第６期杨万挺，等：滤波器可变的Ｒｅｔｉｎｅｘ雾天图像增强算法９６９
本文算法所采用的可变滤波器优于现有的ＭＳＲ算法的固定滤波器，对不同厚薄的雾天条件下所得的图像及不同景深的雾化区域可以自动选择滤波器参数．同时从图４ｃ的处理结果所对应的直方图中可以看出，本文算法和现有的ＭＳＲ算法处理结果都达
到了拉伸灰度动态范围的作用，但是本文算法处理结果的灰度分布集中在灰度级１００～２００之间，更符合视觉最佳所需要的灰度均值范围．本文通过统计图像的灰度均值来验证灰度分布情况，数据如表１所示．
图４
Ｒ通道的实验结果对比
９７０
计算机辅助设计与图形学学报第２２卷
表１图４中图像灰度均值比较
如表１所示，ＭＳＲ算法处理结果的灰度均值基本上在灰度１００～１３０之间，本文算法处理结果的灰度均值大部分集中在灰度１４０～１７０之间，这个范围比较适合人眼的观察范围．同时本文采用文献［１１］中提出的统计方法来说明图像质量，具体做法如下：将图像分成不重叠的大小相同的子块（一般取５０×５０或６０×６０），然后分别计算每个子块的标准方差Ｓｔｄ。，再将得到的子块标准差整体求平均，得到的平均方差Ｓｔｄ与图像的灰度均值Ｇｒａｙ相乘来得到评价结果．相乘的结果值越大，则图像的质量就越好，这种统计方法同时考虑到了图像的均值与方差．
表２所示为Ｇｒａｙ×Ｓｔｄ的统计结果比较，其中子块取５０×５０．从表２中可以看出，原图的Ｇｒａｙ×Ｓｔｄ值相对小，对应图像的亮度与对比度差，图像质量低．雾天图像经本文算法处理后的质量评价数据均高于ＭＳＲ算法的处理后的图像质量数据，表明本文算法处理后的图像质量比ＭＳＲ算法处理后的质量更高．下面将Ｒ，Ｇ，Ｂ三通道合成彩色图像，结果如图５所示．
表２图４中ＧｒａｙＸＳｔｄ的统计结果比较
图５实验结果对比图从图５中可以看出，本文算法的处理结果不仅
在局部细节方面要优于传统的ＭＳＲ算法，而且在色彩保真方面也要优于传统的ＭＳＲ算法，特别是中雾图中的树丛颜色的保真明显优于ＭＳＲ算法处理的结果．４结论
本文提出的滤波器可变的Ｒｅｔｉｎｅｘ算法是根据
雾天图像雾化程度的分布特征，再结合子块部分重
本文主要介绍基于Retinex理论的雾霭天气图像增强及其实现。并通过编写两个程序来实现图像的去雾功能。 1 Rentinex理论 Retinex（视网膜“Retina”和大脑皮层“Cortex”的缩写）理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统（Human Visual System）的图像增强理论。该算法的基本原理模型最早是由Edwin Land（埃德温?兰德）于1971年提出的一种被称为的色彩的理论，并在颜色恒常性的基础上提出的一种图像增强方法。Retinex 理论的基本容是物体的颜色是由物体对长波（红）、中波（绿）和短波（蓝）光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性，即Retinex理论是以色感一致性（颜色恒常性）为基础的。 根据Edwin Land提出的理论，一幅给定的图像S(x,y)分解成两幅不同的图像：反射物体图像R(x,y)和入射光图像L(x,y)，其原理示意图如图8.3-1所示。 图-1 Retinex理论示意图 对于观察图像S中的每个点(x,y)，用公式可以表示为： S(x,y)=R(x,y)×L(x,y) （1.3.1） 实际上，Retinex理论就是通过图像S来得到物体的反射性质R，也就是去除了入射光L的性质从而得到物体原本该有的样子。 2 基于Retinex理论的图像增强的基本步骤 步骤一: 利用取对数的方法将照射光分量和反射光分量分离，即： S＇(x, y)=r(x, y)+l(x, y)=log(R(x, y))+log(L(x, y))； 步骤二：用高斯模板对原图像做卷积，即相当于对原图像做低通滤波，得到低通滤波后的图像D(x,y)，F（x, y）表示高斯滤波函数： D(x, y)=S(x, y) *F（x, y）； 步骤三：在对数域中，用原图像减去低通滤波后的图像，得到高频增强的图像G （x, y）：
课程设计——图像去雾 一、设计目的 1、通过查阅文献资料，了解几种图像去雾算法，； 2、理解和掌握图像直方图均衡化增强用于去雾的原理和应用； 3、理解和掌握图像退化的因素，设计图像复原的方法； 4、比较分析不同方法的效果。 二、设计内容 采用针对的有雾图像，完成以下工作： 1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直方图； 2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复原图像与原始图像以及直方图均衡化后的图像； 3、分析实验效果； 4、写出具体的处理过程，并进行课堂交流展示。 三、设计要求 1、小组合作完成； 2、提交报告（*.doc）、课堂交流的PPT（*.ppt）和源代码。
四、设计原理 （一）图像去雾基础原理 1、雾霭的形成机理 雾实际上是由悬浮颗粒在大气中的微小液滴构成的气溶胶，常呈现乳白色，其底部位于地球表面，所以也可以看作是接近地面的云。霭其实跟雾区别不大，它的一种解释是轻雾，多呈现灰白色，与雾的颜色十分接近。广义的雾包括雾、霾、沙尘、烟等一切导致视觉效果受限的物理现象。由于雾的存在，户外图像质量降低，如果不处理，往往满足不了相关研究、应用的要求。在雾的影响下，经过物体表面的光被大气中的颗粒物吸收和反射，导致获取的图像质量差，细节模糊、色彩暗淡。 2、图像去雾算法 图像去雾算法可以分为两大类：一类是图像增强；另一类是图像复原。图1-1介绍了图像去雾算法的分类: 图1-1 去雾算法分类 从图像呈现的低亮度和低对比度的特征考虑，采用增强的方法处理，即图像增强。比较典型的有全局直方图均衡化，同态滤波，Retinex 算法，小波算法等等。 基于物理模型的天气退化图像复原方法，从物理成因的角度对大气散射作用进行建模分析，实现场景复原，即图像复原。运用最广泛、
