基于暗通道先验的图像去雾算法研究

论文摘要

随着中国经济的快速发展和人民生活水平的不断提高,安全防范意识越来越受到重视,视频监控作为开展安防工作最为有效的手段,被广泛应用于公安、交通、金融等诸多领域。然而,在雾、雨等恶劣天气条件下,获取的监控视频图像对比度信息丢失,色彩变淡,场景中信息受损,导致视频无法提供准确的监控信息,给安防工作带来隐患,因此有必要开展图像和视频去雾技术的研究。本文围绕去雾技术开展了以下研究：研究大气散射模型,分析雾天条件下光线的传播规律和图像降质的原因。在此基础上深入研究了基于暗通道先验的图像去雾算法,分析了其优势和不足。根据雾主要影响图像低频分量的频域特性,提出了基于小波变换的图像去雾算法。该算法大幅减少了去雾过程中透射率优化部分的计算量,使算法可以节约90%以上的时间消耗。分析了暗通道先验去雾算法在景物边缘有雾残留的原因,改进了暗通道滤波器结构,提出一种基于九点滤波的透射率估计算法,大幅提高了算法的计算效率。针对暗通道先验在图像明亮区域失效的缺陷,提出了一种改进的暗通道先验去雾算法,通过引入容差机制修正了由于明亮像素干扰导致的透射率估计错误。实验表明,改进的方法能够正确估计图像的透射率分布并得到清晰的去雾结果。根据雾化视频的空时特点提出一种基于平滑滤波的透射率优化方法,大幅减少运算的内存需求,使算法能够移植到嵌入式系统；利用卡尔曼滤波加强了光强估计的准确度,抑制噪声对光强的干扰,消除了视频帧间的颜色跳变。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究背景
• 1.2 去雾算法的研究现状
• 1.2.1 基于图像增强的去雾算法
• 1.2.2 基于图像复原的去雾算法
• 1.3 本文的主要内容及结构安排
• 2 雾天图像降质模型
• 2.1 大气散射模型
• 2.2 雾化图像的对比度特性
• 3 基于暗通道先验（Dark Channel Prior）的图像去雾
• 3.1 暗通道先验模型
• 3.2 雾天图像的透射率估计
• 3.3 透射率的优化
• 3.4 估计有雾图像的整体大气光强
• 3.5 还原清晰图像
• 4 基于暗通道先验的图像去雾算法的优化
• 4.1 小波变换在基于暗通道先验去雾算法中的应用
• 4.1.1 图像的小波分解与重构
• 4.1.2 小波变换在暗通道先验去雾算法中的应用
• 4.2 暗通道先验去雾算法在明亮区域的改进
• 4.2.1 图像明亮区域暗通道先验不适用的原因分析
• 4.2.2 改进的透射率估计
• 4.3 基于滤波器优化的暗通道先验
• 4.4 平滑滤波对透射率估计的优化
• 4.5 基于Guided Filtering的透射率分布优化
• 4.6 视频去雾
• 4.6.1 标准卡尔曼滤波
• 4.6.2 基于卡尔曼滤波的视频光强估计
• 4.7 基于OpenCv的视频及图像去雾系统
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