畢業(yè)論文霧天圖像增強(qiáng)算法研究

1、學(xué)號(hào)：畢業(yè)論文課題 霧天圖像增強(qiáng)算法研究 學(xué)生姓名_ _ _ 系別_ 電氣工程系_專業(yè)班級(jí) _ 09通信（1）班_指導(dǎo)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(qiáng)概述12.1 圖像增強(qiáng)技術(shù)12.2 圖像增強(qiáng)技術(shù)分類12.3 圖像增強(qiáng)所包含的內(nèi)容12.4 圖像增強(qiáng)的方法12.5 圖像增強(qiáng)技術(shù)發(fā)展?fàn)顩r22.5.1 圖像增強(qiáng)技術(shù)國(guó)外發(fā)展?fàn)顩r22.5.2 圖像增強(qiáng)技術(shù)國(guó)內(nèi)發(fā)展?fàn)顩r3第三章 霧天圖像增強(qiáng)算法13.1介紹13.2 能見度恢復(fù)算法23.2.1白平衡23.2.2大氣耗散函數(shù)的推導(dǎo)33.2.3保角平滑43.2.4圖像能見度恢復(fù)53.2.5適

2、應(yīng)對(duì)比度放大的平滑6專用色調(diào)映射63.3比較結(jié)果分析及對(duì)比73.3.1復(fù)雜性73.3.2 定性比較73.4 定量評(píng)價(jià)83.5應(yīng)用83.6 結(jié)論9第四章圖像增強(qiáng)前景展望10參考文獻(xiàn)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(qiáng)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(duì)比度低、景物不清晰的特點(diǎn),給交通系統(tǒng)及戶外視覺(jué)系統(tǒng)的應(yīng)用帶來(lái)嚴(yán)重的影響。因此,霧天低對(duì)比度圖像的清晰化研究有著重要的意義。近年來(lái)，隨著電子計(jì)算機(jī)技術(shù)的進(jìn)步，計(jì)算機(jī)圖像處理得到了飛躍的發(fā)展，己經(jīng)成功的應(yīng)用于幾乎所有與成像有關(guān)的領(lǐng)域，并正發(fā)揮著

3、相當(dāng)重要的作用。它利用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行系列操作，從而獲得某種預(yù)期的結(jié)果。圖像的清晰化方法具體可分為圖像增強(qiáng)和圖像恢復(fù)兩種,本文主要針對(duì)圖像增強(qiáng)的方法進(jìn)行研究。本文的研究工作可以為霧天圖像清晰化處理的進(jìn)一步研究打下良好的基礎(chǔ)。 對(duì)圖像進(jìn)行處理時(shí)，經(jīng)常運(yùn)用圖像增強(qiáng)技術(shù)以改善圖像的質(zhì)量增強(qiáng)對(duì)某種信息的辨識(shí)能力，以更好的應(yīng)用于現(xiàn)代各種科技領(lǐng)域，圖像增強(qiáng)技術(shù)的快速發(fā)展同它的廣泛應(yīng)用是分不開的，發(fā)展的動(dòng)力來(lái)自穩(wěn)定涌現(xiàn)的新的應(yīng)用，我們可以預(yù)料，在未來(lái)社會(huì)中圖像增強(qiáng)技術(shù)將會(huì)發(fā)揮更為重要的作用。在圖像處理過(guò)程中，圖像增強(qiáng)是十分重要的一個(gè)環(huán)節(jié)。本文簡(jiǎn)要介紹圖像增強(qiáng)的概念和圖像增強(qiáng)算法的分類，從一個(gè)單一的顏色或

4、灰度級(jí)圖像的快速能見度恢復(fù)，并說(shuō)明了圖像增強(qiáng)技術(shù)的應(yīng)用和前景展望。關(guān)鍵詞：霧天圖像；圖像增強(qiáng)；灰度變換；能見度恢復(fù)；灰度級(jí)圖像；圖像圓滑F(xiàn)og 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(lái)了一定的影響。霧天對(duì)交通的影響是尤為嚴(yán)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(shí)，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(lái)了一定的經(jīng)濟(jì)損失。隨著計(jì)算機(jī)視覺(jué)與圖像處理技術(shù)的發(fā)展，一些戶外導(dǎo)航系統(tǒng)的研究與應(yīng)用也在飛速增長(zhǎng)。在霧天或者雨天，戶外的景物圖像的對(duì)比度和顏色都會(huì)被退化，圖像的本身的一些特征也都會(huì)被覆蓋起來(lái)，從而變的模糊。因此，霧天圖像增強(qiáng)算法的研究是尤

12、為重要的。眾所周知，霧一般是出現(xiàn)在秋冬的早晨，可是這是為什么呢，那是因?yàn)榇髿庵杏袘腋〉乃?，它凝結(jié)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(jié)合，就會(huì)形成較大的小水滴懸浮在大氣中的半徑較大的小水滴對(duì)可見光的散射作用很明顯，是隨距離的增加其散射效應(yīng)將成指數(shù)增長(zhǎng)，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(qiáng)概述2.1 圖像增強(qiáng)技術(shù)圖像增強(qiáng)是數(shù)字圖像處理的基本內(nèi)容之一。圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)，削弱或去除某些不需要的信息。這類

