引言
目录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1研究背景及意义 1
1.2国内外研究现状 2
第二章 图像去雾相关技术综述 5
2.1雾的形成原理 5
2.2直方图均衡理论 5
2.2.1 直方图均衡理论概述 5
2.2.2 直方图均衡化的原理 6
2.2.3 直方图均衡算法去雾效果 7
2.3 暗通道先验理论 8
2.3.1 暗通道先验理论概述 8
2.3.2 初步复原图像获取 8
2.3.3 暗通道先验算法去雾效果 9
2.4 Retinex理论 9
2.4.1 Retinex理论概述 9
2.4.2 单尺度Retinex(SSR)算法 10
2.4.3 单尺度Retinex(SSR)算法去雾效果 11
第三章 不同程度户外雾霾图像的去雾效果比较 12
3.1数据集的收集与分类 12
3.2 轻中度雾霾的去雾效果比较 13
3.3 重度雾霾的去雾效果比较 15
3.4 实验结果与分析 18
第四章 基于Matlab的软件系统设计 19
4.1 Matlab功能综述 19
4.2 设计结果及功能展示 20
4.2.1 设计的步骤与结果 20
4.2.2 功能展示 21
第五章 结论与展望 24
5.1 结论总结 24
5.2 展望 24
参考文献 27
致 谢 29
第一章 绪论
1.1 研究背景及意义
科技和生产力的发展推动了人类文明的进步，但随之带来的后果则是空气质量越来越差，空气中灰尘和颗粒物的含量越来越高。这些颗粒物和尘埃与空气中的水滴结合，就产生了生活中常见的雾霾天气。在雾霾的环境下，空气中悬浮着的多种颗粒物会对大气光的正常传播产生干扰，使大气光的传播路径发生散射，导致人们能够采集到的图像的 *51今日免费论文网|www.51jrft.com +Q: ^351916072^ 
对比度和色彩饱和度过低，造成图像产生细节难以辨别、对比度低、清晰度低、颜色偏移与失真等诸多问题[1]，并对采集到的图像在交通、监测等领域的运用产生了极大的影响。随着科技不断地发展，人们将自己的视野扩展到了世界的各个角落，最贴近我们生活的如视频监控系统遍布城市的方方面面，为城市的安全管理和信息采集起到了举足轻重的作用。但近年来随着环境污染，植被破坏等原因，雾霾天气在我们的生活中越来越常见，恶劣的天气条件会大大降低采集图像的质量，对人们的生活带来方方面面的不良影响。为了改善图像的模糊程度，增强图像的清晰度与对比度，方便人们通过图像获取到更多信息，人们可以通过更换更加昂贵高效的硬件设备来获取更加清晰直观的图像，但这样做会大大增加工业生产的成本和投入，因此这并不是一种值得广泛推行的解决方案。
在计算机性能和新技术高速发展的21世纪，使用计算机处理图像的速度和效果都得到了极大地提高，图像处理系统已经作为一种非常基础的系统广泛地存在于我们生活的方方面面。而雾霾天气下数字系统采集图像的对比度和颜色会发生退化，导致这些系统无法正常工作。由于大气散射的作用的存在，在雾霾天气采集的图像质量会显著下降,除了对比度和清晰度的降低,更会影响各类依赖于光学成像仪器的系统工作[2],如监控系统、航拍系统、交通监测系统等。因此,在雾霾天气影响严重的领域中，图像去雾是恢复图像信息的一种基本方法[3]。
随着图像去雾理论与算法的不断扩展与更新，人们不必再执着于使用昂贵的硬件设备以获取清晰度更高、特征明显的图像，转而可以选择使用不同的图像去雾算法实现对不同程度户外雾霾图像进行图像增强。本毕设旨在选择多种具有代表性的图像去雾算法，在实现其算法功能的同时，结合主观评判标准和多种客观评判标准辨别出不同算法对不同程度户外雾霾图像的适用性，并选用合适的软件平台设计一套简易的交互界面，能够实现不同程度户外雾霾图像的实时去雾、保存等功能。
