图像去雾与去湍流方法研究

图像去雾与去湍流方法研究

ID:34914825

大小:9.98 MB

页数:157页

时间:2019-03-14

图像去雾与去湍流方法研究_第1页
图像去雾与去湍流方法研究_第2页
图像去雾与去湍流方法研究_第3页
图像去雾与去湍流方法研究_第4页
图像去雾与去湍流方法研究_第5页
资源描述:

《图像去雾与去湍流方法研究》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、学校代码10699分类号TP391密级非涉密学号2010100469题目图像去雾与去湍流方法研究作者何人杰学科、专业信息与通信工程指导教师樊养余申请学位日期2017年3月西北工业大学博士学位论文(学位研究生)题目:图像去雾与去湍流方法研究作者何人杰学科、专业信息与通信工程指导教师樊养余2017年3月Title:ResearchonHazeRemovalandAtmosphericTurbulenceMitigationByHeRen-jieUndertheSupervisionofProfessorFanY

2、ang-yuADissertationSubmittedtoNorthwesternPolytechnicalUniversityInpartialfulfillmentoftherequirementForthedegreeofDoctorofPhilosophyXi’an,P.R.ChinaMarch2017摘要摘要在雾霾等复杂天气下,户外光学成像系统会不可避免地受到大气散射作用的影响,使观测到的图像产生对比度下降、动态范围缩小、颜色失真和模糊等退化。同时,户外远距离成像过程中往往由于大气湍流的干扰,导

3、致观测到的图像序列产生随机的几何畸变以及随时间和空间变化的模糊。“治污降霾减排”已经成为全球化的课题,在机器视觉与图像处理等领域,通过技术手段降低成像过程中雾、霾、湍流等大气现象对图像质量的影响也受到研究人员的高度重视。对户外场景观测图像的退化机理与复原方法的研究不仅可以为机器视觉和图像处理领域的不同应用提供更为清晰和有效的输入数据,更可以为全天候光学成像系统的有效运行提供重要的理论依据和技术支撑,具有十分重要的学术意义和广泛的应用价值。然而,由于图像去雾研究本身的难度较大,进展一直较为缓慢。2009年,香

4、港中文大学和微软亚洲研究院提出的暗通道去雾算法获得CVPR2009最佳论文奖,给图像去雾研究者们极大的鼓舞,同时也提高了研究的起点和难度。在上述背景下,在国家建设高水平大学公派研究生项目、国家自然科学基金国际合作项目以及陕西省科技项目的资助下,本文系统深入地研究了户外图像观测中存在的两个关键问题:基于雾天退化的单幅图像复原和基于大气湍流退化的户外场景图像复原。本文的主要研究工作和创新点如下:(1)针对传统全局直方图均衡化方法对图像进行去雾时会产生过度增强图像对比度的不足,提出了一种基于直方图优化的雾天图像对

5、比度增强方法HOCE。将基于对比度增强的图像去雾过程表达为一个二次优化问题,通过使去雾图像的直方图尽量符合直方图均衡化后的直方图和自适应伽马校正后的直方图以达到对比度增强的去雾目的,并同时控制去雾直方图与原始直方图的差值以满足保真约束。对雾天测试图像实验结果的主观和客观评价表明,HOCE算法可以避免直方图均衡化所导致的对比度过度增强问题,能够有效地提升雾天图像的对比度,增强图像中的细节信息,同时保持图像的色彩一致性。(2)研究了雾天图像退化的成因与模型,针对现有先验假设在实际去雾应用中的限制与不足,提出了一

6、种基于非局部全变分的单幅雾天图像复原方法NLTV。使用非局部全变分函数作为正则化函数对大气遮罩进行优化估计,能够克服现有局部操作算法导致复原图像细节过度平滑的现象。由于非局部操作利用了图像块间具有相似性的特点,NLTV算法在保证大气遮罩平滑的同时能够更好地保持图像的边缘与细节信息,有效避免了复原图像中阶梯效应和光晕现象的产生。接着,针对现有先验知识对亮度值较高区域的大气介质透射率进行估计时会失效的问题,提出了一种基于几何边界与理论边界约束的大气介质透射率组合边界约束去雾方法CBC。通过分析相机成像几I西北工

7、业大学博士学位论文何,总结场景物体景深和图像中场景点与地平线垂直距离之间的关系并得到大气介质透射率的几何边界约束。利用几何边界约束和自然边界约束的互补性构建组合边界约束,使用基于非局部正则化优化估计出更加准确的图像大气介质透射率并恢复出场景无雾图像。最后,针对直接使用雾天成像模型进行场景无雾图像复原时产生的噪声放大问题,提出了一种基于非局部优化的场景复原图像去噪优化方法NLDDI。利用噪声分布与场景景深相关的特点以及相似景深的图像块应具有相近的颜色和亮度等假设,构建基于非局部的正则项函数,进而去除场景背景区

8、域的噪声。实验结果表明,所提NLTV去雾算法能够有效地抑制光晕现象的产生,较好地保留场景中的细节信息。所提CBC去雾算法能够准确地估计出场景大气介质透射率,进而恢复出准确的无雾图像。所提NLDDI算法,能够显著降低复原场景图像中背景区域的噪声。(3)现有雾天成像模型无法解释浓雾或远距离观测条件下图像中出现的模糊现象。针对这一问题,本文对真实雾天成像过程中发生的多次散射现象与图像退化模型进行了研究,提出了一种基于大

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。