第22卷第10期2010年10月 计算机辅助设计与图形学学报 Journal o f Computer A ided Desig n &Co mputer Gr aphics V ol.22N o.10Oct.2010 收稿日期:2009-11-10;修回日期:2010-04-15.基金项目:中国博士后科学基金资助项目.王多超(1982 ),男,硕士,主要研究方向为数字图像处理;王永国(1965 ),男,学士,副教授,硕士生导师,论文通讯作者,主要研究方向为数值计算、图像处理、数据库应用(ygw ang21@https://www.doczj.com/doc/e812864907.html,);董雪梅(1979 ),女,博士,主要研究方向为小波分析、机器学习及统计分析;胡晰远(1984 ),男,博士研究生,主要研究方向为图像与信号处理、图像配准;彭思龙(1971 ),男,博士,研究员,博士生导师,主要研究方向为小波理论及应用、模式识别、图像处理等. 贝叶斯框架下的单幅图像去雾算法 王多超1),王永国 1)* ,董雪梅2),胡晰远2),彭思龙 2) 1)(安徽大学数学科学学院 合肥 230039) 2)( 中国科学院自动化研究所国家专用集成电路设计工程技术研究中心 北京 100190) (splade2009@https://www.doczj.com/doc/e812864907.html,) 摘要:在有雾天气条件下拍摄的图像,由于光线在传播过程中受到空气中悬浮颗粒的散射,导致图像内容模糊不 清,颜色偏灰白色.为了恢复出清晰的图像,根据大气散射物理模型,利用图像的稀疏先验知识,在贝叶斯框架下提出一种单幅图像去雾算法.该算法用图像梯度稀疏性先验来约束优化结果,并认为图像成像噪声服从零均值的高斯分布,然后用IRL S 方法对其求解.实验结果表明,该算法能够很好地恢复图像的对比度和保持图像的真实颜色,噪声小,便于应用. 关键词:去雾;贝叶斯框架;稀疏先验;大气散射模型中图法分类号:T P391.41 Single Image Dehazing Based on Bayesian Framework Wang Duo chao 1),Wang Yongg uo 1)*,Dong Xuem ei 2),H u Xiy uan 2),and Peng Silo ng 2) 1)(S chool of M athematica l S cie nces ,A nhui Univ er sity ,H e f ei 230039) 2)(N ational A S IC Design Eng ineering Ce nter ,I nstitu te o f A utomation ,Chine se Ac ade my o f S cience s,Beij ing 100190) Abstract :Because o f light scattered by the suspended particles in the atm osphere,pho to graphs taken in the fo gg y day lo ok g ray and are lack of visibility.In order to unv eil the clear imag e s structures and colors,w e pr opo se a new algor ithm based o n the atm osphere scattering m odel using a single imag e and the image sparsity prior in Bayesian framewo rk.The fog remov al r esult is optimized under the constraint of the prior of the image gr adient sparsity and the noise in the fogg y imag e being the normal distributio n w ith zero mean,and then the o ptimization functio n is com puted using the IRLS alg orithm.In our ex periments,the alg orithm has a g ood effect on resto ring the clear image s co ntents and preserving the image s true co lors.T he no ise in the output im age is very w eak that has advantag e for many applicatio ns. Key words :dehazing;Bay esian framew ork;spar sity prior;atmosphere scattering m odel 对户外场景进行普通光学成像时经常会受到有雾天气的影响.在有雾天气条件下,从物体表面反射的光线到达成像设备之前,会受到大气中悬浮颗粒的影响发生散射,散射的程度和悬浮颗粒的种类、大小、形状及其在大气中的聚集程度,即雾的浓度以及光的波长有关[1] .当雾较浓时,成像设备所得到的图像的对比度较低,颜色偏向灰白色,导致图像中的物体辨认不清,直接影响到大多数基于计算机视觉算 法的自动化图像系统的正常工作,如交通运输、户外监视、地形侦测系统等.因此,图像去雾算法的研究有着现实和理论的迫切需要. 在已有的文献中,人们提出了多种去雾方法.一种方法是利用相机附带的偏振光滤波器,以及同一场景点在不同偏振光条件下获得的图像,实现多幅图像去雾[2];该方法的缺点是对动态场景处理效果不好.另一种方法是利用同一场景在不同雾强度下
