基于图像增强和复原的图像去雾方法研究.docxVIP

基于图像增强和复原的图像去雾方法研究 　　摘 要： 雾霭等天气下获得的图像存在对比度低、颜色退化、景物模糊等一系列图像退化的问题，直接影响了对图像信息的有效利用。因此，对雾天图像进行有效的去雾处理，有效改善降质图像的质量，具有一定的实际意义。分析讨论基于图像增强的多尺度Retinex算法和利用图像复原原理的基于暗原色先验理论的去雾算法，并对具有不同特点的单幅有雾图像进行去雾仿真。实验结果表明，不同理论基础的两种去雾算法各有特点，基于暗原色理论处理得到的图像去雾效果更显著， 算法运行速度更快。　　关键词： 图像去雾； 图像退化； 图像增强； Retinex理论； 多尺度Retinex算法； 暗原色先验理论　　中图分类号： ?34； TP391 文献标识码： A 文章编号： 1004?373X06?0018?05　　Abstract： Images obtained in the weather like mist have a series of image degradation characteristics such as low contrast degree， color degradation， blurred scenery， which directly affects the effective exploitation of image information. Therefore， it has a certain practical significance for effective defogging processing of foggy images to effectively improve the quality of degraded images. In this paper， the multi?scale Retinex algorithm based on image enhancement and the dark channel prior theory based defogging algorithm using the image restoration principle are analyzed and discussed. The defogging simulation was carried out for single foggy images with different characteristics. The experimental results show that the two defogging algorithms based on different theories have their own characteristics， the image defogging effect obtained on the basis of the dark channel prior theory is more significant， and the operation speed of the defogging algorithm based on the dark channel prior theory is faster.　　Keywords： image defogging； image degradation； image enhancement； Retinex theory； MSR algorithm； dark channel prior theory　　0 引 言　　在现实生活中，许多视觉应用，如智能导航系统、监控、军事遥感等需要比较精细和准确的图像特征提取，大雾等恶劣的天气条件对这些系统的正常运行增加了许多障碍[1?3]。沿海的城市雾天比较多，图像去雾处理具有实际意义和现实的紧迫性，比如马路上摄像头抓拍的图像，普通的手机拍摄得到的图像在这种环境下都亟需有效的去雾处理。　　图像去雾介于图像增强与图像修复之间，算法主要可以分成两类：一类是基于图像增强的去雾方法；另一类是基于大气散射规律建立图像物理退化模型，再根据模型进行去雾处理。这种模型利用先验知识，具有内在的优越性。实际条件下获取的往往是没有附加任何景深与大气前提信息的图像，因为已知信息量不够，所以图像去雾具有不确定性。　　基于非模型方式的图像增强的方法目前主要有：直方图均衡算法、同态滤波算法、根据大气调制转移函数的算法、小波方式和Retinex的算法。Retinex的算法有动态范围压缩和颜色不变的特点，实时性增强方面优于其他算法，国外已经有人利用Retinex的理论来实时处理有雾航拍图像。基于Retinex的单尺度视网膜增强和多尺度视网膜增强在色