基于双约束的单帧和序列图像去雾关键技术
在雾霾天气条件下，光电设备采集的图像出现低对比度，颜色失真，边缘和细节模糊等严重的图像劣化问题，直接限制和影响了视觉成像，给目标的识别和判断带来了一定的困难，甚至导致其无法正常工作。因此，为了降低雾霾天气条件对视觉成像系统的影响，对雾霾降质图像进行快速有效的复原处理，具有十分重要的研究意义和应用价值。本文详细地分析了雾霾图像的退化机理，对单幅图像去雾、视频序列去雾和去雾算法的客观评价进行了深入研究，论文提出的方法经过仿真实验证明了其有效性和鲁棒性。本文主要研究内容和创新成果归纳如下：1. 针对现有的去雾客观质量评价与主观评价之间一致性不稳定的问题，对传统的图像质量评价与去雾算法质量评价之间的差异进行了分析，将去雾后引入的图像劣化问题归纳为图像可视性差、伪轮廓导致的结构破坏和颜色偏移三类。本文通过图像可视性来衡量去雾前后图像清晰度的变化，将梯度相似性和方差相似性组成结构相似性来度量伪轮廓现象，并采用颜色恢复度来描述颜色偏移现象。最终结合图像可视性、结构相似性和颜色恢复度共同构建新的图像去雾算法质量评价体系。实验结果和数据分析表明：与主流的图像质量评价方法相比，所提出的去雾算法质量评价体系无论是等级相关性、线性相关性还是预测精度都表现更优，和主观评价的一致性更高。2. 针对暗通道先验在单幅图像去雾中存在的局限性和缺陷，提出了一种基于局部连续和全局边界的双约束去雾算法。该算法首先结合场景辐射约束和分段平滑约束，从一个新的角度建立了大气透射率的能量函数，并采用α-扩展技术进行能量最小化，优化后的透射率能避免块状效应的产生，并且可以防止去雾后的图像出现像素值溢出的情况。其次，在引导滤波的基础上，通过指数函数和边缘信息构造了一个自适应边缘感应权重，来抑制光晕效应。最后，为了避免场景中明亮物体对大气光估计带来的干扰，通过改进的非重叠暗通道来适当地腐蚀图像中的明亮像素，并采用四叉树分层搜索，来提高大气光估计值的准确性。实验结果和数据分析表明：与主流的去雾算法相比，提出的算法能够复原出色彩更真实、场景清晰度更高的无雾图像，并且对视觉伪影的抑制效果更好。3. 针对目前视频序列去雾方法普遍存在的时空一致性不足的问题，本文提出了一种基于时间和空间信息双约束的视频序列去雾方法。该方法通过时间相关项来保持相邻帧之间的时间连贯性，构建了一个空间相关项来抑制长视频序列的累计误差，增强去雾视频的空间一致性。基于相邻帧的像素差异，采用概率模型构建了一个加权函数，利用加权函数对时间相关项和空间相关项进行修正，解决了相邻帧场景深度信息差异较大的情况。并通过更新公式对大气光进行修正，进一步地保证相邻帧之间的颜色一致性。此外，采用了积分图算法和下采样技术对算法的进行加速处理，确保算法在工程应用中的实时性需求。实验结果和数据分析表明：与主流的视频去雾方法相比，提出的方法能更好地对闪烁效应和视觉伪影进行抑制，并且能够保证算法的实时性。 关键词：暗通道先验，光晕效应，去雾质量评价，单幅图像去雾，序列图像去雾
頁:
[1]