图像去雾技术研究

I编号图像去雾技术研究Theresearchonimagedefoggingtechnology学生姓名XX专业电子科学与技术学号XXXXXXX学院电子信息工程学院II摘要本文首先简单介绍了云雾等环境对图像成像的影响，接着从图像增强的角度研究图像去雾技术的基本方法，介绍了去雾算法的原理和算法实现步骤，并对去雾算法的优缺点和适用条件进行了总结。基于图像增强的去雾原理，本文提出了联合使用同态滤波和全局直方图均衡的改进去雾算法。先进行同态滤波使有雾图像的细节充分暴露，然后采用全局直方图均衡扩展图像的灰度动态范围。去雾效果具有对比度高，亮度均匀，视觉效果好的特点，不足的是图像的颜色过于饱和。关键字：图像增强图像去雾同态滤波全局直方图均衡IIIAbstractFirstly,thispapersimplyintroducestheinfluenceofcloudenvironmentofimageformation,thenfromtheenhancedimageperspectiveofimagetofogtechnologybasicmethod,isintroducedtofogalgorithmprincipleandalgorithmsteps,andhascarriedonthesummarytofogalgorithmadvantages,disadvantagesandapplicableconditions.Asforthedefoggingtheorybasedontheimageenhancement,thepaperputsforwardtheimproveddefoggingalgorithmwhichrequirescombininghomomorphicfilteringandglobalhistogramequalization.Weshouldusehomomorphicfilteringtogetdetailsofthefoggingimagesclearlyexposedandthenuseglobalhistogramequalizationtospreadtheimages’grayscaledynamicrange.Defogginghasfeaturesofhighcontrastratio,uniformbrightnessandgoodvisualeffect.Butitsdrawbackisthattheimagecoloristoosaturated.Keywords:imageenhancement;imagedefogging;homomorphicfiltering;globalhistogramequalization;11.云雾等环境对图像成像的影响1.1课题研究的背景和意义近年来国内的雾霾天气逐渐由中东地区向全国蔓延。雾霾自2013年起开始成为人们对天气关注的关键词。雾霾是特定气候条件与人类活动相互作用的结果。高密度人口的经济及社会活动必然会排放大量细颗粒物（PM2.5），一旦排放超过大气循环能力和承载度，细颗粒物浓度将持续积聚，此时如果受静稳天气等影响，极易出现大范围的雾霾。雾天时，弥漫在空中的雾气和尘埃模糊了人们的视线，使得景物的能见度大幅降低。在雾天条件下的室外获得的图像会受到严重的退化，图像目标的对比度和颜色等特征被衰减，这大大降低了图像的应用价值。即使在晴朗的天气条件下拍摄的照片，由于大气的散射作用，照片的清晰度同样受到影响。因为在每一个实际的场景中，光线在到达相机之前，都会从物体表面反射出来而且散射在空气中。这是因为空气中存在的浮质，像灰尘、雾和烟等，这些因素导致物体表面颜色变淡和整幅图像的对比度降低。这给工业生产及人们的日常生活带来了很大影响。例如城市交叉路口图像监视系统，在恶劣天气条件下得到的退化图像会对判断车辆信息和监控交通情况造成极大的困难；在军事侦察或监视中，退化图像对信息的识别与处理会造成偏差，而这种偏差的后果是非常严重的；遥感探测中退化图像同样会对后续的信息处理产生很大的干扰。