论文摘要
计算机视觉的最终目的是理解和解释丰富的三维世界,随着认知神经科学、视觉计算理论等基础科学的发展,计算机性能价格比的不断提高,以及各种应用场合对计算机视觉需求的不断增长,其应用越来越广泛,如敏感场所的安全检测、工业测量与监督、自动导航、军事上无人侦探监测等。但目前大多数视觉系统在设计时并没有考虑天气的影响,也就是只能应用于晴朗天气条件下,而实际上对于任何需要应用于室外场景的视觉系统,不可避免地要面对各种天气条件,如雾、雨、雪等。一个鲁棒的室外视觉系统必须具有在任何天气条件下工作的能力,这是一个极具现实意义的问题。本文利用简化的退化模型,并假设近似黑体存在的前提下,通过图像分割、识别、置信传播推断和拉普拉斯修补等,实现了单幅雾天退化图像的复原。本文主要做了以下工作:(1)利用拉普拉斯修补矩阵修复传输图。首先对输入图像求取图像的暗色通道,获得雾天图像的粗糙传输图,然后对雾天图像进行分割,在分割结果的基础上,使用拉普拉斯修补矩阵对分割之后的传输图进行修补,凸显传输图的细节。(2)置信传播推断传输图。对于图像上某些区域不满足近似黑体存在,使用置信传播算法对出错的传输值进行推断,经过推断之后的传输图能够更准确地反映光在传播过程中与雾所发生的作用。(3)自动估计天空光。首先从图像上把天空区域分离出来,在天空区域取亮度最大值,可以准确估计出天空光的值,而不受图像上其他场景目标的影响;对于没有天空的图像,使用置信传播方法排除传输图中错误的点,取图像剩下部分亮度最大值作为大气光的值。实验结果表明,本文提出的雾天图像分割复原算法能够有效恢复出清晰图像,并能获取雾天图像中景物之间的相对深度信息。