畢業(yè)論文霧天圖像增強算法研究

1、學號：畢業(yè)論文課題 霧天圖像增強算法研究 學生姓名_ _ _ 系別_ 電氣工程系_專業(yè)班級 _ 09通信（1）班_指導教師_ _ 二0 一三年六月目 錄摘 要IIIAbstractIV第一章 緒論1第二章 霧天圖像增強概述12.1 圖像增強技術12.2 圖像增強技術分類12.3 圖像增強所包含的內容12.4 圖像增強的方法12.5 圖像增強技術發(fā)展狀況22.5.1 圖像增強技術國外發(fā)展狀況22.5.2 圖像增強技術國內發(fā)展狀況3第三章 霧天圖像增強算法13.1介紹13.2 能見度恢復算法23.2.1白平衡23.2.2大氣耗散函數的推導33.2.3保角平滑43.2.4圖像能見度恢復53.2.5適

2、應對比度放大的平滑6專用色調映射63.3比較結果分析及對比73.3.1復雜性73.3.2 定性比較73.4 定量評價83.5應用83.6 結論9第四章圖像增強前景展望10參考文獻11致謝12插圖附表圖3-1 3圖3-23圖3-34圖3-45圖3-55圖3-66圖3-77圖3-87圖3-98霧天圖像增強算法研究摘 要由于大氣的散射作用,霧天的大氣退化圖像具有對比度低、景物不清晰的特點,給交通系統(tǒng)及戶外視覺系統(tǒng)的應用帶來嚴重的影響。因此,霧天低對比度圖像的清晰化研究有著重要的意義。近年來，隨著電子計算機技術的進步，計算機圖像處理得到了飛躍的發(fā)展，己經成功的應用于幾乎所有與成像有關的領域，并正發(fā)揮著

3、相當重要的作用。它利用計算機對數字圖像進行系列操作，從而獲得某種預期的結果。圖像的清晰化方法具體可分為圖像增強和圖像恢復兩種,本文主要針對圖像增強的方法進行研究。本文的研究工作可以為霧天圖像清晰化處理的進一步研究打下良好的基礎。 對圖像進行處理時，經常運用圖像增強技術以改善圖像的質量增強對某種信息的辨識能力，以更好的應用于現代各種科技領域，圖像增強技術的快速發(fā)展同它的廣泛應用是分不開的，發(fā)展的動力來自穩(wěn)定涌現的新的應用，我們可以預料，在未來社會中圖像增強技術將會發(fā)揮更為重要的作用。在圖像處理過程中，圖像增強是十分重要的一個環(huán)節(jié)。本文簡要介紹圖像增強的概念和圖像增強算法的分類，從一個單一的顏色或

4、灰度級圖像的快速能見度恢復，并說明了圖像增強技術的應用和前景展望。關鍵詞：霧天圖像；圖像增強；灰度變換；能見度恢復；灰度級圖像；圖像圓滑Fog image enhancement algorithmAbstractBecause of atmospheric scattering, has the characteristics of low contrast, the scenery is not clear the degraded image fog atmospheric, brings the serious influence to the application of traff

5、ic system and outdoor vision system. Therefore, there is important significance in fog low contrast image clearness of. In recent years, with the advances of computer technology, computer image processing has been rapid development, has been successfully applied to almost all domains related to the

6、formation of image, and is playing a very important role. It is the use of computer for a series of operation on the digital image, so as to obtain some expected results. The image clearness methods can be divided into specific image enhancement and image restoration in two, this paper mainly resear

7、ches the method of image enhancement. The research work of this paper can be a good foundation for the further study of fog image clearness and lay. Image processing, often using image enhancement technology to improve the quality of the images to enhance the ability of identification of certain inf

8、ormation, in order to better applied in the field of modern science and technology, image enhancement technology is widely used with its rapid development is inseparable from the stable, the motive force of the development of emerging new applications, we can expected in the future society, the imag

9、e enhancement technology will play a more important role. In the process of image processing, image enhancement is an important aspect of. This paper briefly introduces the concept and image enhancement algorithm to enhance the classification, processing method from the image histogram equalization,

10、 histogram normalization processing method and image smoothing method three aspects of image enhancement algorithms are discussed and studied, and the application and prospects of the image enhancement technology.Keyword：Image contrast; Image enhancement; Gray-scale transformation; Visibility restor

11、ation; Grayscale images; The image smooth第一章 緒論在有霧存在的情況下，人們的視線是被霧氣所模糊了，從而使得景物的能見度大大降低，給人們的日常生活帶來了一定的影響。霧天對交通的影響是尤為嚴重的，很多事故的發(fā)生，往往是在大霧天氣。存在大霧天氣時，許多航班或者高速公路因此被迫取消或者被迫封鎖，從而造成交通系統(tǒng)的癱瘓，由此帶來了一定的經濟損失。隨著計算機視覺與圖像處理技術的發(fā)展，一些戶外導航系統(tǒng)的研究與應用也在飛速增長。在霧天或者雨天，戶外的景物圖像的對比度和顏色都會被退化，圖像的本身的一些特征也都會被覆蓋起來，從而變的模糊。因此，霧天圖像增強算法的研究是尤

