论文部分内容阅读
计算机视觉系统已经广泛地应用于户外场景中，在城市交通监控、航拍、遥感成像等领域都发挥着重要的作用。然而，现有的视觉系统对环境条件非常敏感，如果处理不当会极大地限制和影响户外系统的功能。恶劣天气中存在的悬浮粒子会降低场景的可见度和对比度。而在高级图像编辑中要求图像或视频要具有较高的质量来保证提取的特征有效、稳定和可靠。所以通过对图像复原算法的研究来改善雾霾图像的视觉效果非常有意义。 本文针对雾霾环境下获取图像和视频的特点，对基于物理模型的复原算法进行了研究与实现。深入剖析大气散射模型和雾霾图像的降质原理，并对现有雾霾图像增强和复原算法的现状和存在的问题进行分析，在现有算法的基础之上提出两种改进算法。将基于单幅图像的改进算法应用到视频处理中。本文的主要工作及创新点为： (1)基于白平衡原理提出基于导向滤波的去雾算法。该方法利用导向滤波代替中值滤波求取出大气耗散函数，基于散射模型恢复出清晰的场景。由于导向滤波算法能较好的保持边缘，所以改进算法在图像细节保持与Halo效应避免方面都有很大的改进。另外，由于导向滤波的时间复杂度为线性，所以改进算法能满足实时处理的要求。 (2)基于暗通道先验的原理提出一种基于局部极小值的去雾算法。鉴于局部极小值方法对窗口大小的不敏感性和在保持边缘方面的优势，改进算法能有效地提高算法的自动性和鲁棒性，有效地避免Halo效应的产生。为了验证改进算法的有效性，本文分别从直方图相似性与结构信息相似性两方面对结果进行比较与分析。大量实验对比表明改进算法能有效地提升图像的色度和细节等信息。 (3)利用图像降采样和基于天空区域位于场景上侧的假设，只对降采样后图像的上三分之一求取环境光，然后利用快速双边滤波对介质传输函数进行细化，最后利用帧间的时空关系和滑动平均的方法把改进算法应用到雾霾视频处理中。实验结果表明本文的算法可以有效地避免因环境光差异较大而引起的帧间的闪烁。