13、處理是為了某種應(yīng)用目的去改善圖像質(zhì)量，處理的結(jié)果更適合于人的視覺(jué)特性或機(jī)器識(shí)別系統(tǒng)，圖像增強(qiáng)處理并不能增加原始圖像的信息，而只能增強(qiáng)對(duì)某種信息的辨識(shí)能力，使處理后的圖像對(duì)某些特定的應(yīng)用比原來(lái)的圖像更加有效。2.2 圖像增強(qiáng)技術(shù)分類圖像增強(qiáng)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(hào)，對(duì)其進(jìn)行基于二維傅里葉變換的信號(hào)增強(qiáng)。采用低通濾波（即只讓低頻信號(hào)通過(guò)）法，可去掉圖中的噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號(hào)，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(qiáng)所包含的內(nèi)容2.4

14、圖像增強(qiáng)的方法圖像增強(qiáng)的方法是通過(guò)一定手段對(duì)原圖像附加一些信息或變換數(shù)據(jù)，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(jué)響應(yīng)特性相匹配。在圖像增強(qiáng)過(guò)程中，不分析圖像降質(zhì)的原因，處理后的圖像不一定逼近原始圖像。圖像增強(qiáng)技術(shù)根據(jù)增強(qiáng)處理過(guò)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(shí)直接對(duì)圖像灰度級(jí)做運(yùn)算基于頻域的算法是在圖像的某種變換域內(nèi)對(duì)圖像的變換系數(shù)值進(jìn)行某種修正，是一種間接增強(qiáng)的算法?；诳沼虻乃惴ǚ譃辄c(diǎn)運(yùn)算算法和鄰域去噪算法。點(diǎn)運(yùn)算算法即灰度級(jí)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(kuò)大圖像動(dòng)態(tài)范圍，擴(kuò)

15、展對(duì)比度。鄰域增強(qiáng)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(biāo)識(shí)別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統(tǒng)計(jì)差值法等。圖像增強(qiáng)的幾個(gè)方面及方法：1.對(duì)比度變換:線性變換、非線性變換2.空間濾波：圖像卷積運(yùn)算、平滑、銳化3.彩色變換：?jiǎn)尾ǘ尾噬儞Q、多波段彩色運(yùn)算、HIS4.多光譜變換：K-L變換、K-T變換5.圖像運(yùn)算：插值運(yùn)算、比值運(yùn)算、分形算法2.5 圖像增強(qiáng)技術(shù)發(fā)展?fàn)顩r2.5.1 圖像增強(qiáng)技術(shù)國(guó)外發(fā)展?fàn)顩r20世紀(jì)20年代圖片第一次通過(guò)海底電纜從倫敦傳往紐約。當(dāng)時(shí)人們通過(guò)字

16、符模擬得到中間色調(diào)的方法來(lái)還原圖像。早期的圖像增強(qiáng)技術(shù)往往涉及硬件參數(shù)的設(shè)置，如打印過(guò)程的選擇和亮度等級(jí)的分布等問(wèn)題。在1921年年底提出了一種基于光學(xué)還原的新技術(shù)。在這一時(shí)期由于引入了一種用編碼圖像紙帶去調(diào)制光束達(dá)到調(diào)節(jié)底片感光程度的方法，使灰度等級(jí)從5個(gè)灰度級(jí)增加到15個(gè)灰度等級(jí)，這種方法明顯改善了圖像復(fù)原的效果。到20世紀(jì)60年代早期第一臺(tái)可以執(zhí)行數(shù)字圖像處理任務(wù)的大型計(jì)算機(jī)制造出來(lái)了，這標(biāo)志著利用計(jì)算機(jī)技術(shù)處理數(shù)字圖像時(shí)代的到來(lái)。1964年，研究人員在美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室(JPL)里使用計(jì)算機(jī)以及其它硬件設(shè)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(qiáng)方法對(duì)航天探測(cè)

17、器“徘徊者7號(hào)”發(fā)回的幾千張?jiān)虑蛘掌M(jìn)行處理，同時(shí)他們也考慮太陽(yáng)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(duì)1965年“徘徊者8號(hào)”發(fā)回地球的幾萬(wàn)張照片進(jìn)行了較為復(fù)雜的數(shù)字圖像處理，使圖像質(zhì)量進(jìn)一步提高。這些成績(jī)不僅引起世界許多有關(guān)方面的注意而且JPL本身也更加重視對(duì)數(shù)字圖像處理地研究和設(shè)備的改進(jìn)，并專門成立了圖像處理實(shí)驗(yàn)室IPL。在IPL里成功的對(duì)后來(lái)探測(cè)飛船發(fā)回的幾十萬(wàn)張照片進(jìn)行了更為復(fù)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(shù)字圖像增強(qiáng)技術(shù)走進(jìn)了航空航天領(lǐng)域。20世紀(jì)60年代末和20世紀(jì)70年代初有學(xué)者開始將圖像增強(qiáng)技術(shù)用于醫(yī)學(xué)圖像、地球遙感

18、監(jiān)測(cè)和天文學(xué)等領(lǐng)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(xiàn)。20世紀(jì)70年代Godfrey N. Hounsfield先生和Allan M. Cormack教授共同發(fā)明計(jì)算機(jī)軸向斷層技術(shù)：一個(gè)檢測(cè)器圍繞病人，并用X射線源繞著物體旋轉(zhuǎn)。X射線穿過(guò)身體并由位于對(duì)面環(huán)中的相應(yīng)檢測(cè)器收集起來(lái)。其原理是用感知的數(shù)據(jù)去重建切片圖像。當(dāng)物體沿垂直于檢測(cè)器的方向運(yùn)動(dòng)時(shí)就產(chǎn)生一系列的切片，這些切片組成了物體內(nèi)部的再現(xiàn)圖像。到了20世紀(jì)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(shè)備和分析處理三維圖像的系統(tǒng)已經(jīng)研制成功了，圖像處理