12、為重要的。眾所周知，霧一般是出現在秋冬的早晨，可是這是為什么呢，那是因為大氣中有懸浮的水汽，它凝結而造成可見性降低。大氣、水分子和空氣中的塵粒在一起,與水分子之間相互結合，就會形成較大的小水滴懸浮在大氣中的半徑較大的小水滴對可見光的散射作用很明顯，是隨距離的增加其散射效應將成指數增長，所以才造成了霧天可見性降低的，所有的景物都被灰霾所遮住，而難以辨別。尋找圖像清晰化處理的有效途徑，在一定程度上減少大氣狀況多人們生活造成的影響。第二章 霧天圖像增強概述2.1 圖像增強技術圖像增強是數字圖像處理的基本內容之一。圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時，削弱或去除某些不需要的信息。這類

13、處理是為了某種應用目的去改善圖像質量，處理的結果更適合于人的視覺特性或機器識別系統(tǒng)，圖像增強處理并不能增加原始圖像的信息，而只能增強對某種信息的辨識能力，使處理后的圖像對某些特定的應用比原來的圖像更加有效。2.2 圖像增強技術分類圖像增強可分成兩大類：頻率域法和空間域法。前者把圖像看成一種二維信號，對其進行基于二維傅里葉變換的信號增強。采用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。具有代表性的空間域算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲。2.3 圖像增強所包含的內容2.4

14、圖像增強的方法圖像增強的方法是通過一定手段對原圖像附加一些信息或變換數據，有選擇地突出圖像中感興趣的特征或者抑制(掩蓋)圖像中某些不需要的特征，使圖像與視覺響應特性相匹配。在圖像增強過程中，不分析圖像降質的原因，處理后的圖像不一定逼近原始圖像。圖像增強技術根據增強處理過程所在的空間不同，可分為基于空域的算法和基于頻域的算法兩大類?；诳沼虻乃惴ㄌ幚頃r直接對圖像灰度級做運算基于頻域的算法是在圖像的某種變換域內對圖像的變換系數值進行某種修正，是一種間接增強的算法。基于空域的算法分為點運算算法和鄰域去噪算法。點運算算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴大圖像動態(tài)范圍，擴

15、展對比度。鄰域增強算法分為圖像平滑和銳化兩種。平滑一般用于消除圖像噪聲，但是也容易引起邊緣的模糊。常用算法有均值濾波、中值濾波。銳化的目的在于突出物體的邊緣輪廓，便于目標識別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統(tǒng)計差值法等。圖像增強的幾個方面及方法：1.對比度變換:線性變換、非線性變換2.空間濾波：圖像卷積運算、平滑、銳化3.彩色變換：單波段彩色變換、多波段彩色運算、HIS4.多光譜變換：K-L變換、K-T變換5.圖像運算：插值運算、比值運算、分形算法2.5 圖像增強技術發(fā)展狀況2.5.1 圖像增強技術國外發(fā)展狀況20世紀20年代圖片第一次通過海底電纜從倫敦傳往紐約。當時人們通過字

16、符模擬得到中間色調的方法來還原圖像。早期的圖像增強技術往往涉及硬件參數的設置，如打印過程的選擇和亮度等級的分布等問題。在1921年年底提出了一種基于光學還原的新技術。在這一時期由于引入了一種用編碼圖像紙帶去調制光束達到調節(jié)底片感光程度的方法，使灰度等級從5個灰度級增加到15個灰度等級，這種方法明顯改善了圖像復原的效果。到20世紀60年代早期第一臺可以執(zhí)行數字圖像處理任務的大型計算機制造出來了，這標志著利用計算機技術處理數字圖像時代的到來。1964年，研究人員在美國噴氣推進實驗室(JPL)里使用計算機以及其它硬件設備，采用幾何校正、灰度變換、去噪聲、傅里葉變換以及二維線性濾波等增強方法對航天探測

17、器“徘徊者7號”發(fā)回的幾千張月球照片進行處理，同時他們也考慮太陽位置和月球環(huán)境的影響，最終成功地繪制出了月球表面地圖。隨后他們又對1965年“徘徊者8號”發(fā)回地球的幾萬張照片進行了較為復雜的數字圖像處理，使圖像質量進一步提高。這些成績不僅引起世界許多有關方面的注意而且JPL本身也更加重視對數字圖像處理地研究和設備的改進，并專門成立了圖像處理實驗室IPL。在IPL里成功的對后來探測飛船發(fā)回的幾十萬張照片進行了更為復雜的圖像處理，最終獲得了月球的地形圖、彩色圖以及全景鑲嵌圖。從此數字圖像增強技術走進了航空航天領域。20世紀60年代末和20世紀70年代初有學者開始將圖像增強技術用于醫(yī)學圖像、地球遙感

