大氣霧霾對(duì)成像的影響及消除方法研究.pdf

1、計(jì)算機(jī)視覺技術(shù)已經(jīng)被應(yīng)用到我們?nèi)粘Ｉ钪械母鱾€(gè)領(lǐng)域中。然而由于視覺成像設(shè)備容易受到降質(zhì)的惡劣天氣（霧、霾、雨、雪等）的影響，使得捕獲到的視覺圖像產(chǎn)生一定的降質(zhì)，主要表現(xiàn)在對(duì)比度的下降、顏色的偏移、色彩的失真等等方面，使得圖像中的許多特征信息被覆蓋或者模糊化，對(duì)圖像的后續(xù)處理產(chǎn)生較大的影響。圖像去霧是作為圖像處理領(lǐng)域中較為關(guān)鍵的部分之一，它主要應(yīng)用于戶外視頻監(jiān)控、軍事地形勘探、無(wú)人自動(dòng)駕駛等領(lǐng)域。因此，研究霧霾圖像的復(fù)原算法，降低霧霾對(duì)視

2、覺采集設(shè)備的影響，對(duì)于工程應(yīng)用和科學(xué)研究具有十分重要的現(xiàn)實(shí)意義。
　　單幅霧霾圖像的復(fù)原具有多種方法，主要分為基于非物理模型的圖像增強(qiáng)算法和基于大氣成像模型的圖像復(fù)原算法。圖像增強(qiáng)的方法不考慮退化原因，按照特定的需求來(lái)增強(qiáng)圖像中的某些信息，同時(shí)削弱或去除不需要的圖像信息。而圖像復(fù)原的方法從物理成因的角度對(duì)大氣散射作用進(jìn)行建模分析，實(shí)現(xiàn)場(chǎng)景復(fù)原，還原度較高。傳統(tǒng)的兩種算法處理后的結(jié)果均會(huì)出現(xiàn)亮度偏暗、邊緣細(xì)節(jié)信息模糊等等缺點(diǎn)，主觀視

3、覺效果不佳，影響后續(xù)圖像的處理。因此難以滿足工程實(shí)際應(yīng)用的需求。本文正是針對(duì)上述問(wèn)題，從成像過(guò)程出發(fā)，引入暗通道先驗(yàn)和大氣光幕先驗(yàn)等先驗(yàn)知識(shí)，在借鑒Retinex變分框架的理論基礎(chǔ)之上，構(gòu)建了基于L-2范數(shù)下的優(yōu)化方程，使得復(fù)原后的圖像具有更好的視覺體驗(yàn)。由于L-2范數(shù)在去霧算法中存在對(duì)復(fù)原圖像約束，容易使復(fù)原后的圖像模糊不清，無(wú)法有效地識(shí)別相鄰景物之間的邊界信息，給進(jìn)一步的工作帶來(lái)了一定的困難，本文同時(shí)也提出了基于L-0范數(shù)下的單幅霧

4、霾圖像去霧算法。本文的主要研究?jī)?nèi)容如下：
　　一、深入研究大氣成像模型。整理近年來(lái)國(guó)際上基于物理模型的圖像復(fù)原經(jīng)典算法，分析并利用上述算法中所使用到幾種典型的先驗(yàn)理論知識(shí)，構(gòu)建出新的基于L-2范數(shù)的單幅霧霾圖像復(fù)原目標(biāo)函數(shù)。
　　二、針對(duì)于He所提出的暗通道先驗(yàn)知識(shí)去霧中存在圖像偏暗、浮點(diǎn)運(yùn)算較多的問(wèn)題，本文在借鑒Retinex變分框架的理論基礎(chǔ)之上，引入了多種先驗(yàn)知識(shí)構(gòu)建物理模型，結(jié)合L-2范數(shù)，提出了基于L-2范數(shù)下的去

5、霧算法，并以此來(lái)構(gòu)建目標(biāo)函數(shù)的優(yōu)化方程。最后，利用經(jīng)典優(yōu)化方法——最小二乘法，迭代求解出各個(gè)未知分量，并根據(jù)得到各個(gè)值來(lái)反解復(fù)原最終的清晰圖像。仿真結(jié)果表明，所提出的基于L-2的單幅圖像去霧算法能夠取得較好的復(fù)原效果。
　　三、針對(duì)于基于L-2范數(shù)約束的物體反射率求解容易使得復(fù)原后的景物邊緣細(xì)節(jié)信息模糊，不利于物體的分離和邊緣結(jié)構(gòu)信息的提取等問(wèn)題，本文根據(jù)物體邊緣的稀疏先驗(yàn)知識(shí)，采用復(fù)原圖像的L-0范數(shù)約束，用來(lái)取代物體復(fù)原圖像的