图像去雾技术研究毕业设计

诚信声明

本人声明：

1、本人所呈交的毕业设计是在老师指导下进行的研究工作及取得的研究成果；

2、据查证，除了文中特别加以标注和致谢的地方外，毕业设计中不包含其他人已经公开发表过的研究成果，也不包含为获得其他教育机构的学位而使用过的材料；

3、我承诺，本人提交的毕业设计中的所有内容均真实、可信。

作者签名：日期：年月日

目录

摘要.............................................................................................................................. I Abstract ......................................................................................................................... II 第1章绪论.. (1)

1. 1 图像去雾技术分类 (2)

1.1.1 基于图像处理的雾天图像增强 (3)

1.1.2 基于物理模型的雾天图像复原 (5)

1.2 常见的去雾方法 (7)

1.2.1 最小失真图像去雾算法 (7)

1.2.2 偏振成像去雾算法 (10)

1.3 本文采用的去雾方法 (12)

1.3.1 简介 (12)

1.3.2 背景 (14)

1.3.3 暗通道先验算法 (15)

1.3.4 利用暗通道先验算法去雾 (16)

第2章MATLAB简介 (19)

2.1 MATLAB 语言的传统优点 (19)

2.2 语言新特点 (19)

2.2.1 数据类型和面向对象编程技术 (19)

2.2.2 控制流和函数类型 (20)

2.3 工作环境 (20)

2.3.1 传统工作环境 (20)

2.3.2 工作环境新特点 (21)

第3章主要程序与图像处理结果 (22)

3.1 流程图 (22)

3.2 具体程序 (23)

3.3 图像处理结果 (27)

结束语 (30)

致谢 (31)

参考文献 (32)

图像去雾技术研究

摘要: 在这篇论文里，我们找到了一个简单有效的去雾算法——暗通道先验算法，来去除单一图像的薄雾。暗通道先验算法是室外无雾图像的一种统计规律。它是基于一个重要的观察结果——室外无雾图像的每一个局部区域在至少一个颜色通道内有很低的值。把这种算法应用在有雾图像的模型中，我们可以直接估计出雾的浓度，并且还原出高品质的无雾图像。许许多多我们处理过的无雾图像展示了我们先前应用的算法是多么的强大。同时，高品质深度图像作为图像去雾的副产品也可以得到。

关键词:图像去雾; 一种统计规律; 暗通道先验算法; 无雾图像

Review of Image Dehazing Techniques

Abstract: In this paper, we propose a simple but effective image prior - dark channel prior to remove haze from a single input image. The dark channel prior is a kind of statistics of the haze-free outdoor images. It is based on a key observation - most local patches in haze-free outdoor images contain some pixels which have very low intensities in at least one color channel. Using this prior with the haze imaging model, we can directly estimate the thickness of the haze and recover a high quality haze-free image. Results on a variety of outdoor haze images demonstrate the power of the proposed prior. Moreover, a high quality depth map can also be obtained as a by-product of haze removal.

Key words: image dehazing;a kind of statistics;dark channel prior; haze-free image

第1章绪论

近年来，随着计算机软硬件技术的不断发展，对有雾天气图像的景物影像进行去雾处理已经成为可能，这反过来又对去雾图像的清晰度和真实感提出了新的要求在雾天情况下，由于场景的能见度降低，图像中目标对比度和颜色等特征被衰减，致使室外视频系统无法正常工作，因此需要在视频图像中消除雾气对场景图像的影响事实上，图像去雾一直是计算机视觉领域研究的重要内容，其主要应用是视频监控地形勘测和自动驾驶等领域，因此，自动性和实时性就成为了这些研究关注的重点本文即在分析和借鉴了若干计算机视觉领域的研究成果的基础上，从图像处理和物理模型的研究角度，对图像去雾技术进行了综述性的介绍，并给出了这一领域的最新研究进展。

随着图像传感器和计算机技术的发展，户外机器视觉系统得到了广泛应用，而恶劣天气(雾、雨、雪)是影响户外视觉系统正常工作最主要的因素。由于大气散射，雾造成图像色彩和对比度大幅下降，直接影响图像特征提取，从而导致以提取图像特征为基础的监控、跟踪、智能导航、智能车辆等视觉应用系统无法正常稳定工作。因此如何从降质图像中去除天气的影响，恢复图像的颜色、对比度已成为目前计算机视觉领域的一个研究热点。对雾天降质图像的复原技术主要有2 类：(1)基于图像增强的方法，通过增强降质图像的对比度满足主观视觉要求。直方图均衡化是图像增强中一种常用的方法，全局直方图均衡化算法虽简单、实时性好，但效果较差。采用局部直方图均衡化方法进行复原处理，但该算法运算量很大，需处理很长时间且效果并不理想。(2)基于物理模型的复原方法，从大气散射角度建立图像的退化模型，并利用先验知识实现场景复原。其特点是需要已知场景深度或大气条件等先验信息作为复原的前提。基于多种假设建立多参数退化模型，通过图像数据和景深等先验信息对模型参数进行估计，实现场景复原。然而该模型要利用雷达等设备获得景深信息，其成本较高、操作不便，难以在现实中广泛应用。通过处理同一场景下至少2 幅不同大气状况的降质图像获得场景的结构和深度信息，恢复了场景的色度和对比度。提出一种交互式的景深估计方法，通过对最大景深和最小景深进行人为指定，得到近似的景深信息，对单幅降质图像实现场景复原。该方法虽然降低了对图像采集的要求，但要通过人工交互处理的办法实现清晰化。从信息论的角度出发，在基于物理模型的基础上提出一种有约束的最优化复原算法，从理论上证实从单幅雾天图像中可自动获取所需部