18、監(jiān)測和天文學等領域。X射線是最早用于成像的電磁輻射源之一，在1895年X射線由倫琴發(fā)現。20世紀70年代Godfrey N. Hounsfield先生和Allan M. Cormack教授共同發(fā)明計算機軸向斷層技術：一個檢測器圍繞病人，并用X射線源繞著物體旋轉。X射線穿過身體并由位于對面環(huán)中的相應檢測器收集起來。其原理是用感知的數據去重建切片圖像。當物體沿垂直于檢測器的方向運動時就產生一系列的切片，這些切片組成了物體內部的再現圖像。到了20世紀80年代以后，各種硬件的發(fā)展使得人們不僅能夠處理二維圖像，而且開始處理三維圖像。許多能獲得三維圖像的設備和分析處理三維圖像的系統(tǒng)已經研制成功了，圖像處理

19、技術得到了廣泛的應用。進入20世紀90年代，圖像增強技術已經逐步涉及人類生活和社會發(fā)展的各個方面。計算機程序用于增強對比度或將亮度編碼為彩色，以便解釋X射線和用于工業(yè)、醫(yī)學及生物科學等領域的其他圖像。地理學用相同或相似的技術從航空和衛(wèi)星圖像中研究污染模式。在考古學領域中使用圖像處理方法已成功地復原模糊圖片。在物理學和相關領域中計算機技術能增強高能等離子和電子顯微鏡等領域的實驗圖片。直方圖均衡處理是圖像增強技術常用的方法之一。1997年Kim 提出如果要將圖像增強技術運用到數碼相機等電子產品中，那么算法一定要保持圖像的亮度特性。在文章中Kim提出了保持亮度特性的直方圖均衡算法(BBHE)。Kim

20、的改進算法提出后，引起了許多學者的關注。在1999年Wan等人提出二維子圖直方圖均衡算法(DSIHE)。接著Chen和Ramli提出最小均方誤差雙直方圖均衡算法(MMBEBHE)。為了保持圖像亮度特性，許多學者轉而研究局部增強處理技術，提出了許多新的算法：遞歸均值分層均衡處理(RMSHE)、遞歸子圖均衡算法(RSIHE)、動態(tài)直方圖均衡算法、保持亮度特性動態(tài)直方圖均衡算法(BPDHE)、多層直方圖均衡算法、亮度保持簇直方圖均衡處理(BPWCHE)等等。2.5.2 圖像增強技術國內發(fā)展狀況在借鑒國外相對成熟理論體系和技術應用體系的條件下，國內的增強技術和應用也有了很大的發(fā)展?？傮w來說，圖像增強技

21、術的發(fā)展大致經歷了初創(chuàng)期、發(fā)展期、普及期和應用期4個階段。初創(chuàng)期開始于20世紀60年代，當時的圖像采用像素型光柵進行掃描顯示，大多采用中、大型機對其進行處理。在這一時期由于圖像存儲成本高，處理設備造價高，因而其應用面很窄。20世紀70年代進入了發(fā)展期，開始大量采用中、大型機進行處理，圖像處理也逐漸改用光柵掃描顯示方式，特別是出現了CT和衛(wèi)星遙感圖像，對圖像增強處理提出了一個更高的要求。到了20世紀80年代，圖像增強技術進入普及期，此時的計算機已經能夠承擔起圖形圖像處理的任務。20世紀90年代進入了應用期，人們運用數字圖像增強技術處理和分析遙感圖像，以有效地進行資源和礦藏的勘探、調查、農業(yè)和城市

22、的土地規(guī)劃、作物估產、氣象預報、災害及軍事目標的監(jiān)視等。在生物醫(yī)學工程方面，運用圖像增強技術對X射線圖像、超聲圖像和生物切片顯微圖像等進行處理，提高圖像的清晰度和分辨率。在工業(yè)和工程方面，主要應用于無損探傷、質量檢測和過程自動控制等方面。在公共安全方面，人像、指紋及其他痕跡的處理和識別，以及交通監(jiān)控、事故分析等都在不同程度上使用了圖像增強技術。圖像增強是圖像處理的重要組成部分，傳統(tǒng)的圖像增強方法對于改善圖像質量發(fā)揮了極其重要的作用。隨著對圖像技術研究的不斷深入和發(fā)展，新的圖像增強方法不斷出現。例如一些學者將模糊映射理論引入到圖像增強算法中，提出了包括模糊松弛、模糊熵、模糊類等增強算法來解決增強

