程，这一方式按照是否恢复场景的色彩信息可以分为完备图像增强与非完备图像增强两种类型。 2.1 完备图像增强 完备图像增强法中最具有代表性的就是Retinex图像去雾方法。Retinex理论即为视网膜皮层理论，全称为Retina-cortex theory。学者Land和McCann站在人眼对颜色感知的特点入手，提出了颜色恒常性的Retinex理论。Retinex理论提出，在视觉信息传递的过程中人类的视觉系统会不自觉对信息进行一定的处理，去除光源强度与照射不均匀等相关因素，仅仅保留展现物体本质特点的信息。当这些关于物体本质的信息传递进入大脑皮层后将会经过更加复杂的信息处理，从而最终形成人的视觉。根据照度一反射模型将图像转变为照度分量以及反射分量的乘

基于MATLAB的雾天降质图像

毕业论文（设计） 基于MATLAB的雾天降质图像 的清晰化技术研究 学生姓名: 学号: 系别: 专业: 指导教师: 评阅教师: 论文答辩日期2011年5月26日 答辩委员会主席

摘要 随着信息技术的不断发展同时也伴随着人类工业化进程的不断前进，空气污染也越来越严重。一项调查数据显示，一年中大雾天气所占的比例在逐年上升，而有雾天气会给人类的生产生活带来极大的不便。有雾天气时，交通事故发生的概率大大增加。一方面，数字图像处理已成为一个极其重要的学科和技术领域，在通信、语音、图像、遥感、生物工程等众多领域得到了广泛的应用。另一方面，随着计算机视觉与图像处理技术的发展，户外视觉系统的研究与应用正在飞速发展。如地形分类系统、户外监控系统、自动导航系统等的应用数量在急速攀升。在恶劣天气条件下( 如雾天，雨天等) ，户外景物图像的对比度和颜色都会被改变或退化，图像中蕴含的许多特征都被覆盖或模糊，导致这些视觉系统无法正常工作。因此，从大气退化图像中复原和增强景物细节信息具有重要的现实意义。 MATLAB是用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。MATLAB 应用广泛，其中包括信号处理和通信、图像和视频处理、控制系统、测试和测量，计算金融学及计算生物学等众多应用领域。在各行业和学术机构中，有一百多万工程师和科学家使用MATLAB 这一技术计算语言，MATLAB中的GUIDE是专门用于图形用户界面的快速开发环境。 主要针对雾天情况下获取的降质灰度图像进行研究。通过MATLAB 对数字图像进行处理，建立衰减模型。首先运用空间域中的直方图均衡化的领域处理后再经过像素点处理，对像素点处理采用三种方法来实现灰度图像的清晰化处理，即灰度线性变换法，灰度非线性变换法和灰度非线性和线性的综合法。并对这三种方法得到的结果进行了比较分析。实验结果表明，在有雾的情况下，第三种方法的去雾处理效果最好。 关键词：数字图像处理，图像去雾，MATLAB，灰度图像清晰化

恶劣天气下图像的清晰化方法研究

目录 摘要.................................................................. I Abstract ............................................................... I I 第一章绪论. (1) 1.1 研究背景及意义 (1) 1.2 国内外研究现状 (1) 1.2.1 图像去雾的研究现状 (2) 1.2.2 视频去雾的研究现状 (3) 1.3 本文主要内容与结构 (3) 1.3.1 论文主要内容 (3) 1.3.2 论文结构 (4) 第二章图像去雾的理论基础 (5) 2.1 雾的形成机制 (5) 2.2 雾天图像退化物理模型 (6) 2.2.1直接衰减模型 (6) 2.2.2大气光模型 (7) 2.2.3大气散射模型 (9) 2.3 本章小结 (11) 第三章图像去雾 (12) 3.1估算全球大气光 (12) 3.1.1大气光成分的估算研究 (13) 3.1.2基于改进的White Patch Retinex算法估算大气光 (13) 3.2估算透射率 (14) 3.2.1基于信息损失估算透射率 (14) 3.2.2细化透射率 (15) 3.3单幅图像去雾 (18) 3.4实验结果的对比与分析 (21) 3.4.1去雾效果的对比与分析 (21) 3.4.2去雾效果的客观评价 (23) 3.5 本章小结 (24) 第四章视频去雾 (25) 4.1视频去雾算法原理 (26) 4.2 视频去雾结果与分析 (28) 4.3监控视频的快速去雾算法 (30)