论文部分内容阅读
随着先进计算机技术的高速发展,数字图像处理算法在户外监控系统,如道路监控、城市交通监控等领域被广泛运用。但是在雾霾天场景中,监控系统采集到的图像质量较差,对比度往往较低、模糊不清晰、颜色失真,给公共安全中的监控工作带来很大影响。因而,对于雾霾天环境下所采集到的图像运用高效率的去雾霾算法进行处理使其更加清晰意义重大。本文分析了国内外图像去雾霾算法研究现状,并对雾霾天交通场景下的图像复原算法展开深入研究。围绕大气散射模型以及暗通道先验理论从以下几个方面开展研究：1)研究了基于大气散射理论的图像降质模型,从根本解析了雾霾天交通图像降质原因。在此基础上,深入探究了暗通道先验理论以及基于该理论的去雾霾算法,对该算法做了MATLAB仿真分析,发现了该去雾霾算法的不足之处。2)分析了暗通道先验去雾霾算法在白色区域失效的原因,提出了一种改进的算法,通过引入自适应参数修正了由于天空区域像素的干扰而导致透射率的求解不精确的问题。通过实验证明,本文所提算法能够正确得到图像的透射率并且得到清晰无雾霾图像。3)针对透射率优化过程中软抠图(soft matting)算法时间复杂度太高的缺点,本文提出一种基于块的思想优化透射率算法和一种基于局部维纳滤波求解透射率模型。基于块的透射率优化算法舍弃比较耗时软抠图算法,通过利用块级别的模板对小局部区域优化,无需对每个像素点进行优化。这样既能去除边缘效应,又能保持边缘的灰度特性,不致使透射图像边缘很模糊.同时提高了算法的效率。基于局部的维纳滤波的透射率求解算法是结合暗通道先验原则优化大气光耗散函数,进而获取到细化的透射率,最后直接利用大气散射图像降质模型推导出清晰无雾霾图像。综合理论分析和实验证明,本文提出的三种结合暗通道先验理论的图像去雾霾算法能够很好的恢复出清晰无雾霾图像,并且去雾霾效率有明显的提高。