23、算法中映射函數選擇問題，并且隨著交互式圖像增強技術的應用，可以主觀控制圖像增強效果。同時利用直方圖均衡技術的圖像增強也有許多新的進展：例如提出了多層直方圖結合亮度保持的均衡算法、動態(tài)分層直方圖均衡算法。這些算法通過分割圖像，然后在子層圖像內做均衡處理，較好地解決了直方圖均衡過程中的對比度過拉伸問題，并且可以控制子層灰度映射范圍，增強效果較好。第三章 霧天圖像增強算法31介紹近年來，隨著計算機軟件技術的快速發(fā)展，對霧天圖像增強處理已經成為可能，這反過來也對去除霧圖像的清晰度和真實感提出了新的要求。在有霧存在的情況下，由于場景的能見度是很低的，圖像中目標對比度和顏色等待征被衰減，導致室外視頻系統(tǒng)無

24、法正常工作，因此需要除去霧氣對場景圖像的影響。事實上，圖像去霧一直是計算機視覺領域研究的重要內容，主要應用在地形勘測、視頻監(jiān)控和自動駕駛等領域，因此，自動性和實時性就成為了研究的重點。當處理室外圖像處于霾、霧和濃煙中的時候,圖像逐漸褪去了顏色,也減少了對比度，所以要恢復其清晰場景是一個非常困難的，因為霧天對圖像的影響程度與目標到相機的距離密切相關的。本章主要提出一種從一個單一的顏色或灰度級圖像的快速能見度恢復算法，該算法的只要優(yōu)點就是它的速度，它的復雜度只是圖像像素數的線性函數，它的速度允許能見度恢復應用于實時處理應用例如從車在攝像頭中進行信號，障礙檢測。另一個優(yōu)點就是這種算法可能會同時處理彩

25、色圖像和灰度圖像自界限模糊的存在對象與低霧顏色飽和度的能力。下面就來介紹一下這種算法：在監(jiān)控，智能車輛，遙感系統(tǒng)，圖像的外觀是受天氣條件，如霾，霧和煙等影響的，當有可利用的深度信息，就能利用Koschmieder法則去將大氣因子k和場景深度d的聯(lián)系分開。從而實現去霧。Koschmieder法則如下關系式：在L(x,y)是明顯的亮度像素，d(x,y)是對象相對的距離與固有亮度,Ls是天空的亮度和k表示大氣的消光系數。該模型是直接擴展到彩色圖像采用相同的模型在每個RGB分量，假設一個線性響應一個相機。霧的RST效應是一個指數衰減函數的固有亮度和內在的顏色，因此，降低了對象的對比度和其在場景的可見性

26、。這個第二個效應是增加了一個白色的大氣耗散函數這是該對象的距離d的增函數（x，y）。在圖像霧的存在是普遍性的一種算法設計出現晴朗天氣圖像處理時的一個來源。而不是每個算法從清晰到大霧天氣，它似乎對每個輸入圖像的可見性預處理進行更充分的恢復。這種預處理可以應用于只有當檢測到霧，例如見 4 ，以節(jié)省更多的計算時間。能見度的恢復是一個病態(tài)問題。事實上，大氣的耗散被物體的深度的函數，一個完美的能見度恢復請求對物體的真實顏色估計（）和霧性能（K，Ls）以及深度圖D（x，y）的場景。作為一個結果，提出了基于場景的多圖像的使用方法：在不同的時間 8 或使用不同的偏振過濾器 11 圖像使用圖像。這種方法是非常壓

27、抑的采集和不能用在現有的圖像數據庫。使用多個圖像的一個替代方法是使用圖像場景的一個近似的深度圖，或精確的深度圖時，在 7，2 提出的，6。這些方法更靈活但他們依賴于應用程序或與專家之間的相互作用。在計算機視覺和計算機圖形學領域的知名度恢復算法更詳細的審查，讀者可以參考 1，6 。最近，在 1，12，5 的RST時間，三的方法被提出，它的工作從一個單一的圖像，而不使用任何其他額外的信息來源。在 1 ，該算法是基于顏色的深而無法處理灰度圖像。該算法是計算密集型的。相比之下，在 12 算法并不總是非常飽和的場景達到同樣好的結果，但它有很大的優(yōu)勢是更通用的，因此更容易應用于多種圖像。特別是，它在彩色圖

28、像和灰度圖像的作品。在灰度和彩色圖像的算法也 5 。然而，這兩種算法的缺點是5在處理600×400圖像時，處理時間分別為7分鐘和10至20秒。我們在這里提出了一種新的基于濾波方法的能見度恢復算法。它的速度比 1，12，5 由于它的復雜性是線性函數的輸入圖像的像素數，并能對彩色和灰度圖像達到同樣甚至更好的結果。在2節(jié)中，我們的方法以及快速的能見度恢復算法的詳細步驟和一個變異型和邊緣保持平滑算法具有鈍角角了。3部分為算法 1，12，6比較，5 基于定量評價四彩色圖像，說明了該算法的優(yōu)點和缺點。最后，在第4節(jié)中，興趣的能見度恢復智能車輛車道標志檢測，特別是詳細的。3.2 能見度恢復算法當沒