因此许多领域都要用到去雾算法。有雾图像特征清晰化的研究具有非常重要的意义。另一方面，随着科学技术的飞速发展，计算机运行处理速度加快，图像处理广泛应用于众多的科学和工程领域重要领域。数字图像技术从20世纪50年代发展至今，在航空航天、工业生产、医疗诊断、资源环境、气象及交通监测、文化教育等领域有着广泛的应用，创造了巨额的社会价值。应用的视觉系统极易受到天气因素的干扰甚至无法正常工作。雾天天气条件是各种天气条件中对视觉影响最严重的一种。图像去雾技术成为图像处理和计算机视觉领域共同关心的重要问题。为了保证视觉系统的全天候正常工作，就必须使系统能够适用于各类天气状况，这样才能提高系统的可信赖性。因此，研究如何对尘雾等恶劣天气条件下获得的退化图像进行有效地处理，对大气退化图像的复原和景物细节信息的增强有着非常重要的现实意义。雾天下图像的清晰化技术有可能对其他恶劣天气条件下图像的清晰化技术也起到促进作用。从而促使全天候视觉系统排除天气状况的干扰和影响。此方面技术的研究有着很大应用前景。21.2国内外研究现状对雾天图像，改善退化图像的质量，可采用模拟和数字两种图像处理技术进行处理。模拟图像处理利用光学处理和电子电路处理，特点是速度快实时性好，但是精度较差，灵活性差，很难有判别能力和非线性处理能力。而数字图像处理采用计算机或实时硬件处理，处理精度高，可以进行复杂的非线性处理，有灵活的变通能力。图像增强法就是采用数字图像处理技术对雾天得到的退化图像进行处理的一种方法。图像增强方法又称为非模型的方法，不考虑图像退化原因，按照特定需要突出图像中的某些信息，如边缘轮廓、亮度、对比度等，同时削弱或者除去某些不需要的信息，来改善图像的视觉效果或者将图像转换成为一种更适合人或机器进行分析的形式。增强处理并不能增强原始图像的信息，只是改善图像的可识别度，这种处理可能使图像失去某些信息。（1）全局化的图像增强方法全局化的雾天图像增强方法是指对由整幅雾天图像的统计信息决定的灰度值的调整，与被调整点所处的区域无关。由于雾天下场景的退化程度与其深度相关，而一幅图像往往包含复杂的深度信息，所以全局化的处理方法往往不能得到理想的效果，但当雾天图像的场景相对简单时，不失为一种有效的途径。典型的全局化雾天图像增强方法主要有6种。1）全局直方图均衡化算法。该方法的基本思想是把有雾图像的直方图变换为近似均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强雾天图像整体对比度的效果。但是在实际场景中图像的景深和雾天图像不同区域影响有差别，整体处理会造成图像增强不均匀，去雾图像视觉效果不够好。2）同态滤波算法。该算法是一种把频率过滤和灰度变换相结合的图像增强处理方法，也是一种把照明反射模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像质量的处理技术。3）小波方法。小波与多尺度分析在对比度增强上的应用取得了很大进展。4）Retinex算法。Retinex是一种描述颜色不变性的模型，它具有动态范围压缩和颜色不变性的特点，对由于光照不均而引起的低对比度彩色图像具有很好的增强效果。黄义明[1]对于Retinex算法的改进，利用递归高斯滤波对Retinex算法进行加速和利用线性拉伸的方法提高图像的对比度。5）曲波变换。曲波是一种在小波变换基础上发展起来的新的多尺度分析方法，由于它特别适合于各向异性奇异性特征的信号处理，因此能够很好地弥补小波变换在图像的曲线边缘增强方面的局限性。36）基于大气调制传递函数增强雾天图像。该方法的原理是：首先通过对大气调制传递函数的预测，近似估计大气对图像质量的退化过程。当得到先验信息时，通过预测公式计算出相应的湍流调制传递函数和气溶胶调制传递函数，再由前两者的乘积得到总的大气调制传递函数。