基于粗糙集的雾天图像清晰化方法研究

论文摘要

粗糙集理论作为一种新型数学工具,已经被成功的应用到模式识别和图像处理等各个领域中。其中,粗糙集理论对处理模糊和不确定性知识的分析和处理能力显示出独特的优越性。论文提出了基于粗糙集理论的雾天降质图像清晰化方法。这种方法主要是基于决策表生成智能决策规则进行图像子图划分,并对子图进行图像增强来达到有效的图像清晰化效果。论文在对雾天降质图像进行传统的清晰化方法分析的基础上,引入粗糙集理论来对雾天降质图像进行分析处理。论文的主要研究工作从下述三个方面来进行：(1)针对雾天降质图像的模糊性和不确定性等特点,论文对目前传统的基于物理模型的图像恢复方法进行了分析和讨论,选择基于图像增强的雾天图像清晰化处理；另外,论文又对传统的图像增强方法从全局化和局部化两个角度进行分析和比较,提出一种改进的基于均值分割的局部直方图均衡化方法。(2)研究了粗糙集理论的基本原理,并将粗糙集理论应用到雾天图像增强处理中,取得了较好的结果。通过实验验证了基于粗糙集理论的不可分辨关系进行子图分类处理方法在图像清晰化应用中的优越性和可行性。(3)针对当前基于粗糙集理论的图像增强算法存在图像特征信息模糊和子图划分不准确的问题,论文提出了一种改进的基于粗糙集理论的雾天降质图像清晰化处理方法来保证分割的准确性,并通过系统测试证明：在雾天条件下,用论文中所提出的方法对雾天图像进行综合性图像特征分析,并建立决策系统,然后利用粗糙集理论导出的决策规则对待处理雾天视频图像进行处理可以在保证系统实时性,同时有效地清晰化图像。论文中给出了详尽的改进算法流程步骤,并实现了一个户外雾天视频监控系统。通过系统实验表明论文提出的方法是确实有效的,对雾天图像进行清晰化处理可以获得令人满意的效果。最后,在对全文进行总结的基础上,论文也提出了若干有待进一步深入探讨和研究的问题。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景
• 1.2 国内外研究现状
• 1.3 图像清晰化概述
• 1.4 论文主要研究内容及结构
• 第2章 图像清晰化技术
• 2.1 基于模型的图像复原技术
• 2.2 全局化的图像增强方法
• 2.2.1 直接灰度变换的图像增强
• 2.2.2 全局直方图均衡化
• 2.2.3 基于滤波的全局图像增强方法
• 2.3 局部化的图像增强方法
• 2.3.1 局部直接灰度对比度增强方法
• 2.3.2 局部直方图均衡化
• 2.4 改进的局部直方图均衡化算法
• 2.5 实验结果及分析
• 2.6 本章小结
• 第3章 基于粗糙集理论的图像增强算法
• 3.1 粗糙集基本理论
• 3.1.1 知识表达系统和决策表
• 3.1.2 不可分辨关系
• 3.1.3 近似与粗糙集
• 3.1.4 知识约简
• 3.2 基于粗糙集理论的图像增强算法
• 3.2.1 基于不可分辨关系的子图划分
• 3.2.2 基于粗糙集理论的图像平滑
• 3.2.3 利用粗糙集理论和属性直方图的图像增强方法
• 3.3 实验结果及分析
• 3.4 本章小结
• 第4章 基于粗糙集理论的降质图像清晰化方法
• 4.1 综合性图像特征分析
• 4.1.1 颜色特征分析
• 4.1.2 纹理特征分析
• 4.2 基于粗糙集理论的降质图像清晰化方法
• 4.2.1 决策信息系统的知识表达与获取
• 4.2.2 条件属性离散化
• 4.2.3 属性约简及规则生成
• 4.2.4 规则分类区域子图像清晰化
• 4.3 实验结果及分析
• 4.4 本章小结
• 第5章 户外雾天视频监控系统实现与测试
• 5.1 OpenCV介绍
• 5.2 系统功能和架构
• 5.3 系统模块设计与实现
• 5.4 系统测试
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录