基于msr改进算法的图像和视频去雾研究

《基于msr改进算法的图像和视频去雾研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得安徽大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：刳嘲l签字日期：加f弘年6月6日学位论文版权使用授权书本学位论文作者完全了解安徽大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权安徽大学可以将学位论文的全部或部分内容

2、编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：钏Q司导师签名：签字日期：加f移年6月6日签字日期：年月日摘要IIIIIIIIIIIIIIIIY2578825随着计算机视觉技术的高速发展，成像系统以及视频监控系统能够捕捉到丰富的图像信息。例如交通路口的监控系统，在晴朗的天气条件下能够拍摄到准确的车辆特征及清晰的车牌号。这些图像以及视频资料都能作为车辆违章的证据，但是在雾天条件下，室外监控系统获取的图像及视频均遭到退化，对比度下降，甚至在大雾条件下采集的图像会出现色彩失真，如果不做处

3、理，这些资料将失去其原有的价值。在此背景下，本文主要研究雾天图像和视频去雾处理。本文研究主要包括两方面：一、对单幅图像的去雾处理：本文在传统MSR(多尺度Retinex)算法的基础上，针对传统雾天数字图像增强处理算法存在失真问题和光晕现象，在传统MSR算法的基础上进行改进，使用两个权重因子，分别处理图像中最亮和最暗的区域，改善过度增强的问题，并且结合自适应滤波核函数，在图像平滑区域采用传统的中心／环绕函数，在物体边缘处，采用各向异性滤波器，改善边缘模糊的情况：通过实验对比，直观地感受到本文的算法相比传统的MSR算法在视觉效果上明显增强，另外通过图像质量分析得出量化的

4、结论。通过对雾天图像增强的实验结果进行对比，直观上感受到图像对比度得到增强，视觉效果得到改善，突出了细节，避免了过度增强以及解决了易出现光晕现象的问题，并通过图像质量分析得出定量的数据结果，进一步验证了本文算法的有效性。二、对视频序列的去雾处理：首先对视频按照一定的采样频率抽取关键帧，将本文的MSR改进算法运用到关键帧图像的去雾中，可获得关键帧的去雾清晰化图像；将其转换为灰度图像并取反，称其结果为传播图；采用双向LK光流法，估算非关键帧目标像素点的运动位移量，获得非关键帧的传播图，取反后恢复为彩色图像即可得到非关键帧的去雾化图像；最后合成关键帧和非关键帧的去雾化图像

5、，获得完整的去雾视频。另外对去雾视频序列进行时空一致性校正，去除局部抖动或者跳跃的问题，并且通过实验验证了所提算法的正确性和有效性。关键诃：图像增强；多尺度Retinex算法：视频去雾；运动估计；时空一致性AbstractWiththerapiddevelopmentofcomputervisiontechnology,imagingsystemandvideomonitoringsystemcancaptureimageinformationclearlyandrichly．Videosurveillancesystemssuchastrafficmonitori

6、ngsystem，cangetaccurateandclearcharacteristicsofthevehiclelicenseplatenumberinthesunnyweatherconditions．Theseimagesandvideodatacanbeusedasvehicleillegalevidence．ButIntherainningorfoggyweatherconditions，imagesorvideoscapturedbytheseoutdoormonitoringsystemswillbedegraded．Thoseimageorvide

7、ohaslowcontraaandcolordistortion，Ifleftuntreated，thesedatawillloseitsoriginalvalue．Inthiscontext，thispaperstudiesdefoggingtreatmentforasingleimageandvideosequences．Thispapermainlyconsistsoftwoaspects：Firstl5studyofdefoggingtreatmentforasingleimage：BasedonthetraditionalMSR(multi．scale