基于ｍaｔｌab的图像去雾算法详细讲解与实现-附ｍaｔｌａb 实现源代码
————————————————————————————————作者: ————————————————————————————————日期： ?
本文主要介绍基于Retiｎex理论的雾霭天气图像增强及其实现。并通过编写两个程序来实现图像的去雾功能。 1Rentinex理论 Retinex(视网膜“Ｒｅｔina”和大脑皮层“Cortex”的缩写）理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统（Hｕman Viｓual System）的图像增强理论。该算法的基本原理模型最早是由Ｅdｗin Ｌand(埃德温?兰德）于1９7１年提出的一种被称为的色彩的理论，并在颜色恒常性的基础上提出的一种图像增强方法。Ｒeｔｉnex 理论的基本内容是物体的颜色是由物体对长波(红)、中波（绿）和短波（蓝)光线的反射能力决定的，而不是由反射光强度的绝对值决定的;物体的色彩不受光照非均性的影响，具有一致性，即Retｉｎex理论是以色感一致性（颜色恒常性)为基础的。 根据Eｄwin Lanｄ提出的理论,一幅给定的图像S(x,y)分解成两幅不同的图像:反射物体图像R(x,y)和入射光图像L(x,y),其原理示意图如图8.3－1所示。 图-1 Retinｅx理论示意图 对于观察图像S中的每个点(ｘ,y）,用公式可以表示为:? S(ｘ,y）＝R(x，y)×Ｌ(x，y) （1.3．1）实际上，Retinｅx理论就是通过图像S来得到物体的反射性质R，也就是去除了入射光Ｌ的性质从而得到物体原本该有的样子。 2 基于Reｔｉｎｅｘ理论的图像增强的基本步骤 步骤一: 利用取对数的方法将照射光分量和反射光分量分离，即: S'(x，ｙ)=r(ｘ，y)+ｌ(ｘ, ｙ)＝ｌog(Ｒ(ｘ，y))+lｏｇ(Ｌ(x, ｙ))； 步骤二:用高斯模板对原图像做卷积，即相当于对原图像做低通滤波,得到低通滤波后的图像D（x,y）,F(x, y）表示高斯滤波函数： Ｄ（ｘ，y)＝Ｓ(x, y) *F（x, y)； 步骤三:在对数域中，用原图像减去低通滤波后的图像，得到高频增强的图像G （x,ｙ）: G(ｘ,y)=S＇(ｘ, y)－log(D(ｘ, ｙ)) ;
第16卷第4期2011年4月 中国图象图形学报Journa l o f I m age and G raphics V o.l 16,N o .4 A pr .,2011 中图法分类号:TP391.41 文献标志码:A 文章编号:1006-8961(201104-0516-06 论文索引信息:郭璠,蔡自兴,谢斌唐琎.单幅图像自动去雾新算法[J].中国图象图形学报,2011,16(4:516-521 收稿日期:2010-01-06;修回日期:2010-02-10基金项目:国家自然科学基金项目(。 第一作者简介:郭璠(1982 ,女。中南大学计算机应用技术专业博士研究生,主要研究方向为数字图像处理、虚拟实验环境等。E-m ai:l guofancs m 。 单幅图像自动去雾新算法 郭璠,蔡自兴,谢斌,唐琎 (中南大学信息科学与工程学院,长沙 410083 摘要:针对雾天拍摄图像的退化现象,提出一种针对单幅图像的自动去雾新算法。该算法先将有雾图像从RGB 转换到Y CbC r 颜色空间后,再在亮度分量上进行多尺度R eti nex 处理,所得的亮度图在图像清晰度评价指标的调控下经过反色变换和中值滤波即可求得传播图,并进一步得到清晰化后的复原图像。实验结果表明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。 关键词:雾;清晰化;亮度分量;R e ti nex 算法;图像清晰度评价指标 New algorith m of auto m atic haze re moval for single image Guo Fan ,Ca i Zi x ing ,X i e B i n ,Tang Ji n
I=imread('1.jpg'); R = I(:, :, 1); G = I(:, :, 2); B = I(:, :, 3); R0 = double(R); G0 = double(G); B0 = double(B); [N1, M1] = size(R); Rlog = log(R0+1); Rfft2 = fft2(R0); sigma1 = 128; F1 = fspecial('gaussian', [N1,M1], sigma1); Efft1 = fft2(double(F1)); sigma2 = 256; F2 = fspecial('gaussian', [N1,M1], sigma2); Efft2 = fft2(double(F2)); sigma3 = 512; F3 = fspecial('gaussian', [N1,M1], sigma3); Efft3 = fft2(double(F3)); DR0 = Rfft2.* Efft1; DR = ifft2(DR0); DRlog = log(DR +1); Rr1 = Rlog - DRlog; DR0 = Rfft2.* Efft2; DR = ifft2(DR0); DRlog = log(DR +1); Rr2 = Rlog - DRlog; DR0 = Rfft2.* Efft3; DR = ifft2(DR0); DRlog = log(DR +1); Rr3 = Rlog - DRlog; Rr = (Rr1 + Rr2 +Rr3)/3; a = 125; II = imadd(R0, G0); II = imadd(II, B0); Ir = immultiply(R0, a); C = imdivide(Ir, II); C = log(C+1); Rr = immultiply(C, Rr); EXPRr = exp(Rr); MIN = min(min(EXPRr)); MAX = max(max(EXPRr)); EXPRr = (EXPRr - MIN)/(MAX - MIN); EXPRr = adapthisteq(EXPRr); Glog = log(G0+1); Gfft2 = fft2(G0); DG0 = Gfft2.* Efft1;
