【正文】 進(jìn)行線性映射，這使對應(yīng)的圖像在圖像的底三層有類似的均值和標(biāo)準(zhǔn)差。 專用 色調(diào) 映射 前面 ,我們 已經(jīng) 描述了 能見度恢復(fù) 不同的 步驟 ,得到的恢復(fù)圖像通常是比原圖像具有更高的動(dòng)態(tài)范圍。當(dāng) si = 1,這表明該效應(yīng)的改編平滑是取消了。 這個(gè)規(guī)則設(shè)置 s 會(huì)在霧區(qū)域產(chǎn)生過大的窗口，因此增加參數(shù) si，設(shè)置自適應(yīng)窗口的最大尺寸 。通過大小為 S*S 的窗口進(jìn)行平均，標(biāo)準(zhǔn)差變?yōu)?。這 個(gè)局部 平滑必須 符合 對比度 放大 器 系數(shù) = 。見圖 5,原始圖像壓縮使用 jpeg,修復(fù)后 ,壓縮工件能見度變得清晰可見。 適應(yīng)對比度放大的平滑 在圖像恢復(fù)可視性 的過程中 ,大氣 耗散函數(shù) 是 很 重要的 ,對比 度也 是 在 增加。相反 ,一個(gè)白 目標(biāo)從本質(zhì)上假設(shè)是白色的。 圖 4 所示 ,在一個(gè)灰色級圖像 ， 該參數(shù) sv 精確假設(shè)白目標(biāo) 10 更大尺寸。這意味著 ,90%或 95%的數(shù)量的大氣 耗散 被移除。還有最后一個(gè)濾波器 ,提出了修復(fù)算法不是實(shí)時(shí)的 ,但依然是相當(dāng)快速的使用減少 Si 圖像能見度恢復(fù) 現(xiàn)在 大氣耗散 V 已經(jīng)推 導(dǎo)出來 ,恢復(fù)原始圖像的 色彩 可以 通過 解 (2)得到 R: 在 (4),這兩個(gè)參數(shù) p、 sv 用于控制能見度修復(fù)。由于這個(gè)性質(zhì)，線性中值中值濾波器可以應(yīng)用于其他圖像處理中。因此 ,對于 鈍角 ,這個(gè) 百分比 高于 50%,因此 mi 的中值接近 1。所以提出的濾波器保護(hù)了邊緣。注意 jpeg 工件軟化。 sv = 61導(dǎo)致更好的結(jié)果?？雌饋砀玫呐cp = 。 圖 34 從左到右 ,原始圖像 ,獲得的結(jié)果與 p = 和 sv = 61,p = 和 sv = 61,p = 和 sv = 61,p = 和 sv = 21(si = 1)。 Si 的強(qiáng)度的中值計(jì)算的為 mi。 每 個(gè)分割塊 大小是 sv。這可能產(chǎn)生后現(xiàn)象，在規(guī)則性場景如城市、建筑物中， sv 的值很大，所以提出了一種原始的濾波器，叫做沿線性中值的中值濾波器。 pB (x,y)的值 并不 受 V 的 約束 ,因此其為閥值 。采用對 | W(x,y)?A(x,y)|進(jìn)行中值濾波。考慮到相對紋理區(qū)域可能沒有霧，所以 W(x,y)的標(biāo)準(zhǔn)差 減去 A(x,y)。 圖 1 顯示了在黑色點(diǎn)線產(chǎn)生的當(dāng)?shù)仄骄健?事實(shí)上 ,如果獲得 的大氣耗散函數(shù) V(x,y)似乎也不那么不同 時(shí) ,當(dāng)完全平滑時(shí)，會(huì)出現(xiàn)不正確的光環(huán) 。 現(xiàn)在要強(qiáng)調(diào)可能大 跳躍對恢復(fù)圖像的重要性， 如在圖 2 中 。 在這種情況下 ,這個(gè) 最小值 應(yīng)該 考慮在估計(jì)局部 V 的輪廓，所以如在圖 1 中的綠色曲線必須優(yōu)先考慮，以避免在輪廓周圍存在定量的零。