【正文】 ，其主要應(yīng)用是視頻監(jiān)控 、 地形勘測(cè)和自動(dòng)駕駛等領(lǐng)域，因此，自動(dòng)性和實(shí)時(shí)性就成為了這些研究關(guān)注的重點(diǎn) 。 文獻(xiàn)綜述 1． 引言 近年來(lái)，隨著計(jì)算機(jī)軟硬件技術(shù)的不斷發(fā)展，對(duì)有霧天氣圖像的景物影像進(jìn)行去霧處理已經(jīng)成為可能，這反過(guò)來(lái)又對(duì)去霧圖像的清晰度和真實(shí)感提出了新的要求 。 4．統(tǒng)一用 A4 紙，并裝訂單獨(dú)成冊(cè)，隨《畢業(yè)設(shè)計(jì)說(shuō)明書(shū)》等資料裝入文件袋中。 2．開(kāi)題報(bào)告內(nèi)容必須用黑墨水筆工整書(shū)寫(xiě)或按此電子文檔標(biāo)準(zhǔn)格式（可從教務(wù)處網(wǎng)頁(yè)上下載）打印，禁止打印在其它紙上后剪貼，完成后應(yīng)及時(shí)交給指導(dǎo)教師簽署意見(jiàn)。 畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告 題 目： 圖像去霧 技術(shù)研究 學(xué) 院： 電氣 信息學(xué)院 專(zhuān) 業(yè)： 電子信息工程 學(xué)生姓名： 劉梁 學(xué) 號(hào)： 202001030224 指導(dǎo) 老 師： 張可為 2020 年 3 月 21 日 開(kāi)題報(bào)告填寫(xiě)要求 1．開(kāi)題報(bào) 告（含“文獻(xiàn)綜述”）作為畢業(yè)設(shè)計(jì) 答辯委員會(huì)對(duì)學(xué)生答辯資格審查的 依據(jù)材料之一。此報(bào)告應(yīng)在指導(dǎo)教師指導(dǎo)下，由學(xué)生在畢業(yè)設(shè)計(jì) 工作前期內(nèi)完成，經(jīng)指導(dǎo)教師簽署意見(jiàn)及所在專(zhuān)業(yè)審查后生效。 3．“文獻(xiàn)綜述”應(yīng)按論文的格式成文，并直接書(shū)寫(xiě)（或打?。┰诒鹃_(kāi)題報(bào)告第一欄目?jī)?nèi)，學(xué)生寫(xiě)文獻(xiàn)綜述的參考文獻(xiàn)應(yīng)不少于 10 篇（不包括辭典、手冊(cè)），其中至少應(yīng)包括 1 篇外文資料；對(duì)于重要的參考文 獻(xiàn)應(yīng)附原件復(fù)印件，作為附件裝訂在開(kāi)題報(bào)告的最后。 畢 業(yè) 設(shè) 計(jì) 開(kāi) 題 報(bào) 告 1．文獻(xiàn)綜述：結(jié)合畢業(yè)設(shè)計(jì) 課題情況，根據(jù)所查閱的文獻(xiàn)資料，每人撰寫(xiě) 2500 字 以上 的文獻(xiàn)綜述，文后應(yīng)列出所查閱的文獻(xiàn)資料。 在霧天情況下，由于場(chǎng)景的能見(jiàn)度 降低，圖像中目標(biāo)對(duì)比度和顏色等特征被衰減，致使室外視頻系統(tǒng)無(wú)法正常工作，因此需要在視頻圖像中消除霧氣對(duì)場(chǎng)景圖像的影響 。 本文即在分析和借鑒了若干計(jì)算機(jī)視覺(jué)領(lǐng)域的研究成果的基礎(chǔ)上，從圖像處理和物理模型的研究角度，對(duì)圖像去霧技術(shù)進(jìn)行了綜述性的介紹，并給出了這一領(lǐng)域的最新研究進(jìn)展 。 霧天圖像的增強(qiáng)方法不考慮圖像降質(zhì)原因，適用范圍廣，能有效地提高霧天圖像的對(duì)比度，突出圖像的細(xì)節(jié)，改善圖像的視覺(jué)效果，但對(duì)于突出部分的信息可能會(huì)造成一定損失 。 這種方法針對(duì)性強(qiáng)，得到的去霧效果自然，一般不會(huì)有信息損失，處理的關(guān)鍵點(diǎn)是模型中參數(shù)的估計(jì) 。 基于物理模型的霧天圖像復(fù)原方法則包括基于偏微分方程的霧天圖像復(fù)原 、 基于深度關(guān)系的霧天圖像復(fù)原和基于先驗(yàn)信息的霧天圖像復(fù)原 。 基于圖像處理的霧天圖像增強(qiáng) 全局化的圖像增強(qiáng)方法 全局化的霧天圖像增強(qiáng)方法是指對(duì)灰度值的調(diào)整是由整幅霧天圖像的統(tǒng)計(jì)信息決定的，與被調(diào)整點(diǎn)所處的區(qū)域無(wú)關(guān) 。 典型的全局化霧天圖像增強(qiáng)方法主要有 6 種 。 該方法的基本思想是把有霧圖像的直方圖變換為均勻分布的形式，這樣就增加了像素灰度值的動(dòng)態(tài)范圍從而達(dá)到增強(qiáng)霧天圖像整體對(duì)比度的效果 。 2) 同態(tài)濾波算法 。 該方法及其推廣在 彩色圖像增強(qiáng)方面得到了廣泛的應(yīng)用［ 5］ 。 小波與多尺度分析在對(duì)比度增強(qiáng)上的應(yīng)用取得了很大進(jìn)展 。 