2015，51（21）Computer Engineering and Applications 计算机工程与应用1引言雾或霾是一种常见的自然现象，这是由于空气中存在着灰尘，烟雾等悬浮颗粒，它们对场景中的反射光产生吸收和散射作用从而导致场景的可见度降低、颜色失真。雾的存在会大幅降低图像场景的可见性，使得目标的可辨识度降低，影响对图像内容的分析与辨别，所以它成为很多计算机视觉应用如视频监控、遥感、导航、目标识别等需要解决的重要问题。尤其对于未知场景的深度信息，单幅雾天降质图像增强仍面临挑战。目前单幅雾天图像复原算法中，传统的对比度增强算法如直方图均衡化[1-4]、线性映射、Retinex 方法[5-6]等不能达到很好的去雾效果而且会造成颜色失真，无法满足 实际应用的要求。由于大气散射与距离有关，所以图像退化程度是随空间变化而变化的。为了提取雾天图像的深度信息，人们在去雾时使用附加信息或者多幅图像。近几年来，学者们提出了一些基于先验知识的单幅图像去雾算法。Tan 等人[7]发现晴天图像的对比度比雾天图像要高，因此为了增强图像的可见性，将复原图像的局部对比度最大化，但这种方法使复原图像的颜色过于饱和。Fattal 等人[8]通过假设传输率和目标表面阴影 部分不相关而首次估计出场景反射率，进而得出空气光的传输率。由于该算法需要足够多的颜色信息，因此不基于引导滤波器的单幅雾天图像复原算法 楚君，王华彬，陶亮，周健 CHU Jun,WANG Huabin,TAO Liang,ZHOU Jian 安徽大学计算机科学与技术学院，合肥230601 School of Computer Science and Technology,Anhui University,Hefei 230601,China CHU Jun,WANG Huabin,TAO Liang,et al.Novel algorithm for single haze image restoration based on guided image https://www.doczj.com/doc/e812864907.html,puter Engineering and Applications,2015,51（21）：155-160. Abstract ：The single image dehazing method based on median filtering neither effectively preserves edges of haze image nor truly reflects the depth of the scene information.So this paper proposes a method of atmospheric veil correction based on guided image filtering.It gets the initial atmospheric veil through median filtering.It is refined by guided image filter to obtain more accurate atmospheric veil.It removes redundant texture information and brings the depth edge information.The scene radiation is obtained by the atmosphere attenuation model,adjusting the brightness of the restored https://www.doczj.com/doc/e812864907.html,-pared with other existing typical dehazing methods,the method has a better dehazing effect at distant object where depth changes abruptly,and the time complexity of the methods is linear. Key words ：image dehazing;guided image filtering;atmospheric veil correction 摘要：基于中值滤波的单幅图像去雾算法所获取的大气面纱图像不能有效地保留雾天图像的边缘信息，也不能真实地反映场景的深度信息，因此，提出了一种基于引导滤波器的大气面纱修正方法。由中值滤波得到初始大气面纱，使用引导图像滤波器对其进行修正得到较为准确的大气面纱，去除多余的纹理信息的同时增强了雾天图像的边缘信息，由大气散射模型得到场景辐射光即复原图像，并对其进行亮度调整。与其他现有的典型去雾算法相比较，该算法在深度剧烈变化的边缘区域有更好的去雾和增强效果，且时间复杂度为线性。 关键词：图像去雾；引导图像滤波器；大气面纱修正 文献标志码：A 中图分类号：TN911.73doi ：10.3778/j.issn.1002-8331.1407-0376 基金项目：国家自然科学基金（No.61372137）；国家自然科学基金青年科学基金（No.61301295）。 