然后利用大气调制传递函数在频域内对天气退化图像进行复原，并对户外景物图像中由大气调制传递函数造成的衰减进行补偿。例如杨国强通过分析transmission图像的本质特性，并基于图像的大气衰减模型，提出一种有效的单幅图像去雾技术—非线性的双边滤波图像去雾方法，并利用获得结果图像实现图像的重光照技术[2]。（2）局部化的图像增强方法对于上述全局化的图像增强方法而言，由于此类方法是对整幅图像进行操作，而且在确定变换或转移函数时是基于整个图像的统计量。而在实际应用中常常需要对图像某些局部区域的细节进行增强，但这些局部区域内的像素数量相对于整幅图的像素数量往往较小，在参与整幅图的计算时其影响常被忽略掉，并且从整幅图像得到的函数也不能保证这些所关心的局部区域得到所需的增强效果。因此，需要根据所关心的局部区域的特性来计算变换或转移函数，并将这些函数用于所关心的区域，以得到所需的增强效果。王敬东等人使用Kuwahara边缘角点保持滤波器对大气散射光进行估计并对所采用的Kuwahara滤波器进行改进[3]。通过增加子块的数目以及进行局部加权等提高边缘保留效果，抑制方块效应，从而获得较为准确的介质透射率。2.基于图像增强的去雾算法研究基于图像增强方法的去雾算法是不考虑有雾图像的成像原理，从有雾图像呈现的低亮度和低对比度的特征考虑，按照特定的需要增强需要突出部分的图像内容，削弱或去除某些图像信息的方法。但是应当明确的是，图像增强去雾算法并不能够增加原始图像的信息，其结果只是提高视觉的清晰度和对比度，会有图像信息的损失。本节主要研究了基于图像增强的全局化处理方法和局部处理方法，分析算法实现步骤并仿真，然后对每一种算法结果进行总结。最后，总结各图像增强算法优缺点后，提出基于同态滤波和全局直方图均衡的改进去雾算法方案。2.1全局化雾天图像增强全局化的雾霾图像增强是指根据整幅雾霾图像的统计信息来对灰度值进行调整，与调整点所在的区域无关。针对雾天条件下获取的图像具有低对比度，全4局化图像增强可以使图像成像均匀，扩大图像动态范围及扩展对比度。具有算法时间复杂度小的优点，对薄雾图像有明显的改善效果。2.1.1全局直方图均衡直方图是图像的灰度像素统计图，用于表示图像中不同灰度级出现的概率[4]。全局直方图均衡是对原始图像的直方图进行操作，使灰度级分布近似均匀，是灰度级动态范围增加，改善图像的对比度。图像全局直方图均衡的实现步骤如下：（1）统计原有雾图像的各灰度级if的数目in；（2）计算原有雾图像的直方图，即各灰度级的概率密度/0,1,2,...,1fiipfnNiL(2-1)其中N为原有雾图像的总像素数目；（3）计算直方图累计分布0()()0,1,2,...,1ififiPfpfiL(2-2)（4）计算最后输出的灰度级maxminmin[()0.5]0,1,2,...,1ifigINTggPfgiL(2-3)其中，[]INT表示取整，L表示图像最大灰度级。令min0g，max1gL，则计算公式化简为：[(1)()0.5]0,1,2,...,1ifigINTLPfiL(2-4)（5）重新确定图像直方图。用if和ig的映射关系，得到近似均匀分布的待输出直方图；（6）根据新直方图统计输出图像各灰度级个数。采用全局直方图均衡算法进行去雾前后的图像如下图2-1和图2-2。5图2-1原有雾图像及直方图图2-2全局直方图均衡去雾图像及直方图图2-1和图2-2分别为采用全局直方图均衡去雾前后的图像。可以看出原有雾图像的对比度有所增强，由雾天引起的图像亮度过高问题整体改善。但是去雾图像的部分偏暗，通过直方图的改变可以知道，这是因为全局直方图均衡把原图像中像素值为100以上的区域扩展到0~100，图像的灰度范围被拉伸到0~255。总之，全局直方图均衡改善了有雾图像的对比和亮度，但是会忽略图像的局部细节，去雾没有针对性，结果有一定失真。2.1.2同态滤波同态滤波原理是依据图像获取过程中的照明反射成像[4]。图像可以由两个分量来表征：（1）入射到被观察场景的光源照射总量；（2）场景中物体所反射的光