在這種情況下 ,這個(gè) 最小值的 存在表明 ,場景包含色彩弱飽和的對象。由于 受到 V(x)≤W(x)的約束 ,在圖中間的 W(x)使 V(x)在這個(gè)位置是相對小的值 。 (3)式最 優(yōu)化在于尋找一個(gè)最大體積 的 函數(shù) V(x,y),而 V(x,y) 大部分時(shí)間 都是 光滑的 ，并且 低于 W(x,y)。 圖 32 從左到右原始圖像 ,大氣面紗 V(x,y)和恢復(fù)得到執(zhí)行完整的平滑度、大氣 耗散函數(shù) V(x,y)和恢復(fù)執(zhí)行平滑獲得的大部分的時(shí)間 (使用參數(shù)在這兩種情況下 p = ,sv= 41 和 si = 19)。這個(gè)問題可以被看作是一個(gè)濾波問題。對侵蝕進(jìn)行試驗(yàn)，發(fā)現(xiàn)它受到 hato 的影響。一個(gè)可能性就是在執(zhí)行空間侵蝕。所以 這個(gè)問題可以 變?yōu)?:假設(shè)大于 V(x,y)的是平滑的，最大化 V(x,y)可以寫成一下優(yōu)化問題，其中 約束 0≤V(x,y)≤W(x,y)， 參數(shù) λ 是 控制解決方案 的 平滑度 ,φ 是 一個(gè)遞增的凸 函數(shù) ，允許大的跳躍。對于灰度圖像，很 顯然有 W =I， 第二個(gè)約束 條件是 V(x,y)≤W(x,y)。我們因此計(jì)算 W(x,y)= min(I(x,y))， 定義為圖像的最小 元素 I(x,y)為每個(gè)像素 (灰度或 RGB)。由于其物理特性 ,大氣 耗散函數(shù) 是受到兩個(gè)限制 條件制約的。結(jié)果 V 獲得該方法顯示為綠色緩沖。 對于 一些 困難的圖像 ,這些圖像的 光色變化 隨著圖像而變化白平衡就近似等于圖像局部平均值 ,如 下 圖 31： 銅陵學(xué)院畢業(yè)設(shè)計(jì) 7 圖 31 白平衡圖像 圖 1 白顏色的數(shù)量是黑色的連續(xù)曲線 W 及其當(dāng)?shù)仄骄呛谏摼€。當(dāng)白平衡是正確執(zhí)行 時(shí) ,霧 就會(huì)變成 純白色 ,這意味著是 Is 可以設(shè)置為 (1, 1,1),同時(shí)假設(shè)輸入圖像 I(x,y)歸一化在 0 和 1 之間。 能見度 恢復(fù)算法因此被分解成幾個(gè)步驟 :估計(jì) Is,從 I(x,y) 中 推理的 V(x,y),從（ 2）逆求出 R(x,y),平滑處理噪聲放大 ,最后語氣映射。 于 是 引 入 大氣 耗 損 函 數(shù) 的 強(qiáng) 度， Koschmieder 定律可以重 改寫成： 其中 I(x,y)是觀察到的圖像 (灰度或 RGB)在 像素 (x,y)的強(qiáng)度， R(x,y)是圖像 在 沒有霧 的情況下的強(qiáng)度 。最后，在第 4 節(jié)中，興趣的能見度恢復(fù)智能車輛車道標(biāo)志檢測，特別是詳細(xì)的。在 2 節(jié)中，我們的方法以及快速的能見度恢復(fù)算法的詳細(xì)步驟和一個(gè)變異型和邊緣保持平滑算法具有鈍角角了。 我們在這 里提出了一種新的基于 ?濾波方法的能見度恢復(fù)算法。在灰度和彩色圖像的算法也 [ 5 ]。相比之下，在 [ 12 ]算法并不總是非常飽和的場景達(dá)到同樣好的結(jié)果，但它有很大的優(yōu)勢是更通用的，因此更容易應(yīng)用于多種圖像。在 [ 1 ]，該算法是基于顏色的深而無法處理灰度圖像。