1.2 国内外研究现状
大气光在雾霾环境中传播时，会被雾霾中悬浮着的粒子影响而发生散射作用，导致物体呈现出细节模糊、不清晰等特征，严重降低了人们可以通过这类图像获取到的有效信息数量。正因为这些雾霾严重影响了工业生产甚至是人们的生活，图像去雾技术便应运而生。几十年来，无数的专家学者在图像去雾领域不断开拓创新，不仅图像去雾有关的理论层出不穷，应用于不同场景不同领域的算法也是百花齐放。如今，图像去雾已经成为了一门成熟的学科与研究方向。
目前，图像去雾算法的研究方向主要分为两大类[4]：一类是基于图像本身特征的去雾算法，即图像增强算法；另一类是基于不同物理模型的去雾算法，即图像复原算法。图像增强算法的核心方法是通过计算等多种方法，改善图像本身的对比度，让图像细节得以更清晰地呈现出来，以改善图像的视觉效果的方法进而实现对雾霾图像的去雾。但由于该方法涉及到很多对图像像素值的直接计算，虽然这种方法的实用性很高，但极其容易造成图像信息的损失或者图像过分增强的现象，导致处理后图像的颜色可能会发生一定程度上的失真。该类的典型算法有直方图均衡化算法、Retinex 算法、偏微分方程算法、小波变换算法等，其中，以图像色感一致性为理论基础的 Retinex 算法和广泛运用的直方图均衡算法受到了研究者的广泛关注。
Retinex理论[5]首先被应用于单尺度Retinex算法，后续单尺度Retinex算法的理论被拓展深入，人们对算法的准确性和颜色的保真性提出了更高的要求，由此产生了多尺度Retinex 算法以及在多尺度Retinex算法基础上增加了色彩保真能力的改良后的Retinex算法，并在彩色图像增强领域取得较好成果。大连海事大学的李梦蕊等人[6]在带色彩恢复的多尺度Retinex算法的基础上，通过建立的景深和高斯尺度参数的线性模型实现对亮度分量的自适应 Retinex 去雾处理; 同时，他们采用饱和度自适应线性拉伸算法优化饱和度分量，最终实现雾天图像的自适应处理。过去的Retinex算法使用的高斯滤波器的尺度参数相对固定，所以对不同程度的户外雾霾的处理效果差异很大，而李梦蕊等人根据颜色衰减理论总结出，有雾图像中任意区域的雾气浓度与该区域像素点的亮度和饱和度之差成正相关，并根据不同图像的景深不同，建立了一个景深与滤波器尺度的线性模型。通过对实验数据的线性拟合，得到了关于景深与尺度参数线性模型的系数，由提出的线性模型设计了相应尺度自适应的滤波器，进而实现了算法的自适应去雾。这种算法的另一个特别显著的优点是，该算法的参数不需要过分的人为干涉，设计出的线性模型会自动计算筛选合适的参数值保证算法的正常运行。被这种算法处理后的图像在平均梯度、信息熵等方便都有很显著的提高，具有更好的清晰度。此外，Retinex理论对于夜间图像的去雾也有了一系列的突破，武汉理工大学的唐群芳[7]等人在基于暗通道先验的基础上，利用Retinex理论和Taylor级数展开，提出了一种简单而有效的夜间图像去杂方法命名为“RDT”。即现有的夜间图像去杂方法不能很好地处理颜色偏移和光晕去除。为了解决这些问题，他们首先提出了基于Retinex理论的大气光图像分解方法。首次采用泰勒级数展开法精确估计点态传输图。最后，在后续的图像融合和色彩传递过程中，采用大气光图像和潜在无霾图像相结合得到最终的无霾图像。实验数据显示，此方法对夜间图像的去雾效果十分显著，同时也提出了该算法应用于水下、白天有雾图像的可能性[8]。

原文链接：http://www.jxszl.com/dzxx/dzdq/608998.html