19、技術(shù)得到了廣泛的應(yīng)用。進(jìn)入20世紀(jì)90年代，圖像增強(qiáng)技術(shù)已經(jīng)逐步涉及人類生活和社會(huì)發(fā)展的各個(gè)方面。計(jì)算機(jī)程序用于增強(qiáng)對(duì)比度或?qū)⒘炼染幋a為彩色，以便解釋X射線和用于工業(yè)、醫(yī)學(xué)及生物科學(xué)等領(lǐng)域的其他圖像。地理學(xué)用相同或相似的技術(shù)從航空和衛(wèi)星圖像中研究污染模式。在考古學(xué)領(lǐng)域中使用圖像處理方法已成功地復(fù)原模糊圖片。在物理學(xué)和相關(guān)領(lǐng)域中計(jì)算機(jī)技術(shù)能增強(qiáng)高能等離子和電子顯微鏡等領(lǐng)域的實(shí)驗(yàn)圖片。直方圖均衡處理是圖像增強(qiáng)技術(shù)常用的方法之一。1997年Kim 提出如果要將圖像增強(qiáng)技術(shù)運(yùn)用到數(shù)碼相機(jī)等電子產(chǎn)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(jìn)算法提出后，引起了許多學(xué)者的關(guān)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(xué)者轉(zhuǎn)而研究局部增強(qiáng)處理技術(shù)，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(dòng)態(tài)直方圖均衡算法、保持亮度特性動(dòng)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(qiáng)技術(shù)國(guó)內(nèi)發(fā)展?fàn)顩r在借鑒國(guó)外相對(duì)成熟理論體系和技術(shù)應(yīng)用體系的條件下，國(guó)內(nèi)的增強(qiáng)技術(shù)和應(yīng)用也有了很大的發(fā)展。總體來(lái)說(shuō)，圖像增強(qiáng)技

21、術(shù)的發(fā)展大致經(jīng)歷了初創(chuàng)期、發(fā)展期、普及期和應(yīng)用期4個(gè)階段。初創(chuàng)期開始于20世紀(jì)60年代，當(dāng)時(shí)的圖像采用像素型光柵進(jìn)行掃描顯示，大多采用中、大型機(jī)對(duì)其進(jìn)行處理。在這一時(shí)期由于圖像存儲(chǔ)成本高，處理設(shè)備造價(jià)高，因而其應(yīng)用面很窄。20世紀(jì)70年代進(jìn)入了發(fā)展期，開始大量采用中、大型機(jī)進(jìn)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(xiàn)了CT和衛(wèi)星遙感圖像，對(duì)圖像增強(qiáng)處理提出了一個(gè)更高的要求。到了20世紀(jì)80年代，圖像增強(qiáng)技術(shù)進(jìn)入普及期，此時(shí)的計(jì)算機(jī)已經(jīng)能夠承擔(dān)起圖形圖像處理的任務(wù)。20世紀(jì)90年代進(jìn)入了應(yīng)用期，人們運(yùn)用數(shù)字圖像增強(qiáng)技術(shù)處理和分析遙感圖像，以有效地進(jìn)行資源和礦藏的勘探、調(diào)查、農(nóng)業(yè)和城市

22、的土地規(guī)劃、作物估產(chǎn)、氣象預(yù)報(bào)、災(zāi)害及軍事目標(biāo)的監(jiān)視等。在生物醫(yī)學(xué)工程方面，運(yùn)用圖像增強(qiáng)技術(shù)對(duì)X射線圖像、超聲圖像和生物切片顯微圖像等進(jìn)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(yīng)用于無(wú)損探傷、質(zhì)量檢測(cè)和過(guò)程自動(dòng)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(shí)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(qiáng)技術(shù)。圖像增強(qiáng)是圖像處理的重要組成部分，傳統(tǒng)的圖像增強(qiáng)方法對(duì)于改善圖像質(zhì)量發(fā)揮了極其重要的作用。隨著對(duì)圖像技術(shù)研究的不斷深入和發(fā)展，新的圖像增強(qiáng)方法不斷出現(xiàn)。例如一些學(xué)者將模糊映射理論引入到圖像增強(qiáng)算法中，提出了包括模糊松弛、模糊熵、模糊類等增強(qiáng)算法來(lái)解決增強(qiáng)

23、算法中映射函數(shù)選擇問(wèn)題，并且隨著交互式圖像增強(qiáng)技術(shù)的應(yīng)用，可以主觀控制圖像增強(qiáng)效果。同時(shí)利用直方圖均衡技術(shù)的圖像增強(qiáng)也有許多新的進(jìn)展：例如提出了多層直方圖結(jié)合亮度保持的均衡算法、動(dòng)態(tài)分層直方圖均衡算法。這些算法通過(guò)分割圖像，然后在子層圖像內(nèi)做均衡處理，較好地解決了直方圖均衡過(guò)程中的對(duì)比度過(guò)拉伸問(wèn)題，并且可以控制子層灰度映射范圍，增強(qiáng)效果較好。第三章 霧天圖像增強(qiáng)算法31介紹近年來(lái)，隨著計(jì)算機(jī)軟件技術(shù)的快速發(fā)展，對(duì)霧天圖像增強(qiáng)處理已經(jīng)成為可能，這反過(guò)來(lái)也對(duì)去除霧圖像的清晰度和真實(shí)感提出了新的要求。在有霧存在的情況下，由于場(chǎng)景的能見度是很低的，圖像中目標(biāo)對(duì)比度和顏色等待征被衰減，導(dǎo)致室外視頻系統(tǒng)無(wú)

