霧霾是一種比較常見的天氣現象,在這種天氣情況下拍攝的圖像普遍存在質量較低的問題,如對比度下降、細節丟失等,從而給后續的圖像處理和分析帶來很大的困難。因此,為了在霧霾天氣獲取高質量的圖像,需要對有霧圖像進行去霧處理,以提高圖像的對比度,豐富圖像細節,保證計算機視覺系統在霧霾天氣下的正常運行。對有霧圖像的去霧研究主要分為兩類:一類是采用圖像增強的方法,另一類是基于物理成像模型的方法。采用圖像增強的方法能增強圖像細節,改善圖像的視覺效果,這類方法在取得去霧效果的同時也帶來了一些問題,如顏色扭曲、圖像失真等。基于物理成像模型的方法通過深入分析圖像退化的原因,建立有霧圖像的物理成像模型(如大氣散射模型等),通過對模型進行逆運算從而實現霧圖的復原操作。由于這種方法考慮了霧圖的成像過程,取得了很好的去霧效果。目前基于物理成像模型的去霧方法中,基于大氣散射模型和先驗知識的算法效果突出,但是這種方法依然存在一定的缺陷,去霧算法的適用范圍受到先驗知識的限制,不具備普遍適用性。本文針對這個問題,提出了一種根據霧相關特征預測場景透射率的方法,通過大量研究分析霧相關的特征,篩選出其中最有效的4個特征,建立它們與...

【文章頁數】：61 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現狀
        1.2.1 基于圖像增強的去霧方法的研究現狀
        1.2.2 基于物理成像模型的去霧方法的研究現狀
    1.3 本文主要研究內容及論文結構
        1.3.1 主要研究內容
        1.3.2 論文結構
第2章 圖像去霧的相關理論
    2.1 大氣散射模型
        2.1.1 入射光衰減模型
        2.1.2 大氣光成像機制
        2.1.3 霧霾天氣圖像退化模型
    2.2 圖像去霧質量評價
        2.2.1 有參考的質量評價
        2.2.2 無參考的質量評價
    2.3 本章小結
第3章 基于特征學習的單幅圖像去霧算法研究
    3.1 霧相關特征研究
        3.1.1 多尺度暗通道特征
        3.1.2 多尺度對比度特征
        3.1.3 多尺度飽和度特征
        3.1.4 色調差異特征
    3.2 霧相關特征分析與選擇
        3.2.1 相關性分析理論
        3.2.2 特征分析與選擇
    3.3 基于隨機森林的去霧方法
        3.3.1 準備訓練數據
        3.3.2 訓練隨機森林回歸模型
        3.3.3 采用回歸模型去霧
    3.4 實驗結果分析
        3.4.1 定性比較
        3.4.2 定量比較
    3.5 本章小結
第4章 基于圖像分割的暗通道去霧改進算法
    4.1 暗通道去霧算法
        4.1.1 暗通道先驗
        4.1.2 暗通道去霧過程
    4.2 暗通道去霧算法存在的問題
    4.3 暗通道去霧算法的改進
        4.3.1 天空區域分割
        4.3.2 純白區域分割
        4.3.3 透射率計算
        4.3.4 改進的大氣光計算
    4.4 實驗結果及分析
        4.4.1 定性比較
        4.4.2 定量比較
    4.5 本章小結
第5章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝



本文編號：4000152