29、有深度信息是可用的,就不能直接利用Koschmieder定律(1)獨立將大氣因子k和場景深度d的聯(lián)系分開，從而無法實現去霧。于是引入大氣耗損函數的強度，Koschmieder定律可以重改寫成：其中I(x,y)是觀察到的圖像 (灰度或RGB)在像素(x,y)的強度，R(x,y)是圖像在沒有霧的情況下的強度。因此,從上式可以看出，,就不要試圖推斷深度圖d(x,y)，我們將推斷大氣耗散強度V(x,y)。能見度恢復算法因此被分解成幾個步驟:估計Is,從I(x,y) 中推理的V(x,y),從（2）逆求出R(x,y),平滑處理噪聲放大,最后語氣映射。3.2.1白平衡我們假設白平衡在能見度恢復算法前進行處理

30、。當白平衡是正確執(zhí)行時,霧就會變成純白色,這意味著是Is可以設置為(1, 1,1),同時假設輸入圖像I(x,y)歸一化在0和1之間。由于圖像中是有霧的存在,所以白平衡大多是可以簡化為對于白色趨近于圖像平均值。對于一些困難的圖像,這些圖像的光色變化隨著圖像而變化白平衡就近似等于圖像局部平均值,如下圖3-1：圖3-1 白平衡圖像圖1白顏色的數量是黑色的連續(xù)曲線W及其當地平均是黑色虛線。結果V估計通過優(yōu)化(3)為一個較大的值的顯示為紅色的點劃。結果V獲得該方法顯示為綠色緩沖。3.2.2大氣耗散函數的推導圖像恢復的第一步就是推斷大氣耗散函數V(x,y)。由于其物理特性,大氣耗散函數是受到兩個限制條件制

31、約的。當觀測圖像是已知的:它是0V(x,y),并且對于每一個像素是白色的,它就不可能高于I(x,y)中最小的一個元素。我們因此計算W(x,y)= min(I(x,y)，定義為圖像的最小元素I(x,y)為每個像素(灰度或RGB)。W是在觀察圖像I的百度圖像。對于灰度圖像，很顯然有W =I，第二個約束條件是V(x,y)W(x,y)。能見度修復是一個病態(tài)的問題,假設深度圖像是沿邊緣平滑的，除了大深度的跳躍，可以通過最大結果圖的對比度得到正則解。所以這個問題可以變?yōu)?假設大于V(x,y)的是平滑的，最大化 V(x,y)可以寫成一下優(yōu)化問題，其中約束0V(x,y)W(x,y)，參數是控制解決方案的平滑度

32、,是一個遞增的凸函數，允許大的跳躍。(3)式優(yōu)化的運算量太大,我們尋找另一種方式來處理能見度恢復這個問題,從而可以進行實時處理。一個可能性就是在執(zhí)行空間侵蝕。注意到文獻中，第一步是近似于對W進行侵蝕，因為它包含在對每個顏色分量侵蝕即每個分量的最小值。對侵蝕進行試驗，發(fā)現它受到hato的影響。這就是為什么在文獻中要利用進行matting修正。這個問題可以被看作是一個濾波問題。因此，尋找一個合適的濾波器，使其可以用來改善結果的魯棒性。圖3-2從左到右原始圖像,大氣面紗V(x,y)和恢復得到執(zhí)行完整的平滑度、大氣耗散函數V(x,y)和恢復執(zhí)行平滑獲得的大部分的時間(使用參數在這兩種情況下p = 0.

33、95,sv= 41和si = 19)。圖3-3從左到右,原始圖像,圖像和一個變焦修復后使用中值濾波、圖像和一個變焦使用我們命名的中位數過濾器中值沿直線(使用參數在這兩種情況下p = 0.95,sv = 61和si = 1)。(3)式最優(yōu)化在于尋找一個最大體積的函數V(x,y),而V(x,y) 大部分時間都是光滑的，并且低于W(x,y)。在圖1中,紅色點狀不連續(xù)曲線是得到的V(x)，黑色連續(xù)曲線是W(x)。由于受到V(x)W(x)的約束,在圖中間的W(x)使 V(x)在這個位置是相對小的值。這些小的值當當場景中間是相似的距離時，是可以合理的。在這種情況下,這個最小值的存在表明,場景包含色彩弱飽和

34、的對象。相反，這個最小值可能是由于一個黑暗的小和更接近的對象，如一只小鳥。在這種情況下,這個最小值應該考慮在估計局部V的輪廓，所以如在圖1中的綠色曲線必須優(yōu)先考慮，以避免在輪廓周圍存在定量的零。解決這個魯棒性問題，我們提出來推斷V(x,y)是一個W(x,y)的局部均值和局部標準偏之差的百分比。現在要強調可能大跳躍對恢復圖像的重要性，如在圖2中。這個圖顯示了當完全平滑和對大氣耗散函數大部分區(qū)域平滑結果的差異。事實上,如果獲得的大氣耗散函數V(x,y)似乎也不那么不同時,當完全平滑時，會出現不正確的光環(huán)。這意味著當地W(x,y)的局部均值采用平滑算法，從而保持沿邊緣大跳躍。圖1顯示了在黑色點線產生