24、法正常工作，因此需要除去霧氣對(duì)場(chǎng)景圖像的影響。事實(shí)上，圖像去霧一直是計(jì)算機(jī)視覺(jué)領(lǐng)域研究的重要內(nèi)容，主要應(yīng)用在地形勘測(cè)、視頻監(jiān)控和自動(dòng)駕駛等領(lǐng)域，因此，自動(dòng)性和實(shí)時(shí)性就成為了研究的重點(diǎn)。當(dāng)處理室外圖像處于霾、霧和濃煙中的時(shí)候,圖像逐漸褪去了顏色,也減少了對(duì)比度，所以要恢復(fù)其清晰場(chǎng)景是一個(gè)非常困難的，因?yàn)殪F天對(duì)圖像的影響程度與目標(biāo)到相機(jī)的距離密切相關(guān)的。本章主要提出一種從一個(gè)單一的顏色或灰度級(jí)圖像的快速能見度恢復(fù)算法，該算法的只要優(yōu)點(diǎn)就是它的速度，它的復(fù)雜度只是圖像像素?cái)?shù)的線性函數(shù)，它的速度允許能見度恢復(fù)應(yīng)用于實(shí)時(shí)處理應(yīng)用例如從車在攝像頭中進(jìn)行信號(hào)，障礙檢測(cè)。另一個(gè)優(yōu)點(diǎn)就是這種算法可能會(huì)同時(shí)處理彩

25、色圖像和灰度圖像自界限模糊的存在對(duì)象與低霧顏色飽和度的能力。下面就來(lái)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(dāng)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(chǎng)景深度d的聯(lián)系分開。從而實(shí)現(xiàn)去霧。Koschmieder法則如下關(guān)系式：在L(x,y)是明顯的亮度像素，d(x,y)是對(duì)象相對(duì)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(shù)。該模型是直接擴(kuò)展到彩色圖像采用相同的模型在每個(gè)RGB分量，假設(shè)一個(gè)線性響應(yīng)一個(gè)相機(jī)。霧的RST效應(yīng)是一個(gè)指數(shù)衰減函數(shù)的固有亮度和內(nèi)在的顏色，因此，降低了對(duì)象的對(duì)比度和其在場(chǎng)景的可見性

26、。這個(gè)第二個(gè)效應(yīng)是增加了一個(gè)白色的大氣耗散函數(shù)這是該對(duì)象的距離d的增函數(shù)（x，y）。在圖像霧的存在是普遍性的一種算法設(shè)計(jì)出現(xiàn)晴朗天氣圖像處理時(shí)的一個(gè)來(lái)源。而不是每個(gè)算法從清晰到大霧天氣，它似乎對(duì)每個(gè)輸入圖像的可見性預(yù)處理進(jìn)行更充分的恢復(fù)。這種預(yù)處理可以應(yīng)用于只有當(dāng)檢測(cè)到霧，例如見 4 ，以節(jié)省更多的計(jì)算時(shí)間。能見度的恢復(fù)是一個(gè)病態(tài)問(wèn)題。事實(shí)上，大氣的耗散被物體的深度的函數(shù)，一個(gè)完美的能見度恢復(fù)請(qǐng)求對(duì)物體的真實(shí)顏色估計(jì)（）和霧性能（K，Ls）以及深度圖D（x，y）的場(chǎng)景。作為一個(gè)結(jié)果，提出了基于場(chǎng)景的多圖像的使用方法：在不同的時(shí)間 8 或使用不同的偏振過(guò)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(xiàn)有的圖像數(shù)據(jù)庫(kù)。使用多個(gè)圖像的一個(gè)替代方法是使用圖像場(chǎng)景的一個(gè)近似的深度圖，或精確的深度圖時(shí)，在 7，2 提出的，6。這些方法更靈活但他們依賴于應(yīng)用程序或與專家之間的相互作用。在計(jì)算機(jī)視覺(jué)和計(jì)算機(jī)圖形學(xué)領(lǐng)域的知名度恢復(fù)算法更詳細(xì)的審查，讀者可以參考 1，6 。最近，在 1，12，5 的RST時(shí)間，三的方法被提出，它的工作從一個(gè)單一的圖像，而不使用任何其他額外的信息來(lái)源。在 1 ，該算法是基于顏色的深而無(wú)法處理灰度圖像。該算法是計(jì)算密集型的。相比之下，在 12 算法并不總是非常飽和的場(chǎng)景達(dá)到同樣好的結(jié)果，但它有很大的優(yōu)勢(shì)是更通用的，因此更容易應(yīng)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(diǎn)是5在處理600×400圖像時(shí)，處理時(shí)間分別為7分鐘和10至20秒。我們?cè)谶@里提出了一種新的基于濾波方法的能見度恢復(fù)算法。它的速度比 1，12，5 由于它的復(fù)雜性是線性函數(shù)的輸入圖像的像素?cái)?shù)，并能對(duì)彩色和灰度圖像達(dá)到同樣甚至更好的結(jié)果。在2節(jié)中，我們的方法以及快速的能見度恢復(fù)算法的詳細(xì)步驟和一個(gè)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(píng)價(jià)四彩色圖像，說(shuō)明了該算法的優(yōu)點(diǎn)和缺點(diǎn)。最后，在第4節(jié)中，興趣的能見度恢復(fù)智能車輛車道標(biāo)志檢測(cè)，特別是詳細(xì)的。3.2 能見度恢復(fù)算法當(dāng)沒(méi)

