《视频监控与视频分析第四章数字图像》由会员分享，可在线阅读，更多相关《视频监控与视频分析第四章数字图像（106页珍藏版）》请在金锄头文库上搜索。
1、第三章数字图像处理基本概念（续）雾化图像的处理方法 调研与实现 10948180 王闯奇 10948848 王雪 2010年6月22日Why来源于爬山雾化图像监测监控智能导航目标跟踪智能车辆对于图像的去雾恢复算法主要分为两类一类是基于图像增强图像增强的方法，基于移动模板的直方图均衡化技术。由于图像的质量降低与场景点到成像传感器的距离成指数关系，因此这种假设场景景深不变的图像增强技术不能很好地对雾化图像去雾恢复。另一类是基于大气散射物理模型大气散射物理模型的方法。这类方法基于大气散射规律，建立了图像退化模型，充分利用了退化的先验知识，具有内在的优越性。不足的是这类方法一般需要求得场景深度或大气条
2、件信息。如果知道精确的场景深度与大气条件信息，可以较容易地恢复出理想图像的色彩与对比度。Grewe 等人采用将多幅模糊图像进行小波融合的清晰化方法。Oakley 等人在多种假设的情况下，构造了一个多参数的退化模型，并通过统计模型估计退化模型参数，该算法只是用于灰度图像。Tan 等人对原算法进行改进，应用于彩色图像，但是该算法需要精确的场景深度信息，这就对硬件设备提出了更高的要求，该算法是采用安装了全球定位系统，雷达高度计，以及惯性导航系统的直升飞机进行信息采集。Nayar 等人简化大气传播原理，总结出两个主要传输模型，基于该模型，Narasimhan 通过两幅不同气象条件下拍摄的两幅雾化图像，
3、计算出场景的深度变化边缘，然后根据退化模型计算出场景中每一点的相对辐射度，从而实现清晰化。Narasimhan又提出了一种基于单幅图像的交互式复原算法，但是他需要指定场景的最大深度以及最小深度，同时也需要指定决定雾薄厚的散射系数。Jian Sun 等人将雾中退化图像看作是前景(雾)和背景（清晰图像）的融合，通过求解泊松方程将前后景区分，从而达到清晰化的目的。在国内，祝培等人采用局部直方图均衡化方法，改善全局直方图均衡化的缺陷来进行图像去雾处理，但由于该方法的子图像的选取，容易导致块效应，效果不是很理想。雾化图片的处理过程：原始清晰图像f(x,y) 退化（雾化） 图像 g(x,y) 最优估计图像
4、f(x,y)雾化衰减机制的物理建模直接(衰减)传播(attenuation）是指反射于场景中物体表面的光能在到达传感器的过程中被大气粒子的散射作用而衰减的过程。天空光(airlight)是指太阳光能直接被大气中的悬浮粒子散射到达传感器的过程。根据指数定律，Narasimhan 等人传感器最终获取的场景中每点的光亮度由下式表示：雾化图像处理的两种实现方法介绍：最小失真最小失真意义下雾化图像复原 基于偏微分方程的户外图像 去雾方法对于失真的一般具体形式是w 是一恒正函数。函数f 在所有与约束条件一致的容许集合函数中与p 有最小失真，即：最小是真准则：为了使得f 也是T 中与原始信号f 有最小失真，
5、故应有：对于满足上述条件的失真，如果把f 与f 之间的失真看作是一种距离，则意味着f 是T 中与f 有最短距离的函数，因此，信息论上把这种失真称作是投影失真。事实上，这种性质良好的投影失真是存在的，并且有特定的形式,当且仅当 h(y,z)具有形式：雾化图像处理的两种实现方法介绍：最小失真意义下雾化图像复原 基于偏微分方程的户外图像 去雾方法基于偏微分方程的户外图像去雾方法全局去雾恢复模型：节将去雾恢复问题形式化求解关于场景景深和图像梯度的偏微分方程，算法由两部分组成：(1) 依据大气散射物理模型，近似计算出降质图像对应的理想图像梯度场；(2) 构建能量泛函，求解偏微分方程，从该梯度场中恢复理想
6、图像。理想图像的恢复可以转化为最小化下面的能量泛函。相应的边界条件定义如下采用变分法对能量泛函求极值，求解出相应的偏微分方程为：去雾恢复中不确定性的消除1.在降质图像中选择一块天空区域获得天空的亮度。如果降质图像为彩色向量图像，则获取了天空色彩向量与色彩方向A (见图中方框区域)。2.为获取图像深度信息，首先选择降质图像灭点沿景深增加方向的近似位置(图中圆点)，场景点的景深与场景点到灭点的图像象素距离成相反关系。局部去雾恢复模型当估计的场景光学深度 小于场景的真实光学深度，不能够完全去雾恢复，图像的对比度仍然较低，如图(c)。 而过高估计将会使恢复图像产生色彩失真，见图(d)。因此，应当尽可能的接近场景的真实光学深度 。为改善全局去雾效果，用户可以选择恢复效果较差的局部区域 进行局部去雾恢复，局部区域的边界。重新定义局部去雾模型的变分问题如下：通常，用户选择的局部区域比较小，求解方程能够快速实现局部去雾恢复。同时，利用偏微分方程良好的边界条件，局部改善的去雾恢复结果可光滑地集成到全局去雾结果中，直至满足用户要求。
