学位论文 > 优秀研究生学位论文题录展示

单幅雾天图像复原算法研究

作　者: 杨静荣
导　师: 方帅
学　校: 合肥工业大学
专　业: 计算机应用技术
关键词: 图像复原雾天退化图像 Retinex理论图像引导滤波器图像质量评价
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 112次
引　用: 0次
阅　读: 论文下载

内容摘要

恶劣天气(雨，雪，雾)中充满着大量的悬浮粒子，对光会产生散射和吸收作用，从而造成户外拍摄图像质量下降。目前大多数视觉系统在设计时没有考虑天气对视觉系统的影响，一般只适合晴朗的天气。因此，恶劣天气制约了视觉系统的推广。而雾是一种常见的天气现象，由它引起的图像退化问题是计算机视觉领域研究的热点。因此，本文针对雾天图像进行复原算法的研究。本文以Retinex理论和雾天退化模型为理论依据，分别针对均匀和不均匀雾天退化图像，实现图像清晰化的目的。针对均匀分布的雾，提出了图像引导滤波的Retinex去雾算法；针对非均匀分布的雾，提出了基于粒子群的雾天图像复原算法，在一定程度上解决了不均匀雾的问题。另外，对去雾算法提出了一种客观评价的准则。主要内容有以下三个方面：第一，针对雾天退化图像，提出了基于图像引导滤波器的Retinex去雾算法。Retinex算法处理的图像往往存在伪影、噪声增加和迭代求解耗时多问题。针对这些问题，提出利用两次图像引导滤波实现Retinex图像增强的求解，并运用多尺度小波融合的图像增强框架，实现了基于两次图像引导滤波的多尺度Retinex去雾算法。第二，针对目前大部分去雾算法对浓雾和不均匀雾适用性不强，提出基于粒子群的雾天图像复原算法。首先，推导出适合于不均匀雾的退化模型；其次，针对不均匀雾天退化模型参数过多的问题，提出了利用粒子群进化算法估计模型中的参数；最后，使用图像引导滤波器实现快速有效的图像复原。第三，针对不同的雾天图像复原效果，提出一种客观的评价准则。图像质量评价方法很多，但对于特定的雾天图像复原效果的评价算法很少。本文给出了一种基于图像提升度和结构相似性的客观评价方法，且利用该方法对目前较流行的去雾算法进行客观的评价和分析。

全文目录

摘要  6-7
ABSTRACT  7-9
致谢  9-14
第一章绪论  14-21
  1.1 论文选题背景及意义  14-15
  1.2 课题的研究现状  15-19
    1.2.1 非模型去雾算法研究  15-17
    1.2.2 基于物理模型去雾算法研究  17-19
  1.3 本文研究内容  19-20
  1.4 本文章节安排  20-21
第二章相关工作介绍  21-27
  2.1 引言  21
  2.2 Retinex 理论  21-22
    2.2.1 单尺度 Retinex 算法(SSR)  21-22
    2.2.2 多尺度 Retinex 算法(MSR)  22
  2.3 大气散射模型  22-26
    2.3.1 入射光衰减模型  23-24
    2.3.2 大气光成像模型  24-25
    2.3.3 雾天退化模型的推导  25-26
  2.4 本章小结  26-27
第三章基于图像引导滤波的 Retinex 图像去雾算法  27-37
  3.1 引言  27
  3.2 图像引导滤波器  27-30
    3.2.1 图像引导滤波器算法  27-29
    3.2.2 尺度参数ε分析  29-30
  3.3 基于图像引导滤波的 Retinex 图像增强  30-32
    3.3.1 基于图像引导滤波平滑约束的 Retinex 算法  30-31
    3.3.2 基于两次图像引导滤波的 Retinex 算法  31-32
  3.4 基于小波域信息融合的多尺度 Retinex 算法  32-33
  3.5 实验结果与分析  33-36
    3.5.1 一次图像引导滤波 VS 两次图像引导滤波  33
    3.5.2 算法分析与对比  33-36
  3.6 本章小结  36-37
第四章基于粒子群的雾天图像复原算法  37-49
  4.1 引言  37
  4.2 雾天图像退化模型  37-39
    4.2.1 均匀雾天图像退化模型  37
    4.2.2 不均匀雾天图像退化模型  37-39
  4.3 改进的 k-means 分割算法  39-43
    4.3.1 分割特征提取  39-42
      4.3.1.1 半反转特征  39-41
      4.3.1.2 纹理特征提取  41
      4.3.1.3 特征向量的构成  41-42
    4.3.2 改进的 k-means 图像分割  42
    4.3.3 改进的 k-means 分割算法的实现  42-43
  4.4 基于粒子群的图像复原算法  43-45
    4.4.1 β的估计  43-44
    4.4.2 传输图的修正及图像去雾  44-45
  4.5 实验结果与分析  45-48
  4.6 本章小结  48-49
第五章雾天复原算法的评价  49-57
  5.1 相关工作  49-50
  5.2 雾天图像和去雾图像的分析  50-51
  5.3 图像提升度评价  51-53
  5.4 结构相似性评价  53-54
  5.5 去雾图像的评价  54-55
  5.6 本章小结  55-57
第六章总结与展望  57-59
  6.1 全文工作的总结  57-58
  6.2 未来工作的展望  58-59
参考文献  59-64
攻读硕士学位期间主要科研工作及成果  64-65

单幅雾天图像复原算法研究

内容摘要

全文目录

相似论文