35、的當地平均水平。為了邊緣保持平滑,利用雙邊濾波器，其比中值濾波器更快，因此W的局部均值可以計算出來,其中sv是中值濾波器中方形窗或者圓形窗的尺寸大小?？紤]到相對紋理區(qū)域可能沒有霧，所以W(x,y)的標準差減去A(x,y)。接著，強化輪廓，這個標準差利用一種更完善的方法。采用對| W(x,y)A(x,y)|進行中值濾波。最后一步給乘上因子p在0、1來控制能見度修復的強度。pB (x,y)的值并不受V的約束,因此其為閥值?？傊?大氣耗散函數通過下面的式子進行推導：其中（4）3.2.3保角平滑計算A，前面用的是經典中值濾波器，中值濾波器可以保持邊緣，但是不能保持拐角。這可能產生后現象，在規(guī)則性場景如

36、城市、建筑物中， sv的值很大，所以提出了一種原始的濾波器，叫做沿線性中值的中值濾波器。該濾波器可以用鈍角保持邊緣和拐角，假設在線性分割Si 中的nv的先驗集合， 1inv不一致的采樣位置已給出，濾波器包含在每一個像素局部處理中。每個分割塊大小是sv。對于每個像素和每個分割塊Si位于當前像素的中間。Si的強度的中值計算的為mi。當mi對每個像素和整個中心的分塊正確修正，經過濾波器后的圖像像素可以計算出來為mi的中值且1inv。圖3-4從左到右,原始圖像,獲得的結果與p = 0.7和sv = 61,p = 0.90和sv = 61,p = 0.98和sv = 61,p = 0.90和sv = 2

37、1(si = 1)。注意恢復太強勁,p = 0.98和太光與p = 0.7?？雌饋砀玫呐cp = 0.9。在右邊,白色斑紋接近車輛被擦除由于太小的價值相比,sv = 21巷標記大小。sv = 61導致更好的結果。圖3-5從左到右,原始圖像,圖像和一個變焦修復后沒有和平滑適應對比放大(sv = 61,p = 0.95和si = 19)。注意jpeg工件軟化。當前的像素是接近邊緣值時,所有mi是接近于當前像素所在的區(qū)域的強度均值I。所以提出的濾波器保護了邊緣。當當前像素接近拐角時， mi值的百分比不接近而等于1-。因此,對于鈍角,這個百分比高于50%,因此mi的中值接近1。這說明相比于沿線性中值中

38、值濾波器保持了邊緣也用鈍角保持了拐角。由于這個性質，線性中值中值濾波器可以應用于其他圖像處理中。圖3顯示了使用中位數的利益劃分中值濾波器(nv = 5)相對于經典的中值濾波器在圖像,看到特別是圍繞trunc樹。還有最后一個濾波器,提出了修復算法不是實時的,但依然是相當快速的使用減少Si3.2.4圖像能見度恢復現在大氣耗散V已經推導出來,恢復原始圖像的色彩可以通過解 (2)得到R:在(4),這兩個參數p、sv用于控制能見度修復。p的值控制恢復的強度，通常設置在95%至90之間。這意味著,90%或95%的數量的大氣耗散被移除。這個參數是有用的，不過有以下問題a)高恢復能見度(當p是接近1時),色彩

39、可能會出現在過飽和太暗； b)低恢復能見度時色彩會不飽和,從而更清晰。圖4所示,在一個灰色級圖像，該參數sv精確假設白目標更大尺寸。任何接近白目標比sv更大的尺寸，可以假定為白色。相反,一個白目標從本質上假設是白色的。這是說明了圖4與白色車道標記在圖片的下方。3.2.5適應對比度放大的平滑在圖像恢復可視性的過程中,大氣耗散函數是很重要的,對比度也是在增加。這同樣會導致噪聲和圖像壓縮后現象的增加。見圖5,原始圖像壓縮使用jpeg,修復后,壓縮工件能見度變得清晰可見。為了軟化噪聲和后現象,因此需要一個局部平滑。這個局部平滑必須符合對比度放大器系數=。標準差的噪聲經過圖像恢復變標準差成的噪聲。通過大

40、小為S*S的窗口進行平均，標準差變?yōu)?。作為結果，標準差、s等于對比度系數的整數部分。這個規(guī)則設置s會在霧區(qū)域產生過大的窗口，因此增加參數si，設置自適應窗口的最大尺寸。在圖5,軟化后現象是由到適應平滑顯示(si = 19)。當si = 1,這表明該效應的改編平滑是取消了。圖3-6從左到右,原始圖像,得到了令人滿意的結果1,我們的結果與p = 0.95,sv = 41和si = 1。專用色調映射前面,我們已經描述了能見度恢復不同的步驟,得到的恢復圖像通常是比原圖像具有更高的動態(tài)范圍。因此，能見度恢復最后一步是色調映射，其對視覺是很重要的。為了得到相對于原圖像沒有太多不同的結果圖，我們利用對原圖像

