《基于同态滤波的图像去雾方法本科毕业论文》由会员分享，可在线阅读，更多相关《基于同态滤波的图像去雾方法本科毕业论文（88页珍藏版）》请在金锄头文库上搜索。
1、 . . . 本科毕业设计（论文）题目： 基于同态滤波的图像去雾方法基于同态滤波的图像去雾方法 摘 要在雾霭等天气条件下获得的图像，模糊不清、颜色失真，影响视觉效果。因此有必要对图像进行去雾研究。图像去雾是通过一定的手段去除图像中雾的干扰，达到快速有效的去雾和清晰度恢复的作用，从而得到高质量的图像。 图像去雾的方法众多，同态滤波是一种在频域中进行的图像对比度增强和压缩图像亮度围的特殊滤波方法。这种方法能减少低频并增加高频，即尽量保留低频中的灰度级（保存图像原貌），又锐化细节，从而达到去雾的效果。本文把基于同态滤波的去雾算法，与全局均衡化的图像去雾算法等方法进行对比，借鉴其他算法的优点，优化同态
2、滤波算法，使图像去雾效果更加理想。实验结果表明，同态滤波能较好的锐化细节，同时保持原图概况。若要使图片达到更好的清晰度，需结合多种算法，叠加运行。 关键词：图像去雾；图像增强；同态滤波；直方图均衡化Image defog method based on the method of image filterinAbstractThe image obtained in bad weather conditions such as fog, blur, color distortion, visual effects.Therefore, it is necessary to study imag
3、es defogging.Images defogging is through a certain means of removing fog interference and achieve rapid recovery of fog and clarity of role, resulting in high quality images.Homomorphic filtering is an image in the frequency domain of contrast enhancement and special filtering method of image bright
4、ness range, homomorphic filtering can reduce the frequency and increase the frequency, that is, try to keep the low frequency of gray levels (save the original image) and sharpen details, so as to achieve the effect of fog. This fog based on homomorphic filtering method, and global equalization algo
5、rithm for images defogging method compares the advantages of other algorithms, optimizing the homomorphic filter algorithm, making the image to fog effect is more ideal. Experimental results show that the homomorphic filtering can be used to sharpen detail, while keeping the original profile. To mak
6、e the image better definition, should be combined with a variety of algorithms, stacking operation.Key words: image, image enhancement, image enhancement, image enhancement, image enhancement, histogram equalization.目录1引言11.1课题研究的背景和意义11.2图像去雾的研究历史和发展现状21.3本文主要研究容和结构安排31.3.1本文主要研究容31.3.2本文结构安排32图像去雾
7、概述52.1图像去雾的概念52.2图像去雾的分类52.2.1基于物理模型的方法62.2.2基于非物理模型的方法82.3图像去雾的应用123基于同态滤波的图像去雾方法133.1同态滤波概念与定义133.2同态滤波的原理133.3同态滤波的操作的基本流程134实验结果184.1灰度版184.2彩色版204.3实验结果分析与评价225评价与改进245.1 直方图245.2 暗通道265.3 改进295.3.1 红外处理295.3.2红外与同态滤波结合优化295.3.3 实验结果图30结论31致33参考文献34附录37外文资料翻译与原文48 / 1引言 图像去雾是图像处理中一个不可缺少的环节，在遥感、
8、航拍、水下图像分析、户外视频、日常照片、处理等诸多方面有着广泛应用。本章对图像去雾的技术进行介绍，并着重阐述基于同态滤波的图像去雾方法，深入研究了基于同态滤波的图像去雾方法，对雾天退化图像的增强进行了实验验证。同时也增强了雾天降质图像的对比度和色彩保真度，提高了户外成像系统在雾霭等天气下工作的稳定性和可靠性。本章简要介绍了图像去雾处理的背景与意义，图像去雾的国外研究现状，并给出了本文的主要研究容。1.1课题研究的背景和意义众所周知，雾和霾是一种常见的天气现象，在雾霾条件拍摄的图片就不是很清晰，因此有必要对图像进行去雾研究。图像去雾技术是通过一定的手段去除图像中雾的干扰，从而得到高质量的图像，以