4) Retinex 算法 。 近年來(lái)受到研究者的很大關(guān)注，包括單尺度 Retinex 算法( SingleScale Retinex， SSR ) 和多尺度 Retinex 算法 ( MultiScale Retinex， MSR) 的應(yīng)用都取得了很大的成功 。 5) 曲波變換 。 Brian Eriksson 利用曲波變換的優(yōu)勢(shì)，采用基于曲波的消失點(diǎn)檢測(cè)對(duì)霧天圖像進(jìn)行了自動(dòng)去霧處理［ 8］ 。 該方法的原理是 : 首先通過(guò)對(duì)大氣調(diào)制傳遞函數(shù)的預(yù)測(cè)，近似估計(jì)大氣對(duì)圖像質(zhì)量的退化過(guò)程 。 然后利用大氣調(diào)制傳遞函數(shù)在頻域內(nèi)對(duì)天氣退化圖像進(jìn)行復(fù)原，并對(duì)戶外景物圖像中由大氣調(diào)制傳遞函數(shù)造成的衰減進(jìn)行補(bǔ)償 。 局部化的圖像增強(qiáng)方法 對(duì)于上述全局化的圖像增強(qiáng)方法而言，由于此類(lèi)方法是對(duì)整幅圖像進(jìn)行操作，而且在確定變換或轉(zhuǎn)移函數(shù)時(shí)是基于整個(gè)圖像的統(tǒng)計(jì)量 。 因此，需要根據(jù)所關(guān)心的局部區(qū)域的特性來(lái)計(jì)算變換或轉(zhuǎn)移函數(shù)，并將這些函數(shù)用于所關(guān)心的區(qū)域，以得到所需的增強(qiáng)效果 。 1) 局部直方圖均衡化方法［ 11 － 13］，也稱(chēng)塊重疊直方圖均衡化，是一種標(biāo)準(zhǔn)的自適應(yīng)直方圖均衡化方法 ( Adaptive Histogram Equalization， AHE) 。 此外， Kim 等人提出了非重疊子塊直方圖均衡化的算法［ 14］， Zimmerman 等人提出了插值直方圖均衡化方法［ 15］，翟藝書(shū)等人采用塊重疊直方圖均衡化實(shí)現(xiàn)了對(duì)霧天圖像的清晰化處理［ 16］ 。 在此基礎(chǔ)上， Stark 等人建立了廣義局部直方圖均衡化的數(shù)學(xué)描述，并通過(guò)對(duì)參數(shù) 的調(diào)整很好地實(shí)現(xiàn)了對(duì)均衡化圖像效果的控制 。 該算法求得霧天圖像的局部均值并設(shè)定比例常數(shù)，在霧天圖像的每個(gè)像素位置上根據(jù)變換函數(shù)放大圖像的局部變化 。 該算法將霧天圖像轉(zhuǎn)換到 HIS 色彩空間中進(jìn)行處理 。 該算法通過(guò)有飽和 度分量和亮度分量的局部相關(guān)性來(lái)確定反饋的極性和程度，從而使飽和度反饋算法具有了自適應(yīng)能力 。 該算法通過(guò)計(jì)算并比較局部標(biāo)準(zhǔn)方差的大小來(lái)判斷局部圖像的增強(qiáng)程度，然后以灰度均值為基準(zhǔn)進(jìn)行局部灰度拉伸 。 因此，如何在增強(qiáng)細(xì)節(jié)和抑制噪聲方面找到較好的折中點(diǎn)是該方法需要進(jìn)一步研究的問(wèn)題 。 因此在某些對(duì)圖像的色彩清晰度和對(duì)比度有較高要求的場(chǎng)合，采用偏微分方程的圖像去霧方法得到了廣泛的應(yīng)用［ 17］ 。 這一方法已經(jīng)被廣泛地應(yīng)用到圖像編輯，自然場(chǎng)景圖像景物提取等領(lǐng)域中 。 同時(shí)利用用戶提供的簡(jiǎn)單附加信息消除恢復(fù)中的不確定性，實(shí)現(xiàn)僅從一幅降質(zhì)圖像的去霧恢復(fù) 。 此后，為了消除圖像去霧恢復(fù)的不確定性，基于模糊邏輯的霧天圖像對(duì)比度增強(qiáng)算法得到了研究者們的重視［ 18］ 。 實(shí)踐表明，該算法可以有效提高霧天降質(zhì)圖像的對(duì) 比度，視覺(jué)效果改善明顯 。 基于深度關(guān)系的霧天圖像復(fù)原 降質(zhì)圖像的場(chǎng)景深度信息是復(fù)原霧天圖像的一條重要線索 。 一類(lèi)是假設(shè)場(chǎng)景深度信息已知的方法 。 這種基于物理模型來(lái)復(fù)原場(chǎng)景對(duì)比度的方法使用一個(gè)簡(jiǎn)單的高斯函數(shù)對(duì)場(chǎng)景中的光路進(jìn)行預(yù)測(cè)，取得了較好的復(fù)原效果，并且不需要天氣預(yù)測(cè)信息，但此方法需要雷達(dá)裝置獲取場(chǎng)景 深度 。 Narasimhan 等人從多個(gè)不同角度對(duì)提取場(chǎng)景深度信息的方法進(jìn)行了研究 。 利用不同散射光的偏振特性，通過(guò)不同方向上的偏振光恢復(fù)場(chǎng)景深度信息［ 22 － 24］ 。 通過(guò)交互式景深估計(jì)算法以及已知的 3D 模型來(lái)獲取場(chǎng)景點(diǎn)深度［ 26］，例如 Kopf 方法即是