雾天图像增强方法研究

论文摘要

雾天时,受大气散射作用的影响,获取图像的对比度和颜色都会出现退化,图像中包含的许多特征都会被覆盖或变的模糊,图像的对比度很低,给户外视频监控系统带来了严重的影响,因此雾天图像的清晰化具有重要的现实意义。目前雾天图像的处理方法主要分为两类,一种是建立大气退化物理模型的方法,该方法需要一定的先验条件和物理设备,另一种是基于图像处理的增强方法,该方法可以脱离对物理设备的依赖,本文主要是以图像处理进行去雾增强,包括以下内容：本文首先介绍了图像处理领域中各种传统的增强方法,然后对其中的小波变换方法进行了重点的介绍,小波分析是近十几年才发展起来并迅速应用到图像处理和语音分析等众多领域的一种数学工具,它能够同时实现图像增强和去噪处理。基于小波变换的优点,本文提出了一种基于小波变换的雾天图像增强方法,它即能够增强雾天图像,又能够很好的抑制噪声。首先对雾天图像进行小波变换,并对分解后的小波系数利用小波阈值去噪中的半软阈值去噪进行去噪处理,再利用小波变换进行图像增强处理,最后利用处理后的小波系数进行小波逆变换恢复图像。由于小波多分辨率分析自身的特性,噪声得到了很好的抑止,但是因为频域处理本身的特性,使得增强后的图像对景物深度信息不敏感,为了充分拉伸图像的对比度,本文又对图像在时域上进行了进一步的对比度拉伸处理。实验结果表明,本文所采用的算法对于雾天图像是有效的,并能在一定程度上满足实际应用的要求。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 问题的提出
• 1.2 国内外研究现状综述
• 1.3 本文要做的工作
• 第二章 雾天图像增强方法
• 2.1 传统的图像增强方法
• 2.1.1 基于空域的增强方法
• 2.1.1.1 灰度值线性变换
• 2.1.1.2 非线性拉伸变换
• 2.1.2 基于频域的增强方法
• 2.1.2.1 高通滤波
• 2.1.2.2 同态滤波
• 2.1.2.3 带阻滤波
• 2.2 直方图
• 2.2.1 直方图的增强概述
• 2.2.2 直方图均衡化
• 2.2.3 直方图规定化
• 2.3 局部化直方图均衡化算法
• 2.3.1 自适应直方图均衡化算法
• 2.3.2 子块部分重叠直方图均衡化
• 2.3.3 插值自适应的直方图均衡化算法
• 2.4 Retinex
• 2.4.1 基于随机路径的Retinex算法
• 2.4.2 基于迭代计算的模型
• 2.4.3 中心环绕Retinex计算方法
• 2.5 小波增强
• 第三章 小波变换
• 3.1 小波理论的发展过程
• 3.2 小波变换理论
• 3.2.1 小波变换的定义
• 3.2.2 连续小波变换
• 3.2.3 离散小波变换
• 3.2.4 二维离散小波变换
• 3.3 多分辨率分析
• 3.3.1 多分辨分析的定义
• 3.3.2 尺度空间与函数
• 3.3.3 小波函数与小波空间
• 3.3.4 Mallat算法
• 3.3.5 二维Mallat算法
• 第四章 基于小波变换的图像去噪
• 4.1 小波去噪问题的描述
• 4.2 小波去噪的发展过程
• 4.3 小波去噪的方法
• 4.3.1 小波阈值法
• 4.3.2 小波变换模极大去噪
• 4.3.3 相关方法
• 4.4 三类方法的比较
• 4.5 小波去噪的展望
• 第五章 基于小波变换的雾天图像增强
• 5.1 小波变换
• 5.2 基于双阈值的图像增强
• 5.2.1 双阈值算法
• 5.2.2 基于双阈值的小波图像增强算法
• 5.2.3 算法描述
• 5.3 实验结果
• 第六章 总结与展望
• 参考文献
• 攻读硕士学位期间的研究成果
• 致谢