29、有深度信息是可用的,就不能直接利用Koschmieder定律(1)獨(dú)立將大氣因子k和場(chǎng)景深度d的聯(lián)系分開，從而無(wú)法實(shí)現(xiàn)去霧。于是引入大氣耗損函數(shù)的強(qiáng)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(qiáng)度，R(x,y)是圖像在沒(méi)有霧的情況下的強(qiáng)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(qiáng)度V(x,y)。能見度恢復(fù)算法因此被分解成幾個(gè)步驟:估計(jì)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(yǔ)氣映射。3.2.1白平衡我們假設(shè)白平衡在能見度恢復(fù)算法前進(jìn)行處理

30、。當(dāng)白平衡是正確執(zhí)行時(shí),霧就會(huì)變成純白色,這意味著是Is可以設(shè)置為(1, 1,1),同時(shí)假設(shè)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(jiǎn)化為對(duì)于白色趨近于圖像平均值。對(duì)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(shù)量是黑色的連續(xù)曲線W及其當(dāng)?shù)仄骄呛谏摼€。結(jié)果V估計(jì)通過(guò)優(yōu)化(3)為一個(gè)較大的值的顯示為紅色的點(diǎn)劃。結(jié)果V獲得該方法顯示為綠色緩沖。3.2.2大氣耗散函數(shù)的推導(dǎo)圖像恢復(fù)的第一步就是推斷大氣耗散函數(shù)V(x,y)。由于其物理特性,大氣耗散函數(shù)是受到兩個(gè)限制條件制

31、約的。當(dāng)觀測(cè)圖像是已知的:它是0V(x,y),并且對(duì)于每一個(gè)像素是白色的,它就不可能高于I(x,y)中最小的一個(gè)元素。我們因此計(jì)算W(x,y)= min(I(x,y)，定義為圖像的最小元素I(x,y)為每個(gè)像素(灰度或RGB)。W是在觀察圖像I的百度圖像。對(duì)于灰度圖像，很顯然有W =I，第二個(gè)約束條件是V(x,y)W(x,y)。能見度修復(fù)是一個(gè)病態(tài)的問(wèn)題,假設(shè)深度圖像是沿邊緣平滑的，除了大深度的跳躍，可以通過(guò)最大結(jié)果圖的對(duì)比度得到正則解。所以這個(gè)問(wèn)題可以變?yōu)?假設(shè)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(wèn)題，其中約束0V(x,y)W(x,y)，參數(shù)是控制解決方案的平滑度

32、,是一個(gè)遞增的凸函數(shù)，允許大的跳躍。(3)式優(yōu)化的運(yùn)算量太大,我們尋找另一種方式來(lái)處理能見度恢復(fù)這個(gè)問(wèn)題,從而可以進(jìn)行實(shí)時(shí)處理。一個(gè)可能性就是在執(zhí)行空間侵蝕。注意到文獻(xiàn)中，第一步是近似于對(duì)W進(jìn)行侵蝕，因?yàn)樗趯?duì)每個(gè)顏色分量侵蝕即每個(gè)分量的最小值。對(duì)侵蝕進(jìn)行試驗(yàn)，發(fā)現(xiàn)它受到hato的影響。這就是為什么在文獻(xiàn)中要利用進(jìn)行matting修正。這個(gè)問(wèn)題可以被看作是一個(gè)濾波問(wèn)題。因此，尋找一個(gè)合適的濾波器，使其可以用來(lái)改善結(jié)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(fù)得到執(zhí)行完整的平滑度、大氣耗散函數(shù)V(x,y)和恢復(fù)執(zhí)行平滑獲得的大部分的時(shí)間(使用參數(shù)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(gè)變焦修復(fù)后使用中值濾波、圖像和一個(gè)變焦使用我們命名的中位數(shù)過(guò)濾器中值沿直線(使用參數(shù)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(gè)最大體積的函數(shù)V(x,y),而V(x,y) 大部分時(shí)間都是光滑的，并且低于W(x,y)。在圖1中,紅色點(diǎn)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(gè)位置是相對(duì)小的值。這些小的值當(dāng)當(dāng)場(chǎng)景中間是相似的距離時(shí)，是可以合理的。在這種情況下,這個(gè)最小值的存在表明,場(chǎng)景包含色彩弱飽和

34、的對(duì)象。相反，這個(gè)最小值可能是由于一個(gè)黑暗的小和更接近的對(duì)象，如一只小鳥。在這種情況下,這個(gè)最小值應(yīng)該考慮在估計(jì)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(gè)魯棒性問(wèn)題，我們提出來(lái)推斷V(x,y)是一個(gè)W(x,y)的局部均值和局部標(biāo)準(zhǔn)偏之差的百分比?，F(xiàn)在要強(qiáng)調(diào)可能大跳躍對(duì)恢復(fù)圖像的重要性，如在圖2中。這個(gè)圖顯示了當(dāng)完全平滑和對(duì)大氣耗散函數(shù)大部分區(qū)域平滑結(jié)果的差異。事實(shí)上,如果獲得的大氣耗散函數(shù)V(x,y)似乎也不那么不同時(shí),當(dāng)完全平滑時(shí)，會(huì)出現(xiàn)不正確的光環(huán)。這意味著當(dāng)?shù)豔(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(diǎn)線產(chǎn)生

