圖像去霧技術(shù)研究開題報告(編輯修改稿)
2024-12-02 10:07 本頁面
【文章內(nèi)容簡介】 復(fù)原方法可行，就依據(jù)退化模型進(jìn)行復(fù)原處理 。 3． 圖像去霧效果的客觀評估標(biāo)準(zhǔn) 圖像去霧中有 待進(jìn)一步研究的問題還很多，特別是圖像去霧效果的客觀 、 定量評價問題尚未得到很好解決 。 這主要是因為大多數(shù)的圖像質(zhì)量評價方法均為完全參考方法，即需要知道同一場景在晴天下的圖像作為評 價的參考圖像［ 32］ 。 但在實際應(yīng)用中，這一條件往往過于苛刻而難以滿足，因此盲評方法更為實用 。 目前，針對圖像去霧效果的盲評方法主要是由 Hautiere 等人所提出的可見邊梯度法［ 33］ 。 該方法根據(jù)由 Jourlin 和 Pinoli 所提出的對數(shù)圖像處理 ( Logarithmic Image Processing， LIP) 模型，采用原有霧圖 像與去霧圖像的新可見邊集合數(shù)目比 、 平均梯度比和黑色像素點所占圖像大小百分比三個指標(biāo)，從不同角度客觀評價圖像的去霧效果 。 00n nne r ?? ( 1) 0ggr r? ( 2) yxsn dimdim ??? ( 3) 其 中 : n0和 nr分別表示原有霧圖像 0和去霧復(fù)原圖像 Ir中可見邊的數(shù)目， rg 表示去霧圖像的平均梯度， 0g 表示原有霧圖像的平均梯度， ns表示采用 koheler 圖像分割方法［ 34］后變?yōu)楹谏袼攸c的像素數(shù)目， dimx和 dimy分別表示圖像的寬和高 。 對于每種算法，其目標(biāo)都是盡可能地提高清晰化的速度，并在不丟失視覺信息的同時，增加圖像的對比度 。 因此，算法運行時間越短，去霧效率越高 。 e 和 r 值越大， σ 值越小，去霧效果越好 。 4． 圖像去霧效果 為了直觀地考查各種去霧算法的去霧效果和客觀的去霧性能，采用 Matlab 6． 5 在 Pentium( R) D， 3 ． 00 GHz， 2 GB 內(nèi)存的 PC 機上對幾種典型的基于圖像處理的霧天圖像增強方法和最新提出的基于物理模型的霧天圖像復(fù)原方法進(jìn)行大量的實驗仿真，并使用算法的運行時間和其客觀評價指標(biāo)值 e ， r 和 σ 來評估其去霧性能 。 實驗數(shù)據(jù)庫主要是從國外研究者的網(wǎng)站上下載，例如 Tan［ 35］， Fattal［ 36］ 和 He［ 37］ 等研究者的個人網(wǎng)站均給出了對比實驗的圖像數(shù)據(jù)庫 。 表 2 是對圖 2 中原有霧圖像進(jìn)行清晰化處理的評估結(jié)果示例 。 表 1 幾種典型去霧方法的性能比較 ( 圖像大小 576 768) 類別 去霧方法名稱 運行時間 / s e r σ /% 基于圖像處理 直方圖均衡化 8． 547 0 0． 48 1． 15 0． 20 的霧天圖像 小波變換 1． 563 0 0． 13 1． 02 3． 06 增強方法 多尺度 Retinex 211． 891 0 1． 09 1． 23 0． 77 基于物理模型 文獻(xiàn) ［ 27］ 方法 需人工參與 0． 35 1． 12 1． 05 的霧天圖像 文獻(xiàn) ［ 29］ 方法 527． 562 7 1． 71 1． 40 0． 76 復(fù)原方法 文獻(xiàn) ［ 30］ 方法 64． 953 8 0． 23 1． 09 1． 05 文獻(xiàn) ［ 31］ 方法 32． 153 5 0． 80 1． 27 0． 30 由表 2 可以看出，就算法運行時間而言，在增強方法中運行時間最短的是小波變換，而在復(fù)原算法中所需時間最短的則是文獻(xiàn)［ 31］方法 。 