在計(jì)算機(jī)視覺和計(jì)算機(jī)圖形學(xué)領(lǐng)域的知名度 ?恢復(fù)算法更詳細(xì)的審查，讀者可以 參 6 考 [ 1， 6 ]。使用多個(gè)圖像的一個(gè)替代方法是使用圖像場景的一個(gè)近似的深度圖，或精確的深度圖時(shí)，在 [ 7， 2 ]提出的， 6。 作為一個(gè)結(jié)果，提出了基于場景的多圖像的使用方法：在不同的時(shí)間 [ 8 ]或使用不同的偏振 ?過濾器 [ 11 ]圖像使用圖像。能見度的恢復(fù)是一個(gè)病態(tài)問題。而不是每個(gè)算法從清晰到大霧天氣，它似乎對每個(gè)輸入圖像的可見性預(yù)處理進(jìn)行更充分的恢復(fù)。這個(gè)第二個(gè)效應(yīng)是增加了一個(gè)白色的大氣 耗散函數(shù) 這是該對象的距離 d 的增函數(shù)（ x， y）。 該模型是直接擴(kuò)展到彩色圖像采用相同的模型在每個(gè) RGB 分量， 假設(shè)一個(gè)線性響應(yīng)一個(gè)相機(jī)。從而實(shí)現(xiàn)去霧。另一個(gè)優(yōu)點(diǎn)就是 這種 算法 可能 會(huì) 同時(shí)處理彩色圖像和灰度圖像自界限模糊的存在對象與低霧顏色飽和度 的能力。 當(dāng)處理室外圖像 處于 霾、霧和濃煙 中的時(shí)候 ,圖像 逐漸褪去了顏色 ,也 減少了對比 度，所以要恢復(fù)其清晰場景是一個(gè)非常困難的，因?yàn)殪F天對圖像的影響程度與目標(biāo)到相機(jī)的距離密切相關(guān)的 。在有霧存在的情況下，由于場景的能見度是很低的，圖像中目標(biāo)對比度和顏色等待征被衰減，導(dǎo)致室外視頻系統(tǒng)無法正常工作，因此需要除去霧氣對場景圖像的影響。這些算法通過分割圖像，然后在子層圖像內(nèi)做均衡處理，較好地解決了直方圖均衡過程中的對比度過拉伸問題，并且可以控制子層灰度映射范圍，增強(qiáng)效果較好。例如一些學(xué)者將模糊映射理論引入到圖像增強(qiáng)算法中，提出了包括模糊松弛、模糊熵、模糊類等增強(qiáng)算法來解決增強(qiáng)算法中映射函數(shù)選擇問題，并且隨著交互式圖像增強(qiáng)技術(shù)的應(yīng)用，可以主觀控制圖像增強(qiáng)效果。圖像增強(qiáng)是圖像處理的重要組成部分，傳統(tǒng)的圖像增強(qiáng)方法對于改善圖像質(zhì)量發(fā)揮了極其重要的作用。在工業(yè)和工程方面，主要應(yīng)用于無損探傷、質(zhì)量檢測和過程自動(dòng)控制等方面。 20 世紀(jì) 90 年代進(jìn)入了應(yīng)用期，人們運(yùn)用數(shù)字圖像增強(qiáng)技術(shù)處理和分析遙感圖像，以有效地進(jìn)行資源和礦藏的勘探、調(diào)查、農(nóng)業(yè)和城市的土地規(guī)劃、作物估產(chǎn)、氣象預(yù)報(bào)、災(zāi)害及軍事目標(biāo)的監(jiān)視等。 20 世紀(jì) 70 年代進(jìn)入了發(fā)展期，開始大量采用中、大型機(jī)進(jìn)行處理，圖像處理也逐漸改用光柵掃描顯示方式，特別是出現(xiàn)了 CT 和衛(wèi)星 遙感圖像，對圖像增強(qiáng)處理提出了一個(gè)更高的要求。初創(chuàng)期開始于 20 世紀(jì) 60 年代，當(dāng)時(shí)的圖像采用像素型光柵進(jìn)行掃描顯示，大多采用中、大型機(jī)對其進(jìn)行處理。 