35、的當(dāng)?shù)仄骄?。為了邊緣保持平?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(jì)算出來(lái),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(duì)紋理區(qū)域可能沒(méi)有霧，所以W(x,y)的標(biāo)準(zhǔn)差減去A(x,y)。接著，強(qiáng)化輪廓，這個(gè)標(biāo)準(zhǔn)差利用一種更完善的方法。采用對(duì)| W(x,y)A(x,y)|進(jìn)行中值濾波。最后一步給乘上因子p在0、1來(lái)控制能見度修復(fù)的強(qiáng)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(shù)通過(guò)下面的式子進(jìn)行推導(dǎo)：其中（4）3.2.3保角平滑計(jì)算A，前面用的是經(jīng)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(chǎn)生后現(xiàn)象，在規(guī)則性場(chǎng)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(shè)在線性分割Si 中的nv的先驗(yàn)集合， 1inv不一致的采樣位置已給出，濾波器包含在每一個(gè)像素局部處理中。每個(gè)分割塊大小是sv。對(duì)于每個(gè)像素和每個(gè)分割塊Si位于當(dāng)前像素的中間。Si的強(qiáng)度的中值計(jì)算的為mi。當(dāng)mi對(duì)每個(gè)像素和整個(gè)中心的分塊正確修正，經(jīng)過(guò)濾波器后的圖像像素可以計(jì)算出來(lái)為mi的中值且1inv。圖3-4從左到右,原始圖像,獲得的結(jié)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(fù)太強(qiáng)勁,p = 0.98和太光與p = 0.7。看起來(lái)更好的與p = 0.9。在右邊,白色斑紋接近車輛被擦除由于太小的價(jià)值相比,sv = 21巷標(biāo)記大小。sv = 61導(dǎo)致更好的結(jié)果。圖3-5從左到右,原始圖像,圖像和一個(gè)變焦修復(fù)后沒(méi)有和平滑適應(yīng)對(duì)比放大(sv = 61,p = 0.95和si = 19)。注意jpeg工件軟化。當(dāng)前的像素是接近邊緣值時(shí),所有mi是接近于當(dāng)前像素所在的區(qū)域的強(qiáng)度均值I。所以提出的濾波器保護(hù)了邊緣。當(dāng)當(dāng)前像素接近拐角時(shí)， mi值的百分比不接近而等于1-。因此,對(duì)于鈍角,這個(gè)百分比高于50%,因此mi的中值接近1。這說(shuō)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(gè)性質(zhì)，線性中值中值濾波器可以應(yīng)用于其他圖像處理中。圖3顯示了使用中位數(shù)的利益劃分中值濾波器(nv = 5)相對(duì)于經(jīng)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(gè)濾波器,提出了修復(fù)算法不是實(shí)時(shí)的,但依然是相當(dāng)快速的使用減少Si3.2.4圖像能見度恢復(fù)現(xiàn)在大氣耗散V已經(jīng)推導(dǎo)出來(lái),恢復(fù)原始圖像的色彩可以通過(guò)解 (2)得到R:在(4),這兩個(gè)參數(shù)p、sv用于控制能見度修復(fù)。p的值控制恢復(fù)的強(qiáng)度，通常設(shè)置在95%至90之間。這意味著,90%或95%的數(shù)量的大氣耗散被移除。這個(gè)參數(shù)是有用的，不過(guò)有以下問(wèn)題a)高恢復(fù)能見度(當(dāng)p是接近1時(shí)),色彩

39、可能會(huì)出現(xiàn)在過(guò)飽和太暗； b)低恢復(fù)能見度時(shí)色彩會(huì)不飽和,從而更清晰。圖4所示,在一個(gè)灰色級(jí)圖像，該參數(shù)sv精確假設(shè)白目標(biāo)更大尺寸。任何接近白目標(biāo)比sv更大的尺寸，可以假定為白色。相反,一個(gè)白目標(biāo)從本質(zhì)上假設(shè)是白色的。這是說(shuō)明了圖4與白色車道標(biāo)記在圖片的下方。3.2.5適應(yīng)對(duì)比度放大的平滑在圖像恢復(fù)可視性的過(guò)程中,大氣耗散函數(shù)是很重要的,對(duì)比度也是在增加。這同樣會(huì)導(dǎo)致噪聲和圖像壓縮后現(xiàn)象的增加。見圖5,原始圖像壓縮使用jpeg,修復(fù)后,壓縮工件能見度變得清晰可見。為了軟化噪聲和后現(xiàn)象,因此需要一個(gè)局部平滑。這個(gè)局部平滑必須符合對(duì)比度放大器系數(shù)=。標(biāo)準(zhǔn)差的噪聲經(jīng)過(guò)圖像恢復(fù)變標(biāo)準(zhǔn)差成的噪聲。通過(guò)大

40、小為S*S的窗口進(jìn)行平均，標(biāo)準(zhǔn)差變?yōu)?。作為結(jié)果，標(biāo)準(zhǔn)差、s等于對(duì)比度系數(shù)的整數(shù)部分。這個(gè)規(guī)則設(shè)置s會(huì)在霧區(qū)域產(chǎn)生過(guò)大的窗口，因此增加參數(shù)si，設(shè)置自適應(yīng)窗口的最大尺寸。在圖5,軟化后現(xiàn)象是由到適應(yīng)平滑顯示(si = 19)。當(dāng)si = 1,這表明該效應(yīng)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(jié)果1,我們的結(jié)果與p = 0.95,sv = 41和si = 1。專用色調(diào)映射前面,我們已經(jīng)描述了能見度恢復(fù)不同的步驟,得到的恢復(fù)圖像通常是比原圖像具有更高的動(dòng)態(tài)范圍。因此，能見度恢復(fù)最后一步是色調(diào)映射，其對(duì)視覺(jué)是很重要的。為了得到相對(duì)于原圖像沒(méi)有太多不同的結(jié)果圖，我們利用對(duì)原圖像