作者简介：楚君（1989—），女，硕士研究生，主研方向为数字信号与图像处理、模式识别；王华彬（1983—），男，博士，讲师，主研方 向为数字信号与图像处理、模式识别；陶亮（1963—），男，博士，教授，主研方向为数字信号与图像处理、模式识别；周健 （1981—），男，博士，讲师，主研方向为信号与信息处理。E-mail ：627639058@https://www.doczj.com/doc/e812864907.html, 收稿日期：2014-07-24修回日期：2014-09-10文章编号：1002-8331（2015）21-0155-06 CNKI 网络优先出版：2015-03-13,https://www.doczj.com/doc/e812864907.html,/kcms/detail/11.2127.TP.20150313.1555.036.html 155
图像去雾霭算法及其实现 电气工程及其自动化 学生姓名杨超程指导教师李国辉 摘要雾霭等天气条件下获得的图像，具有图像不清晰，颜色失真等等一些图像退化的现象，直接影响了视觉系统的发挥。因此，为了有效的改善雾化图像的质量，降低雾霭等天气条件下造成户外系统成像的影响，对雾霭图像进行有效的去雾处理显得十分必要。 本设计提出了三种图像去雾算法，一种是基于光照分离模型的图像去雾算法；一种是基于直方图均衡化的图像去雾算法；还有一种是基于暗原色先验的图像去雾算法。并在MATLAB的基础上对现实生活的图像进行了去雾处理，最后对不同的方法的处理结果进行了简要的分析。 关键词：图像去雾光照分离直方图均衡化暗原色先验
Algorithm and its implementation of image dehazing Major Electrical engineering and automation Student Yang Chaocheng Supervisor Li Guohui Abstract Haze weather conditions so as to obtain the image, the image is not clear, the phenomenon of color distortion and so on some image degradation, directly influence the exertion of the visual system. Therefore, in order to effectively improve the atomization quality of the image, reduce the haze caused by outdoor weather conditions such as imaging system, the influence of the haze image effectively it is necessary to deal with the fog. This design introduced three kinds of algorithms of image to fog, a model is based on the separation of light image to fog algorithm; One is the image to fog algorithm based on histogram equalization; Another is based on the dark grey apriori algorithms of image to fog. And on the basis of MATLAB to the real life to deal with the fog, the image of the processing results of different methods are briefly analyzed. Key words:Image to fog Light separation histogram Dark grey
优先出版 计 算 机 应 用 研 究 第32卷 -------------------------------- 基金项目：福建省自然科学基金项目(2012J01274)；福建省科技计划重点项目(2013H0030)；中央高校基本科研专项(JB-ZR1145) 作者简介：王伟鹏(1989-)，男，福建泉州人，硕士研究生，主要研究方向为图像复原和图像增强(wwp866@https://www.doczj.com/doc/e812864907.html,)；戴声奎(1971-)，男，副教授，博士，主要研究方向为图像处理． 基于域变换递归滤波的雾天图像复原 王伟鹏，戴声奎 (华侨大学 信息科学与工程学院，福建 厦门 361021) 摘 要：为了提高大雾天气下采集图像的对比度和能见度，提出一种基于域变换递归滤波的图像复原方法。该方法在大气散射模型的基础上，首先对大气耗散函数的约束条件进行空间域的变换以实现维数降低，然后经过递归滤波之后获取较准确的结果，最后求解雾图成像方程，并对复原结果进行局部的线性映射调整，获得理想的清晰图像。该方法在场景深度跳变的边缘处可以获得更自然的复原效果，而且能很好地突出图像中的细节信息。实验结果表明，通过该方法得到的结果相比于传统的单幅图像去雾方法，视觉效果更佳、执行速度更快，并且该方法可以并行计算，因此采用GPU 进一步加速能够满足实时处理视频的需求。 