9、便于得到满意的视觉效果并获取更多有效的图像信息。图像去雾技术是图像处理领域一个重要的研究分支。因其具有跨学科、前沿性以与应用前景广阔等特点，而备受国外的大批研究者的关注，目前已成为计算机视觉和图像处理领域的研究热点。同时作为一门新兴学科，由于去雾问题涉与到天气条件的随机性与复杂性，使得人们研究的起步比较晚，只有二十年的研究历程。目前虽然有新方法大量涌现，但几乎每一种方法都有一定的局限性，也都处于不断的发展中。一些己取得的研究成果虽然在某一方面得到大家的认可，但还是需要完善和改进。因此，为提高雾天退化图像的质量，需要寻找有效的办法来减少或去除雾的影响。1.2图像去雾的研究历史和发展现状 图像去雾
10、技术一个跨学科的前沿性课题，具有广阔的应用前景，近几年来已经成为计算机视觉和图像处理领域研究的热点问题之一，吸引了国外很多研究人员的兴趣。该技术主要应用于计算机视觉的初级阶段，是目标检测与跟踪、目标分类与识别、目标行为分析与理解等中、高级阶段的基础。 图像去雾技术的研究工作开展较晚，尽管国外研究机构已经取得了一定的研究成果，然而仍有待完善。研究最早可追溯到1992年LBissonnette等人针对雾和雨天气下所做的图像去雾处；随后，John P.Oakley等人针对恶劣天气下航拍降质彩色图像进行了去雾处理，并取得一定的研究成果。后来，McCartney对不同天气条件下大气粒子的类型、大小和浓度
11、进行了研究。Nayar和Narasimhan对大气粒子的类型、大小和浓度造成各种天气的成因进行了简单分析。Garg等人提出雨滴动力学模型，利用模型约束来区分雨和其他类型的信号，有效地检测并去除复杂场景中的雨滴。 与国相比，国外的研究工作开展较早，且研究机构较多。在国外著名的研究机构中，美国国家航空航天局（NASA）的Langley研究中心（LRC）深人研究基于邻域（surround-based）的Retinex算法，对雾、烟、水下和夜晚图像进行增强，并将其算法嵌人DSP便携式图像增强视觉系统中，处理分辨率为256256的灰度图像可达到30帧s,基本满足实时性的要求；哥伦比亚大学的计算机视觉实验
12、室研究如何利用不同天气条件下同一场景的多幅图像来恢复清晰图像，并建立了不同天气条件下同一场景的WILD（Weather and Illumination Database）数据库；以色列的联合成像实验室；研究基于偏振滤波的方法，该方法对大气成像和水下成像均适用；曼彻斯特大学电气和电子工程学院的传感、图像和信号处理组在图像对比度恢复方面进行了长期的研究，英国Dmist公司在此研究基础上开发了商业产品C1earVue。 在国的研究机构中，微软亚洲研究院与中文大学（Chinese University ofHong Kong）信息工程系的多媒体实验室合作，研究基于数据假设的单幅图像去雾方法，其成果较
13、为显著，但与实际应用仍存在较大差距。其他研究所和高校的相关研究工作尚处于进一步发展中。现阶段，比较优秀的去雾手段，都是根据每种算法的优、缺点，进行优势结合。一般而言，良好去雾效果都要复合几层算法进行叠加，例如，基于同态滤波的红外图像增强新方法。先对原红外图像自适应中值滤波，既保留了原有图像细节，又去除噪声。1.3本文主要研究容和结构安排1.3.1本文主要研究容 本文介绍基于同态滤波的图像去雾方法。将基于同态滤波的去雾图像，与经全局均衡化直方图的图像去雾算法、暗通道去雾算法等方法进行对比，借鉴其红外技术的优点，优化同态滤波算法，使得图像去雾效果更加理想。1.3.2本文结构安排本文共分为五个部分。
14、具体结构如下：第一部分 绪论。主要介绍了图像去雾的研究背景和意义、国外研究现状、发展前景以与本文的主要研究容。第二部分 图像去雾原理与技术。主要介绍了图像去雾的基本原理、基本特征和图像去雾的分类，归纳了图像去雾的典型算法以与主要应用。第三部分 研究基于同态滤波的图像去雾方法。第四部分 实验结果。第五部分 实验方法评价与改进。 第六部分 对本文进行总结。2图像去雾概述2.1图像去雾的概念 图像去雾技术（雾、霆等类似大气粒子的散射现象均可用米氏散射理论描述，为了描述的方便，简称为去雾）的主要任务是去除天气因素对图像质量的影响，从而增强图像的视见度。2.2图像去雾的分类 图像去雾技术在经过近20年的
15、研究发展中，经过国外研究学者们的努力，已经形成了许多可应用于实践的技术方法。目前的主流方向是通过物理模型和非物理模型展开的。依据是否依赖大气散射模型，将现有的方法分为两类：基于物理模型的方法（MB）和非物理模型的方法（NMB）。基于物理模型的方法即是图像复原方法，基于非物理模型的方法即是图像复原方法。 雾天图像复原是研究雾天图像退化的物理机制，并建立雾天退化模型，反演退化过程，补偿退化过程造成的失真，以便获得未经干扰退化的无雾图像或无雾图像的最优估计值，从而改善雾天图像的质量。这种方法针对性强，得到的去雾效果自然，一般不会有信息损失，处理的关键点是模型中参数的估计。雾天图像的增强方法不考虑图像退化原因，适用性广，能有效地提高雾天图像的对比度，增强图像的细节，改善图像的视觉效果，但对于突出部分的信息可能会造成一定损失。对于每一类方法，按照去雾方法的相似性进一步归纳为不同的子类方法：基于图像处理的雾天图像增强方法分为全局化的图像增强方法和局部化的图像增强方法；基于物理模型的雾天图像复原方法则包括基于偏微分方程的雾天图像复原、基于深度关系的雾天图像复原和基于先验信息的雾天图像复原。 下图详细描述了这种分类层次：图2.1 图像去雾方法