41、和結(jié)果圖的對(duì)數(shù)形式進(jìn)行線性映射，這使對(duì)應(yīng)的圖像在圖像的底三層有類似的均值和標(biāo)準(zhǔn)差。由于底部三層通常對(duì)應(yīng)于圖像是無(wú)霧部分，所以底部三層很有用的。定義和為原圖像對(duì)數(shù)形式(I(x,y)在底部三層的均值和標(biāo)準(zhǔn)差, 和是恢復(fù)圖像對(duì)數(shù)形式(R(x,y)在底部三層的均值和標(biāo)準(zhǔn)差。色調(diào)映射的第一步是計(jì)算。接著將結(jié)果圖的高強(qiáng)度動(dòng)態(tài)范圍利用函數(shù)進(jìn)行壓縮，最終的色調(diào)映射圖像T（x,y）通過(guò)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(jié)果分析及對(duì)比能見度恢復(fù)算法是由三個(gè)參數(shù):p是百分比的移除大氣耗散函數(shù),sv假定最大大小的白目標(biāo)圖像(

42、見圖4),si的最大大小自適應(yīng)平滑軟化噪聲放大恢復(fù)(見圖5)。3.3.1復(fù)雜性對(duì)于尺寸sx×sy的圖像, 所提出的能見度恢復(fù)算法的復(fù)雜度為O()利用中值濾波器，強(qiáng)力實(shí)施時(shí)的適應(yīng)平滑被忽視。利用沿線濾波器的中位數(shù)，復(fù)雜度為O()。在 9 ，在O的中值濾波器的快速實(shí)現(xiàn)O(sxsy)提出了。多虧了這個(gè)快速中值濾波,提出了能見度恢復(fù)算法的復(fù)雜度是O(sxsy), 即，它是一個(gè)線性函數(shù)的數(shù)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(jié)果1,我們的結(jié)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(jié)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(jié)果。3.3.2 定性比較圖6顯示了 1 和我們的算法得到的結(jié)果之間的比較。在第一列是原始圖像，并通過(guò) 1得到的結(jié)果二。最后一列顯示所得到的結(jié)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(shí)，我們使用了一個(gè)幾何的標(biāo)準(zhǔn)來(lái)決定是否觀察到的白是由于大霧

44、或觀察到的對(duì)象的顏色。相反，在 1 的標(biāo)準(zhǔn)是基于顏色，因此該算法不能適用于灰度級(jí)我們的算法的優(yōu)勢(shì)在于它能更好地去除霧底部的第一形象。圖7顯示了一個(gè)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(jié)果得到1。注意第二圖像均勻的綠色與我們的結(jié)果。來(lái)處理這個(gè)形象和消除局部不均勻霧,平滑尺度大氣面紗必須設(shè)置為相當(dāng)小值sv = 11。原始圖像質(zhì)量好,沒(méi)有進(jìn)行圖像的平滑(si = 1)。圖8允許比較我們的結(jié)果與四個(gè)先進(jìn)的可見性的恢復(fù)算法:Kopf&al。6,使用3 d信息在現(xiàn)場(chǎng),法1這是基于色度標(biāo)準(zhǔn),譚和He&al12。5這是基于幾何判據(jù)。注意,我們的算法得到的結(jié)果似乎視覺(jué)接近結(jié)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(dāng)?shù)氐陌灼胶忸A(yù)處理。3.4 定量評(píng)價(jià)定量評(píng)估是第四個(gè)方法,我們使用該方法專用于能見度恢復(fù)提出了3。這種方法計(jì)算三個(gè)指標(biāo)e,r¯和允許來(lái)比較兩個(gè)灰度圖像:輸入圖像和恢復(fù)圖像。可見邊緣在圖像修復(fù)是選擇之前和之后的對(duì)比閾值的5%。這使得計(jì)算速度e的邊緣修復(fù)后新可見。然后,意味著這些¯r邊緣的梯度比規(guī)范和計(jì)算后恢復(fù)之前。這個(gè)指標(biāo)r¯估計(jì)平均能見度增強(qiáng)得到的恢復(fù)算法。最后,像素的比例,完全變成黑色或完全白修復(fù)后計(jì)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(yīng)的恢復(fù)圖像的最后兩張圖。事實(shí)上,如果能見度的恢復(fù)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(xiàn)在天空與棕褐色的算法。這表明該對(duì)比增加可能過(guò)于強(qiáng)烈。選項(xiàng)卡。3給像素的比例變得全黑或全白,修復(fù)后。和其他國(guó)家相比,我們的和He&al。算法給最小的百分比。這些攝動(dòng)像素顯示在白色在圖8為棕褐色和我們的算法。3.5應(yīng)用可見性的評(píng)價(jià)真實(shí)圖像恢復(fù)是很困難的因?yàn)闆](méi)有引用是可用的。證明提出的利益能見度恢復(fù)算法在智能車輛的上下文,在車道標(biāo)記提取,我們?cè)u(píng)估結(jié)果和無(wú)恢復(fù)一個(gè)數(shù)據(jù)庫(kù)12圖像與

47、真實(shí)。12圖像提取兩個(gè)不同的序列與霧。每個(gè)這些圖片是手動(dòng)標(biāo)注車道標(biāo)記和非車道標(biāo)記標(biāo)簽。我們使用經(jīng)典的評(píng)價(jià)由接受者操作特征(ROC)曲線完成骰子曲線,以下13。兩個(gè)提取算法測(cè)試:簡(jiǎn)單的全局閾值(GT)和對(duì)稱局部閾值(SLT),給最好的結(jié)果在比較13。中華民國(guó)曲線在圖10顯示了大增益獲得當(dāng)使用修復(fù)與GT算法。算法的優(yōu)越性,很難得出結(jié)論,這兩個(gè)ROC曲線被太近。骰子曲線達(dá)到一個(gè)極大值75%的車道標(biāo)記提取算法優(yōu)越性在恢復(fù)圖像,而最大價(jià)值的73%圖像霧蒙蒙的。這說(shuō)明了利用修復(fù)巷標(biāo)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(gè)更大的數(shù)據(jù)庫(kù)沒(méi)有霧,看到13。最優(yōu)閾值是只有23沒(méi)有恢復(fù)。這意味著恢復(fù)圖