关键词：去雾；图像复原；大气散射模型；域变换；递归滤波器；图像增强 中图分类号：TP391 文献标志码：A Haze image restoration using domain transform recursive filter WANG Wei-peng, DAI Sheng-kui (College of Information Science & Engineering, Huaqiao University, Xiamen 361021, China) Abstract: In order to improve contrast and visibility of haze image captured in the foggy weather, this paper proposed an image restoration algorithm using domain transform recursive filter. Based on the atmospheric scattering model, the proposed method firstly reduced the image dimensions of physical constraint through domain transform, and then obtained the accurate atmospheric veil by performing the recursive filter. Finally the clear image was recovered by solving the physical equation of haze image and enhanced by a local linear mapping. The proposed algorithm not only get more natural effectiveness at the edge of places where scene depth changes abruptly, but also effectively highlight detail information of recovered image. Experimental results show that comparing with traditional single image haze removal methods, the proposed method has better visual effect and faster execution speed. Furthermore, the algorithm can be performed in parallel, so it can be accelerated using GPU and satisfy real-time applications. Key Words: haze removal; image restoration; atmospheric scattering model; domain transform; recursive filter; image enhancement 0 引言 户外场景的图像采集通常会受到雾霾天气的影响，悬浮在大气中的颗粒介质对场景辐射以及大气光的散射作用共同导致图像质量的严重退化，对比度、颜色保真度下降，影响人眼或者机器视觉系统对图像信息的提取和分析。因此对雾天图像的去雾研究具有重要的应用价值和意义。 大气中颗粒介质对成像的散射作用随着场景到观测点的距离增大而增加，图像去雾的难点就在于如何准确估计场景深度。目前基于先验知识的单幅图像去雾方法[1-7]成为研究的热点。Fattal [1]假设传输透射率与表面投影是局部不相关的，采用独立分量分析和MRF 模型来复原场景反射光，该方法取决于雾天图像的统计特性，无法处理灰度图像和浓雾图像。He 等人[2,3]提出一种基于暗通道先验的统计规律，用于估计传输透射率，并借 助抠图算法进行修复进而实现图像去雾。该方法对一般户外图像取得了很理想的效果，但算法复杂度较高，执行速度慢。Tarel [4]利用中值滤波的方法估计大气耗散函数，然而中值滤波对边缘保持不佳，且不恰当的参数设置易导致去雾图像在景深突变的边缘处仍有残留雾气。 针对当前算法普遍存在的不足，本文提出一种基于域变换递归滤波[8]的去雾方法。该算法从雾图成像模型出发，对空间域的多维信号进行降维，经过多次迭代滤波之后获得较准确的大气耗散函数，实现有效的图像去雾。和其他方法相比较，本文算法原理简单，处理速度更快，适用性更强，复原图像具有清晰度高、细节丰富、颜色自然的特点。 1 雾图成像模型 在计算机视觉中，Narasimhan 等人[9,10]给出了基于大气散射
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范围的特殊滤波方法。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 filterin Abstract The image obtained in bad weather conditions such as fog, blur, color distortion, visual effects.Therefore, it is necessary to study images 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 brightness 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 algorithm 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 make 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.