41、和結果圖的對數形式進行線性映射，這使對應的圖像在圖像的底三層有類似的均值和標準差。由于底部三層通常對應于圖像是無霧部分，所以底部三層很有用的。定義和為原圖像對數形式(I(x,y)在底部三層的均值和標準差, 和是恢復圖像對數形式(R(x,y)在底部三層的均值和標準差。色調映射的第一步是計算。接著將結果圖的高強度動態(tài)范圍利用函數進行壓縮，最終的色調映射圖像T（x,y）通過非線性映射得到，即，其中G（x,y）是U（x,y）的灰度，是G的最大值，且得到的圖像T（x,y）通常在1,255之間。3.3比較結果分析及對比能見度恢復算法是由三個參數:p是百分比的移除大氣耗散函數,sv假定最大大小的白目標圖像(

42、見圖4),si的最大大小自適應平滑軟化噪聲放大恢復(見圖5)。3.3.1復雜性對于尺寸sx×sy的圖像, 所提出的能見度恢復算法的復雜度為O()利用中值濾波器，強力實施時的適應平滑被忽視。利用沿線濾波器的中位數，復雜度為O()。在 9 ，在O的中值濾波器的快速實現O(sxsy)提出了。多虧了這個快速中值濾波,提出了能見度恢復算法的復雜度是O(sxsy), 即，它是一個線性函數的數量的輸入圖像的像素不管SV值。例如，0.17，二是需要得到圖5中的大小為759×574第二圖像(sv = 61和si = 1)。圖3-7從左到右,原始圖像,得到的結果1,我們的結果與p = 0.95

43、,sv = 11和si = 1。圖3-8從左到右,原始圖像和由Kopf&al獲得的結果。法6,1,12,He&al譚。5和我們的算法。http:/perso.lcpc.fr/tarel.jean-philippe/visibility上看到更多的結果。3.3.2 定性比較圖6顯示了 1 和我們的算法得到的結果之間的比較。在第一列是原始圖像，并通過 1得到的結果二。最后一列顯示所得到的結果與p = 0.95,sv = 41和si = 1。第一行顯示的不便我們的算法相比， 1 ：它是不能夠消除小葉子之間的霧。這是由于這樣的事實，我們使用了一個幾何的標準來決定是否觀察到的白是由于大霧

44、或觀察到的對象的顏色。相反，在 1 的標準是基于顏色，因此該算法不能適用于灰度級我們的算法的優(yōu)勢在于它能更好地去除霧底部的第一形象。圖7顯示了一個示例圖像在存在非均勻霧。第一和第二圖像顯示原始圖像和結果得到1。注意第二圖像均勻的綠色與我們的結果。來處理這個形象和消除局部不均勻霧,平滑尺度大氣面紗必須設置為相當小值sv = 11。原始圖像質量好,沒有進行圖像的平滑(si = 1)。圖8允許比較我們的結果與四個先進的可見性的恢復算法:Kopf&al。6,使用3 d信息在現場,法1這是基于色度標準,譚和He&al12。5這是基于幾何判據。注意,我們的算法得到的結果似乎視覺接近結果Ko

45、pf&al獲得的。和He&al。以較少的飽和顏色與棕褐色,由于當地的白平衡預處理。3.4 定量評價定量評估是第四個方法,我們使用該方法專用于能見度恢復提出了3。這種方法計算三個指標e,r¯和允許來比較兩個灰度圖像:輸入圖像和恢復圖像?？梢娺吘壴趫D像修復是選擇之前和之后的對比閾值的5%。這使得計算速度e的邊緣修復后新可見。然后,意味著這些¯r邊緣的梯度比規(guī)范和計算后恢復之前。這個指標r¯估計平均能見度增強得到的恢復算法。最后,像素的比例,完全變成黑色或完全白修復后計算。圖3-9從左到右,原始圖像,地圖的比r在邊緣的梯度可見為棕褐色12和我們的算法,像

46、素地圖變得全黑或全白,褐色和為我們的算法。相應的恢復圖像的最后兩張圖。事實上,如果能見度的恢復算法必須提高反差,人工邊緣不能變得可見。在圖9顯示地圖,比r的在邊緣的梯度為棕褐色和我們可見的算法,可以看到比額外的邊緣出現在天空與棕褐色的算法。這表明該對比增加可能過于強烈。選項卡。3給像素的比例變得全黑或全白,修復后。和其他國家相比,我們的和He&al。算法給最小的百分比。這些攝動像素顯示在白色在圖8為棕褐色和我們的算法。3.5應用可見性的評價真實圖像恢復是很困難的因為沒有引用是可用的。證明提出的利益能見度恢復算法在智能車輛的上下文,在車道標記提取,我們評估結果和無恢復一個數據庫12圖像與