圖像增強(qiáng)技術(shù)國內(nèi)發(fā)展?fàn)顩r 在借鑒國外相對成熟理論體系和技術(shù)應(yīng)用體系的條件下，國內(nèi)的增強(qiáng)技術(shù)和應(yīng)用也有了很大的發(fā)展。接著 Chen和 Ramli 提出最小均方誤差雙直方圖均衡算法 (MMBEBHE)。 Kim 的改進(jìn)算法提出后，引起了許多學(xué)者的關(guān)注。 1997 年 Kim 提出如果要將圖像增強(qiáng)技術(shù)運(yùn)用到數(shù)碼相機(jī)等電子產(chǎn)品中，那么算法一定要保持圖像的 亮度特性。在物理學(xué)和相關(guān)領(lǐng)域中計(jì)算機(jī)技術(shù)能增強(qiáng)高能等離子和電子顯微鏡等領(lǐng)域的實(shí)驗(yàn)圖片。地理學(xué)用相同或相似的技術(shù)從航空和衛(wèi)星圖像中研究污染模式。進(jìn)入 20 世紀(jì) 90 年代，圖像增強(qiáng)技術(shù)已經(jīng)逐步涉及人類生活和社會(huì)發(fā)展的各個(gè)方面。到了 20 世紀(jì) 80 年代以后，各種硬件的發(fā)展使得人們不僅能夠處理二維圖像，而且開始處理三維圖像。其原理是用感知的數(shù)據(jù)去重建切片圖像。 20 世紀(jì) 70 年代 Godfrey N. Hounsfield 先生和 Allan M. Cormack 教授共同發(fā)明計(jì)算機(jī)軸向斷層技術(shù)：一個(gè)檢測器圍繞病人，并用 X 射線源繞著物體旋轉(zhuǎn)。 20 世紀(jì) 60 年代末和 20 世紀(jì) 70 年代初有學(xué)者開始將圖像增強(qiáng)技術(shù)用于醫(yī)學(xué)圖像、地球遙感監(jiān)測和天文學(xué)等領(lǐng)域。在 IPL 里成功的對后來探測飛船發(fā)回的幾十萬張照片進(jìn)行了更為復(fù)雜的圖像處理，最終獲得了月球的地形圖、彩色圖以及全景鑲嵌圖。隨后他們又對 1965 年“徘徊者 8 號”發(fā)回地球的幾萬張照片進(jìn)行了較為復(fù)雜 的數(shù)字圖像處理，使圖像質(zhì)量進(jìn)一步提高。到20 世紀(jì) 60 年代早期第一臺(tái)可以執(zhí)行數(shù)字圖像處理任務(wù)的大型計(jì)算機(jī)制造出來了，這標(biāo)志著利用計(jì)算機(jī)技術(shù)處理數(shù)字圖像時(shí)代的到來。在 1921 年年底提出了一種基于光學(xué)還原的新技術(shù)。當(dāng)時(shí)人們通過字符模擬得到中間色調(diào)的方法來還原圖像。常用算法有梯度法、算子、高通濾波、掩模匹配法、統(tǒng)計(jì)差值法等。常用算法有均值濾波、中值濾波。鄰域增強(qiáng)算法分為圖像平滑和銳化兩種。 基于空 域的算法分為點(diǎn)運(yùn)算算法和鄰域去噪算法。圖像增強(qiáng)技術(shù)根據(jù)增強(qiáng)處理過程所在的空間不同，可分為基于空域的算法和基于頻域的算法兩大類。 圖像增強(qiáng)所包含的內(nèi)容 圖像增強(qiáng)的方法 圖像增強(qiáng)的方法是通過一定手段對原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像中感興趣的特征或者抑制 (掩蓋 )圖像中某些不需要的特征，使圖像與視覺響應(yīng)特性相匹配。