论文部分内容阅读
在雾、霾等天气条件下，由于大气粒子散射和吸收作用，所获取图像的颜色以及对比度、饱和度严重下降，严重影响户外视觉系统的正常运行以及人们的出行。此外，计算机视觉领域中的诸多研究都需要高质量图像为依据，如目标检测、目标识别以及目标行为分析等。图像去雾技术正逐渐成为计算机视觉领域的研究热点，并取得较大发展。 基于模型的单幅图像去雾方法针对性强，无需场景、天气的额外信息或借助于物理设备得到附加信息即可实现图像复原并且复原效果较好。但是对于判别输入图像是否是雾霾图像的研究尚少。本文主要研究雾霾图像判别和单幅图像去雾技术，并提出相应的解决方法，主要工作如下： 针对单幅图像复原技术，文章提出一种较为快速的单幅图像复原方法。该方法主要依据雾天图像成像机理，建立成像模型，然后通过求逆过程达到去雾目的。图像去雾复原方法的难点是计算大气光值和大气传输函数。文章依据图像饱和度和梯度信息获取大气光值，然后假设像素间满足高斯分布，在暗原色基础上计算大气传输函数，有效的恢复场景的对比度和颜色。 针对雾霾图像判别的研究，文章提出基于区域特征的雾霾图像判别方法。通过研究雾霾图像和清晰无雾图像的区别，提取相关特征：图像能见度、图像强度、图像对比度和有雾区域单一性，然后进行量化获取特征向量，最后选取支撑向量机构造雾霾图像分类器并获得较好分类结果。此外，本文还使用受试者工作特征曲线和AUC对雾霾图像分类器的性能进行评估。实验结果证明基于区域特征的雾霾图像判别方法可以自动、高效地识别出雾霾图像。