编号 图像去雾技术研究 The research on image defogging technology 学生姓名XX 专业电子科学与技术 学号XXXXXXX 学院电子信息工程学院
摘要 本文首先简单介绍了云雾等环境对图像成像的影响，接着从图像增强的角度研究图像去雾技术的基本方法，介绍了去雾算法的原理和算法实现步骤，并对去雾算法的优缺点和适用条件进行了总结。 基于图像增强的去雾原理，本文提出了联合使用同态滤波和全局直方图均衡的改进去雾算法。先进行同态滤波使有雾图像的细节充分暴露，然后采用全局直方图均衡扩展图像的灰度动态范围。去雾效果具有对比度高，亮度均匀，视觉效果好的特点，不足的是图像的颜色过于饱和。 关键字：图像增强图像去雾同态滤波全局直方图均衡
Abstract Firstly, this paper simply introduces the influence of cloud environment of image formation, then from the enhanced image perspective of image to fog technology basic method, is introduced to fog algorithm principle and algorithm steps, and has carried on the summary to fog algorithm advantages, disadvantages and applicable conditions. As for the defogging theory based on the image enhancement, the paper puts forward the improved defogging algorithm which requires combining homomorphic filtering and global histogram equalization. We should use homomorphic filtering to get details of the fogging images clearly exposed and then use global histogram equalization to spread the images’ gray scale dynamic range. Defogging has features of high contrast ratio, uniform brightness and good visual effect. But its drawback is that the image color is too saturated. Key words: image enhancement; image defogging; homomorphic filtering; global histogram equalization;
基于matlab的图像去雾算法详细讲解与实现-附matlab实现源代码
本文主要介绍基于Retinex理论的雾霭天气图像增强及其实现。并通过编写两个程序来实现图像的去雾功能。 1 Rentinex理论 Retinex（视网膜“Retina”和大脑皮层“Cortex”的缩写）理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统（Human Visual System）的图像增强理论。该算法的基本原理模型最早是由Edwin Land（埃德温?兰德）于1971年提出的一种被称为的色彩的理论，并在颜色恒常性的基础上提出的一种图像增强方法。Retinex 理论的基本内容是物体的颜色是由物体对长波（红）、中波（绿）和短波（蓝）光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性，即Retinex理论是以色感一致性（颜色恒常性）为基础的。 根据Edwin Land提出的理论，一幅给定的图像S(x,y)分解成两幅不同的图像：反射物体图像R(x,y)和入射光图像L(x,y)，其原理示意图如图8.3-1所示。 图-1 Retinex理论示意图 对于观察图像S中的每个点(x,y)，用公式可以表示为： S(x,y)=R(x,y)×L(x,y) （1.3.1）实际上，Retinex理论就是通过图像S来得到物体的反射性质R，也就是去除了入射光L的性质从而得到物体原本该有的样子。 2 基于Retinex理论的图像增强的基本步骤 步骤一: 利用取对数的方法将照射光分量和反射光分量分离，即： S＇(x, y)=r(x, y)+l(x, y)=log(R(x, y))+log(L(x, y))； 步骤二：用高斯模板对原图像做卷积，即相当于对原图像做低通滤波，得到低通滤波后的图像D(x,y)，F（x, y）表示高斯滤波函数： D(x, y)=S(x, y) *F（x, y）； 步骤三：在对数域中，用原图像减去低通滤波后的图像，得到高频增强的图像G （x, y）：