48、像的可見性產(chǎn)生與屬性類似于圖片沒(méi)有霧,就一個(gè)車道標(biāo)志提取任務(wù)。因此,能見度修復(fù)作為預(yù)處理步驟允許使用車道標(biāo)記提取像往常一樣用同樣的調(diào)優(yōu)。3.6 結(jié)論我們看到從單幅圖像能見度恢復(fù)沒(méi)有利用任何額外的信息而是作為一個(gè)特別的濾波器問(wèn)題，我們因此提出了一個(gè)新穎的基于中值濾波器算法。它的主要優(yōu)點(diǎn)是它的速度，因?yàn)槠鋸?fù)雜性只是輸入圖像大小的線性函數(shù)，同時(shí)相對(duì)其他算法，該算法也取得了較好的結(jié)果。同時(shí)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(shè)備和遠(yuǎn)程傳感。第四章圖像增強(qiáng)前景展望圖像處理是一門綜合性很強(qiáng)的交

49、叉學(xué)科,任何主題的發(fā)展將推動(dòng)圖像處理的進(jìn)一步發(fā)展。近年來(lái),隨著計(jì)算機(jī)技術(shù)和人工智能技術(shù)的迅速發(fā)展,視覺(jué)心理研究和處理器硬件不斷升級(jí),圖像處理,到更高和更深層次的發(fā)展,因此圖像增強(qiáng)長(zhǎng)遠(yuǎn)發(fā)展的技術(shù),應(yīng)用需求越來(lái)越廣泛。由于圖像質(zhì)量的要求越來(lái)越高,單一的圖像增強(qiáng)算法往往難以滿足實(shí)際需求,因此幾個(gè)算法結(jié)合,相得益彰,優(yōu)勢(shì)互補(bǔ),是一種不可避免的趨勢(shì)發(fā)展的圖像增強(qiáng)算法。更深入的研究可從以下幾方面著手：（1）在進(jìn)一步提高精度的同時(shí)著重解決處理速度問(wèn)題。如在航天遙感、氣象云圖處理方面，巨大的數(shù)據(jù)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(shí)時(shí)圖像處理的理論及技術(shù)研究

50、，向著高速、高分辨率、立體化、多媒體化、智能化和標(biāo)準(zhǔn)化方向發(fā)展。（2）加強(qiáng)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(xué)科的技術(shù)和研究成果，創(chuàng)造新的處理方法。（3）加強(qiáng)邊緣學(xué)科的研究工作，促進(jìn)圖像處理技術(shù)的發(fā)展。如人的視覺(jué)特性、心理學(xué)特性等的研究，如果有所突破，將對(duì)圖像處理技術(shù)的發(fā)展起到極大的促進(jìn)作用。（4）加強(qiáng)理論研究，逐步形成圖像處理科學(xué)自身的理論體系，新理論與新算法研究。在圖像處理領(lǐng)域，近幾年來(lái)，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(xué)(Morphology)、 遺傳算法( Genetic Algorithms)、人

51、工神經(jīng)網(wǎng)絡(luò)等(Artificial neural networks)。這些理論及建立在其上的算法，將會(huì)成為今后圖像處理理論與技術(shù)的研究熱點(diǎn)。（5）圖像處理領(lǐng)域的標(biāo)準(zhǔn)化，圖像的信息量大、數(shù)據(jù)量大，因而圖像信息的建庫(kù)、檢索和交流是一個(gè)重要的問(wèn)題。就現(xiàn)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(yán)重障礙。應(yīng)建立圖像信息庫(kù)，統(tǒng)一存放格式，建立標(biāo)準(zhǔn)子程序，統(tǒng)一檢索方法。數(shù)字圖像處理經(jīng)過(guò)初創(chuàng)期、發(fā)展期、普及期及廣泛應(yīng)用幾個(gè)階段，如今已是各個(gè)學(xué)科競(jìng)相研究并在各個(gè)領(lǐng)域廣泛應(yīng)用的一門科學(xué)。隨著科學(xué)技術(shù)的進(jìn)步以及人類需求的不斷增長(zhǎng)，圖像處理科學(xué)無(wú)論是在理論上還是實(shí)踐上，均會(huì)取得更大的發(fā)展。參考文獻(xiàn)1 高彥平.圖像增強(qiáng)方法的研究與實(shí)現(xiàn)D.山東:山東科技大學(xué)計(jì)算機(jī)軟件與理論系,2005.2 陳傳波,金先級(jí).數(shù)字圖像處理M.北京:機(jī)械工業(yè)出版社,2004.3 沈志光.數(shù)字圖像平滑算法的探究J.科學(xué)大眾,20064 馮清枝.基于直方圖修正的圖像增強(qiáng)技術(shù)J.廣東公安科技,20045 李世進(jìn).數(shù)字圖像的平滑處理J.湖南科技學(xué)院學(xué)報(bào),20086 楊樂(lè).圖像增強(qiáng)算法及其實(shí)現(xiàn)J.現(xiàn)代電子技術(shù),20077盛