采用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號，使模糊的圖片變得清晰 。 圖像增強(qiáng)技術(shù)分類 圖像增強(qiáng)可分成兩大類：頻率域法和空間域法。圖像增強(qiáng)是指按特定的需要突出一幅圖 像中的某些信息，同時(shí)，削弱或去除某些不需要的信息。尋找圖像清晰化處理的有效途徑，在一定程度上減少大氣狀況多人們生活造成的影響。 眾所周知，霧一般是出現(xiàn)在秋冬的早 晨，可是這是為什么呢，那是因?yàn)榇髿庵杏袘腋〉乃Y(jié)而造成可見性降低。在霧天或者雨天，戶外的景物圖像的對比度和顏色都會(huì)被退化，圖像的本身的一些特征也都會(huì)被覆蓋起來，從而變的模糊。存在大霧天氣時(shí)，許多航班或者高速公路因此被迫取消或者被迫封鎖，從而造成交通系統(tǒng)的癱瘓，由此帶來了一定的經(jīng)濟(jì)損失。 The image smooth 銅陵學(xué)院畢業(yè)設(shè)計(jì) 1 第一章 緒論 在有霧存在的情況下，人們的視線是被霧氣 所模糊了，從而使得景物的能見度大大降低，給人們的日常生活帶來了一定的影響。 Visibility restoration。 Image enhancement。本文簡要介紹圖像增強(qiáng)的概念和圖像增強(qiáng)算法的分類， 從一個(gè)單一的顏色或灰度級圖像的快速能見度恢復(fù) ，并說明了圖像增強(qiáng)技術(shù)的應(yīng)用和前景展望。 對圖像進(jìn)行處理時(shí)，經(jīng)常運(yùn)用圖像增強(qiáng)技術(shù)以改善圖像的質(zhì)量增強(qiáng)對某種信息的辨識(shí)能力，以更好的應(yīng)用于現(xiàn)代各種科技領(lǐng)域，圖 像增強(qiáng)技術(shù)的快速發(fā)展同它的廣泛應(yīng)用是分不開的，發(fā)展的動(dòng)力來自穩(wěn)定涌現(xiàn)的新的應(yīng)用，我們可以預(yù)料，在未來社會(huì)中圖像增強(qiáng)技術(shù)將會(huì)發(fā)揮更為重要的作用。圖像的清晰化方法具體可分為圖像增強(qiáng)和圖像恢復(fù)兩種 ,本文主要針對圖像增強(qiáng)的方法進(jìn)行研究。近年來，隨著電子計(jì)算機(jī)技術(shù)的進(jìn)步，計(jì)算機(jī)圖像處理得到了飛躍的發(fā)展，己經(jīng)成功的應(yīng)用于幾乎所有與成像有關(guān)的領(lǐng)域，并正發(fā)揮著相當(dāng)重要的作用。 學(xué)號： 畢 業(yè) 論 文 課 題 霧天圖像增強(qiáng)算法研究 學(xué)生姓名 ___ ___ ____ 系 別 ____ 電氣工程系 _________ 專業(yè)班級 ____ 09 通信（ 1）班 __ _____ 指導(dǎo)教師 ___ _______ 二 0 一 三 年 六 月 銅陵學(xué)院畢業(yè)設(shè)計(jì) I 目 錄 摘 要 ................................................................................................................................... III Abstract ........................