47、真實。12圖像提取兩個不同的序列與霧。每個這些圖片是手動標注車道標記和非車道標記標簽。我們使用經典的評價由接受者操作特征(ROC)曲線完成骰子曲線,以下13。兩個提取算法測試:簡單的全局閾值(GT)和對稱局部閾值(SLT),給最好的結果在比較13。中華民國曲線在圖10顯示了大增益獲得當使用修復與GT算法。算法的優(yōu)越性,很難得出結論,這兩個ROC曲線被太近。骰子曲線達到一個極大值75%的車道標記提取算法優(yōu)越性在恢復圖像,而最大價值的73%圖像霧蒙蒙的。這說明了利用修復巷標記提取。閾值的值與最大骰子是50,類似于最優(yōu)值獲得一個更大的數據庫沒有霧,看到13。最優(yōu)閾值是只有23沒有恢復。這意味著恢復圖

48、像的可見性產生與屬性類似于圖片沒有霧,就一個車道標志提取任務。因此,能見度修復作為預處理步驟允許使用車道標記提取像往常一樣用同樣的調優(yōu)。3.6 結論我們看到從單幅圖像能見度恢復沒有利用任何額外的信息而是作為一個特別的濾波器問題，我們因此提出了一個新穎的基于中值濾波器算法。它的主要優(yōu)點是它的速度，因為其復雜性只是輸入圖像大小的線性函數，同時相對其他算法，該算法也取得了較好的結果。同時也提出了新的濾波器，也可以利用鈍角保持邊緣和角落。該濾波器作為中值濾波器的替代。提出的算法，由于它的速度可以被用作許多系統(tǒng)的與處理部分，例如監(jiān)控、只能設備和遠程傳感。第四章圖像增強前景展望圖像處理是一門綜合性很強的交

49、叉學科,任何主題的發(fā)展將推動圖像處理的進一步發(fā)展。近年來,隨著計算機技術和人工智能技術的迅速發(fā)展,視覺心理研究和處理器硬件不斷升級,圖像處理,到更高和更深層次的發(fā)展,因此圖像增強長遠發(fā)展的技術,應用需求越來越廣泛。由于圖像質量的要求越來越高,單一的圖像增強算法往往難以滿足實際需求,因此幾個算法結合,相得益彰,優(yōu)勢互補,是一種不可避免的趨勢發(fā)展的圖像增強算法。更深入的研究可從以下幾方面著手：（1）在進一步提高精度的同時著重解決處理速度問題。如在航天遙感、氣象云圖處理方面，巨大的數據量和處理速度仍然是主要矛盾之一，圖像處理的發(fā)展將圍繞HDTV(高清晰度電視)的研制，開展實時圖像處理的理論及技術研究

50、，向著高速、高分辨率、立體化、多媒體化、智能化和標準化方向發(fā)展。（2）加強軟件研究、開發(fā)新的處理方法，特別要注意移植和借鑒其他學科的技術和研究成果，創(chuàng)造新的處理方法。（3）加強邊緣學科的研究工作，促進圖像處理技術的發(fā)展。如人的視覺特性、心理學特性等的研究，如果有所突破，將對圖像處理技術的發(fā)展起到極大的促進作用。（4）加強理論研究，逐步形成圖像處理科學自身的理論體系，新理論與新算法研究。在圖像處理領域，近幾年來，引入了一些新的理論并提出了一些新的算法，如小波分析(Wavelet)、分形幾何(Fractal)、形態(tài)學(Morphology)、 遺傳算法( Genetic Algorithms)、人

51、工神經網絡等(Artificial neural networks)。這些理論及建立在其上的算法，將會成為今后圖像處理理論與技術的研究熱點。（5）圖像處理領域的標準化，圖像的信息量大、數據量大，因而圖像信息的建庫、檢索和交流是一個重要的問題。就現有的情況看，軟件、硬件種類繁多，交流和使用極為不便，成為資源共享的嚴重障礙。應建立圖像信息庫，統(tǒng)一存放格式，建立標準子程序，統(tǒng)一檢索方法。數字圖像處理經過初創(chuàng)期、發(fā)展期、普及期及廣泛應用幾個階段，如今已是各個學科競相研究并在各個領域廣泛應用的一門科學。隨著科學技術的進步以及人類需求的不斷增長，圖像處理科學無論是在理論上還是實踐上，均會取得更大的發(fā)展。參考文獻1 高彥平.圖像增強方法的研究與實現D.山東:山東科技大學計算機軟件與理論系,2005.2 陳傳波,金先級.數字圖像處理M.北京:機械工業(yè)出版社,2004.3 沈志光.數字圖像平滑算法的探究J.科學大眾,20064 馮清枝.基于直方圖修正的圖像增強技術J.廣東公安科技,20045 李世進.數字圖像的平滑處理J.湖南科技學院學報,20086 楊樂.圖像增強算法及其實現J.現代電子技術,20077盛