此外，從客觀評價指標(biāo)來看，依據(jù)圖像的不同，增強方法中的多尺度 Retinex 算法和復(fù)原方法中的文獻(xiàn)［ 29］方法比同類的其他幾種去霧算法能夠得到更多的可見邊 。 如果用平均梯度這一指標(biāo)來衡量，則各算法的平均梯度的比值按遞減的順序依次為 : 文獻(xiàn)［ 29］方法 、 文獻(xiàn)［ 31］方法 、 多尺度 Retinex 算法 、 直方圖均衡化算法 、 文獻(xiàn)［ 27］方法 、 文獻(xiàn)［ 30］方法和小波變換算法 。 而如果用去霧圖像的黑色像素點所占圖像大小的百分比來評估，則文獻(xiàn)［ 31］方法和直方圖均衡化算法的 σ 值最小 。 從圖 2 的視覺效果中也可以證 實以上規(guī)律，但不難發(fā)現(xiàn)文獻(xiàn)［ 29］方法盡管 e 和 r 值較大，其去霧圖像的顏色卻顯得過于飽和，且有光暈偽影出現(xiàn) 。 相比之下，文獻(xiàn)［ 31］方法結(jié)果自然，復(fù)原后圖像的對比度 、 清晰度和顏色逼真度均要明顯優(yōu)于其他去霧方法，且無光暈偽影現(xiàn)象 。 數(shù)據(jù)庫中其他圖像的清晰 化處理結(jié)果大多與該圖具有相似的規(guī)律 。 5． 結(jié)語 本文對圖像去霧技術(shù)做了綜述性的介紹 。 基于圖像處理的圖像增強方法具有對比度提高顯著 、 圖像細(xì)節(jié)突出 、 視覺效果明顯的特點，該方法已經(jīng)在實踐中獲得了廣泛的應(yīng)用 。 而基于物理模型的圖像復(fù)原方法針對性強，得到的復(fù)原結(jié)果自然，且一般不會有信息損失，該技術(shù)必將獲得更大的發(fā)展 。 盡管對圖像去霧技術(shù)的研究已經(jīng)取得了若干成果，但下述幾點仍然有可能是今后研究的熱點和難點問題，迫切需要引起研究人員的高度關(guān)注 。 1) 考慮霧天圖像的模糊信息 。 從圖像處理學(xué)角度提出的增強方法和基于物理模型的復(fù)原 方法雖然均能改善霧天降質(zhì)圖像的質(zhì)量，然而這些方法都沒有考慮到降質(zhì)圖像固有的模糊屬性 。 景物由三維空間到二維圖像的映射過程，必然會造成信息的大量丟失 ( 如深度信息 、 被遮擋物體的信息 ) 。 而且在有霧天氣下，由于大氣粒子的散射作用和粒子的自身成像，使得獲取的圖像對比度較低，邊緣輪廓及景物的特征都比較模糊 。 因此，如何充分考慮降質(zhì)圖像的這些模糊信息，再結(jié)合大氣散射的物理機制，從而更好地實現(xiàn)能見度的提高將是研究人員在今后相當(dāng)長的一段時間內(nèi)所面臨的主要任務(wù) 。 2) 對霧天視頻進(jìn)行去霧處理 。 霧天動態(tài)視頻處理需要解決的首要問 題是去霧算法的運行效率，以便滿足實際應(yīng)用的實時性要求 。 目前，已有研究者采用基于深度關(guān)系的圖像復(fù)原方法對視頻監(jiān)控系統(tǒng)中的視頻進(jìn)行了去霧實驗［ 25， 28］ 。 此外，已有霧天視頻清晰化裝置系統(tǒng)采用圖像增強方法中的插值自適應(yīng)直方圖均衡化算法對霧天視頻進(jìn)行了清晰化處理 。 因此，研究高效的去霧算法處理霧天視頻應(yīng)該受到足夠的重視 。 3) 探索更完備的物理模型 。 基于物理模型的霧天圖像復(fù)原算法已經(jīng)取得了極大的進(jìn)展，但是由于景物退化與場景深度呈非線性關(guān)系，由此帶來的一個最大問題是很難保證所建立的景物退化模型的正確性和寬適性 。 目前， 大多數(shù)的圖像復(fù)原方法都建立在大氣散射模型的基礎(chǔ)上，并受到了此類模型的限制 。 即在某些天氣情況下，使用該模型的復(fù)原方法將會失效 。 因
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1