Image & Multimedia Technology ? 图像与多媒体技术 Electronic Technology & Software Engineering 电子技术与软件工程? 99 【关键词】图像复原 雨雾天 车牌识别 1 前言 车辆牌照识别技术应用范围广泛，包括：交通流量检测、机场港口出入车辆管理、违章车辆监控、不停车自动收费等。 但是，计算机视觉系统在能见度较低的雨雾天获取的车牌图像严重退化，限制和影响了监控识别效用的发挥。为了实现车牌识别的全天候工作，提高系统在恶劣天气下工作的准确性和可靠性，有必要对雨雾天降质图像进行清晰化处理。 2 图像复原概述 目前国内外对雨雾天车牌识别的研究主要有两种方法：一种是图像复原，另一种是图像增强。我们这里讨论图像复原，近年来，雨雾天图像的复原主要是依据建模去除雨雾的影响，它充分考虑图像质量下降的原因，从根本上分析图像退化与大气散射的关系，从而还原真实的图像。 3 图像复原算法在雾天车牌识别中的意义 目前车牌识别在交通系统得到了广泛应用，在雨雾天获取的车辆图像模糊不清，为了提高有雾天气下车牌的识别率，必须使用特定的算法对车牌图像进行图像复原。例如车辆在恶劣天气下行驶时中不遵守交通规则，会带来交通隐患甚至交通事故，所以对关键道路区域及十字路口车辆的车牌识别是智能交通系统中研究的一个热点。 4 图像复原算法在车牌识别处理中的应用 图像复原要分析和图像退化有关的知识后建立一个物理模型，按照退化的反过程求清晰的原图像。 退化模型的表达式为：I=Jt+A （1-t ） I 指观测强度，J 去雾后的清晰目标，A 是全球大气光成分，t 是透射率。图像去雾的 图像复原在雨雾天车牌识别处理中的应用 文/王丽华 刘伟 张文玺 目标就是从退化图像I 中复原出J 、A 、t 。在此模型中如果能对入射光衰减进行补偿，且消除大气光的影响，就可以复原清晰的场景。这是目前复原雾天图像的核心思想。 4.1 基于物理模型去雾算法研究 目前，基于物理模型的研究成为国内外学者探索的热点。模型的方法主要分为 3 类：基于先验信息、基于偏微分方程、基于深度关系。通过单幅雨雾天图像得到去雾图像是一个病态问题，必须依据充分的假设或先验知识。目前能够快速进行雾霾天气下单幅图像清晰化还原的方法包括： Tan 的单幅图像去雾法、Fattal 的独立成分分析法、何凯明的基于暗通道先验法。下面分别介绍：4.2 Tan的单幅图像去雾 统计发现，无雾图像相对于有雾图像必定有较高的对比度，我们可以用最大化复原图像的局部对比度来达到去雾的目的， Tan 的去雾方法将景物反射出的光强用大气光和反射率的乘积表示： I=Jt+A （1-t ） 这种方法复原后的图像缺点在于会出现颜色过饱和或过增强，且在深度不连续的地方会出现光晕的现象，主要是仅关心图像局部对比度的最大化，而忽视从物理意义上分析退化原因。 4.3 Fattal的单幅图像去雾 Fattal 使用了独立分量分析的方法，从多个信号的线性混合信号中分离出源信号。传输图与物体阴影在局部区域具有不相关性，利用独立分量分析方法估计传输图，最后使用马尔可夫随机场复原物体的颜色。这种方法对于薄雾处理效果很好，对没有颜色的浓雾图像，统计结果存在误差，会影响最终复原结果的正确性。 4.4 He的暗通道先验（DCP）单幅图像去雾 在晴朗天气下拍摄的车牌图像中总存在一些暗点，这些暗点至少有一个颜色通道的值很低。当图像受到雾的干扰时，这些原本很低的值由于受到大气散射光的影响而大幅提高，利用这些点就可以估算出拍摄场景中雾的浓度，并复原出清晰的无雾图像。利用暗原色先验估计传输图，再利用软抠图算法进行修正，可以得到清晰的无雾图像。缺点是软抠图算法需要消耗大量时间，影响整个算法的速度。如果用双边滤波代替软抠图算法获取精细的传输图，可以快速有效的复原图像。4.5 三种基于物理模型的去雾方法比较 这三种方法使用的物理模型都是通过限 制条件或先验知识求未知参数复原图像，不同在于： Tan 方法可以提高局部对比度，但计算量大，速度慢；Fattal 方法估测光线投射参数，可以增加场景可视性和对比度，但需要足够的颜色信息，对浓雾图像的处理结果不明显； He 方法运用暗原色先验法则，按雾气浓度局部修复图像各部分的颜色实现去雾。He 的方法在大多数图片都有较好的表现，但是如果景物亮度较大，找不到图像的暗通道，那么方法就失效了。 5 结语 随着科技的发展，对去雾技术的研究越来越重要。基于图像复原的方法对提高雨雾天交通监控图像质量效果显著，已得到广泛的应用。但是对图像复原在雨雾天车牌识别处理中还有许多工作要做，比如可以建立一定的标准对图像雾雨等级分类，根据不同等级采取不同的图像复原方法。在算法方面，可以考虑在保证图像质量清晰的前提下，提高算法的实时性，这对今后图像去雾在各个领域的应用十分必要。 参考文献 [1]王挥,刘晓阳.利用大气调制传递函数复 原天气退化图像[J].沈阳航空工业学院学报,2006,23(5):94-96. [2]Demirel H,Anbarjafari G.Image resolution enhancement by using discrete and stationary wavelet decomposition[J]. Image Processing, IEEE Transactions on,2011, 20(5):1458-1460.[3]王多超,王永国,董雪梅等.贝叶斯框架 下的单幅图像去雾算法[J].计算机辅助设计与图形学学报,2010,22(10):1756-1761. [4]孙玉宝,肖亮,韦志辉等.基于偏微分方 程的户外图像去雾方法[J].系统仿真学报,2007,19(16):3739-3744. 作者简介 王丽华（1977-），女，山东省人。硕士学位。现为南京工业大学电气工程与控制科学学院中级工程师。主要研究方向为计算机控制、传感器、数字图像处理。 刘伟（1989-），男，江苏省人。南京工业大学电气工程与控制科学学院硕士在读。主要研究方向为电机控制、数字图像处理。 张文玺（1991-），男，甘肃省人。现就读南京工业大学本科。主要研究方向为数字图像处理。 作者单位 南京工业大学电气工程与控制科学学院 江苏省南京市 211816