图像去雾技术研究开题报告

图像去雾技术研究开题报告内容摘要：

复原方法可行，就依据退化模型进行复原处理。 3． 图像去雾效果的客观评估标准 图像去雾中有 待进一步研究的问题还很多，特别是图像去雾效果的客观 、 定量评价问题尚未得到很好解决。 这主要是因为大多数的图像质量评价方法均为完全参考方法，即需要知道同一场景在晴天下的图像作为评 价的参考图像［ 32］。 但在实际应用中，这一条件往往过于苛刻而难以满足，因此盲评方法更为实用。 目前，针对图像去雾效果的盲评方法主要是由 Hautiere 等人所提出的可见边梯度法［ 33］。 该方法根据由 Jourlin 和 Pinoli 所提出的对数图像处理 ( Logarithmic Image Processing， LIP) 模型，采用原有雾图 像与去雾图像的新可见边集合数目比 、 平均梯度比和黑色像素点所占图像大小百分比三个指标，从不同角度客观评价图像的去雾效果。 00n nne r  ( 1) 0ggr r ( 2) yxsn dimdim  ( 3) 其 中 : n0和 nr分别表示原有雾图像 0和去雾复原图像 Ir中可见边的数目， rg 表示去雾图像的平均梯度， 0g 表示原有雾图像的平均梯度， ns表示采用 koheler 图像分割方法［ 34］后变为黑色像素点的像素数目， dimx和 dimy分别表示图像的宽和高。 对于每种算法，其目标都是尽可能地提高清晰化的速度，并在不丢失视觉信息的同时，增加图像的对比度。 因此，算法运行时间越短，去雾效率越高。 e 和 r 值越大， σ 值越小，去雾效果越好。 4． 图像去雾效果 为了直观地考查各种去雾算法的去雾效果和客观的去雾性能，采用 Matlab 6． 5 在 Pentium( R) D， 3 ． 00 GHz， 2 GB 内存的 PC 机上对几种典型的基于图像处理的雾天图像增强方法和最新提出的基于物理模型的雾天图像复原方法进行大量的实验仿真，并使用算法的运行时间和其客观评价指标值 e ， r 和 σ 来评估其去雾性能。 实验数据库主要是从国外研究者的网站上下载，例如 Tan［ 35］， Fattal［ 36］ 和 He［ 37］ 等研究者的个人网站均给出了对比实验的图像数据库。 表 2 是对图 2 中原有雾图像进行清晰化处理的评估结果示例。 表 1 几种典型去雾方法的性能比较 ( 图像大小 576 768) 类别 去雾方法名称 运行时间 / s e r σ /% 基于图像处理 直方图均衡化 8． 547 0 0． 48 1． 15 0． 20 的雾天图像 小波变换 1． 563 0 0． 13 1． 02 3． 06 增强方法 多尺度 Retinex 211． 891 0 1． 09 1． 23 0． 77 基于物理模型 文献 ［ 27］ 方法 需人工参与 0． 35 1． 12 1． 05 的雾天图像 文献 ［ 29］ 方法 527． 562 7 1． 71 1． 40 0． 76 复原方法 文献 ［ 30］ 方法 64． 953 8 0． 23 1． 09 1． 05 文献 ［ 31］ 方法 32． 153 5 0． 80 1． 27 0． 30 由表 2 可以看出，就算法运行时间而言，在增强方法中运行时间最短的是小波变换，而在复原算法中所需时间最短的则是文献［ 31］方法。 此外，从客观评价指标来看，依据图像的不同，增强方法中的多尺度 Retinex 算法和复原方法中的文献［ 29］方法比同类的其他几种去雾算法能够得到更多的可见边。 如果用平均梯度这一指标来衡量，则各算法的平均梯度的比值按递减的顺序依次为 : 文献［ 29］方法 、 文献［ 31］方法 、 多尺度 Retinex 算法 、 直方图均衡化算法 、 文献［ 27］方法 、 文献［ 30］方法和小波变换算法。 而如果用去雾图像的黑色像素点所占图像大小的百分比来评估，则文献［ 31］方法和直方图均衡化算法的 σ 值最小。 从图 2 的视觉效果中也可以证 实以上规律，但不难发现文献［ 29］方法尽管 e 和 r 值较大，其去雾图像的颜色却显得过于饱和，且有光晕伪影出现。 相比之下，文献［ 31］方法结果自然，复原后图像的对比度 、 清晰度和颜色逼真度均要明显优于其他去雾方法，且无光晕伪影现象。 数据库中其他图像的清晰 化处理结果大多与该图具有相似的规律。 5． 结语 本文对图像去雾技术做了综述性的介绍。 基于图像处理的图像增强方法具有对比度提高显著 、 图像细节突出 、 视觉效果明显的特点，该方法已经在实践中获得了广泛的应用。 而基于物理模型的图像复原方法针对性强，得到的复原结果自然，且一般不会有信息损失，该技术必将获得更大的发展。 尽管对图像去雾技术的研究已经取得了若干成果，但下述几点仍然有可能是今后研究的热点和难点问题，迫切需要引起研究人员的高度关注。 1) 考虑雾天图像的模糊信息。 从图像处理学角度提出的增强方法和基于物理模型的复原 方法虽然均能改善雾天降质图像的质量，然而这些方法都没有考虑到降质图像固有的模糊属性。 景物由三维空间到二维图像的映射过程，必然会造成信息的大量丢失 ( 如深度信息 、 被遮挡物体的信息 )。 而且在有雾天气下，由于大气粒子的散射作用和粒子的自身成像，使得获取的图像对比度较低，边缘轮廓及景物的特征都比较模糊。 因此，如何充分考虑降质图像的这些模糊信息，再结合大气散射的物理机制，从而更好地实现能见度的提高将是研究人员在今后相当长的一段时间内所面临的主要任务。 2) 对雾天视频进行去雾处理。 雾天动态视频处理需要解决的首要问 题是去雾算法的运行效率，以便满足实际应用的实时性要求。 目前，已有研究者采用基于深度关系的图像复原方法对视频监控系统中的视频进行了去雾实验［ 25， 28］。 此外，已有雾天视频清晰化装置系统采用图像增强方法中的插值自适应直方图均衡化算法对雾天视频进行了清晰化处理。 因此，研究高效的去雾算法处理雾天视频应该受到足够的重视。 3) 探索更完备的物理模型。 基于物理模型的雾天图像复原算法已经取得了极大的进展，但是由于景物退化与场景深度呈非线性关系，由此带来的一个最大问题是很难保证所建立的景物退化模型的正确性和宽适性。 目前， 大多数的图像复原方法都建立在大气散射模型的基础上，并受到了此类模型的限制。 即在某些天气情况下，使用该模型的复原方法将会失效。 因。