没有合适的资源?快使用搜索试试~ 我知道了~
大气散射模型.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 162 浏览量
2023-08-26
21:49:53
上传
评论
收藏 5.25MB PDF 举报
温馨提示
试读
39页
大气散射模型.pdf
资源推荐
资源详情
资源评论
基于大气散射模型的实时视频去雾方法研究
摘 要:
近年来,我国空气质量大幅下降,导致雾霾天气日渐频繁。在雾霾天气
情况下,大气中存在着很多混浊介质(如,颗粒、水滴等) ,户外场景的视频图像出现了
退化和降质,表现为清晰度和对比度低、色彩失真、细节特征模糊不清等特点。视频图像
的降质退化使得户外视觉系统不能正常发挥效用,降低了工作效率及其可靠性。例如,在
雾霾天气情况下, 能见度降低, 航拍视频中目标不可见, 且色彩及对比度等特征严重衰减,
无法满足航拍工作系统的灾害监测预警等后续要求。因而,在计算机视觉这一领域内,有
雾视频的清晰化是一个重要的问题。
本文对雾天视频图像的退化和降质进行了详细的分析,阐述了雾天视频图像降质的原
因,研究了国内外研究人员在视频图像去雾方面的成果,分析了各研究人员去雾方法的理
论基础和核心技术,在此基础上,详细研究了基于大气散射模型的暗通道先验去雾方法,
并且进行改进和完善,作出创新。本文建立基于大气散射原理的视频图像去雾模型,以暗
通道先验去雾方法为基础, 用导向滤波进行改进, 采用 VS2013和 Opencv编写去雾算法程序,
实现单幅图像去雾,然后进行 CUDA加速,使对常用的 1920× 1080大小的视频图像进行去雾
处理的运算速率达到每秒 15帧以上,实现实时视频去雾。最后,将本文的去雾算法与其他
算法进行比较, 对比不同去雾方法得到的恢复图的效果, 以及不同方法的利弊, 完善细节,
将该算法应用于实际待去雾的视频中。
关键词:图像降质;图像去雾;暗通道先验;大气散射模型
第 1章 绪 论
1.1 课题研究背景和意义
一般情况下, 获得清晰的视频图像是户外视觉系统正常工作和发挥效用的前提, 因此,
它对于天气情况非常敏感。然而,近年来,我国空气质量大幅下降,多地频繁出现雾霾天
气。雾天条件下,户外场景的视频图像受到严重影响,这是由于大气中存在着许多混浊介
质,包括颗粒、水滴等,这些介质会吸收和散射部分可见光,使成像设备接收到的光的强
度产生衰减,这导致获取的视频图像产生退化和降质。与无雾图像相比,降质图像表现为
清晰度、对比度和能见度降低,细节特征模糊不清,色彩产生失真和偏移等特性
[1]
。
以上视觉效果较差的降质视频图像丢失了部分有用的信息,这给确定目标和获取视频
图像细节信息造成了很大的困难,直接影响户外视觉系统的正常工作,例如公路交通智能
监控,军事航空监测,户外目标追踪,航拍工作系统等重要的视觉系统。以灾害监测航拍
工作系统为例, 在雾天情况下, 户外场景能见度低。 航拍视频中的目标难以准确追踪锁定,
目标颜色和对比度等特征严重衰减,导致航拍灾害监测预警以及后续搜救等工作难以正常
进行,情况严重的话可能带来巨大的损失
[2]
。因此,如果能对雾霾天气下的降质视频图像
进行去雾处理,就能使户外视觉系统适用于各种恶劣的天气,增加其可靠性,获取更加精
确和有效的信息,提高视觉系统的工作效率,降低成本。同时,随着计算机技术的发展,
计算机视觉系统在人们的日常生活和安全监测方面得到了更加广泛的应用,深入地研究高
效的视频图像去雾技术有着很重要的社会价值,也是当前社会所迫切需要的。
视频去雾技术是以图像去雾为基础的,图像去雾即用各种技术和算法去除图像中的
雾。现阶段,在计算机视觉领域里,已经有很多图像去雾算法被提出,根据去雾的基本原
理不同,将图像去雾算法分为两大类:一种是基于图像增强的方法,一种是基于模型的图
像复原的方法。这两种方法都可用于改善降质有雾图像的质量,使其在视觉上有更好的效
果,但两种方法的机理不同
[3]
。在本文中,重点研究对象是图像复原的方法,主要研究了
基于大气散射模型的去雾方法,并在此基础之上做出了某些方面的改进。
1.2 本课题国内外研究现状
现阶段,去雾在摄影和计算机视觉领域都是非常需要的。首先,去雾可以显著增强场
景的能见度并改善色彩偏移,无雾视频图像能增加人视觉上的愉悦感;其次,大部分计算
机视觉算法,通常都假定输入图像获取的是现场实时光照,视觉算法的运行(如:光照度
分析,特征监测及滤波)难以避免出现偏差。最后,去雾能产生一些深度信息,使得很多
高级图像编辑和视觉算法获益。因此,基于现实需要,很多图像去雾方法被提出来了。
L.Bissonnette等研究人员早在 1992年就对雨天和雾天条件下的降质图像进行了去雾的研
究
[4]
; Southerly和 John P.Oakley等人 1998年对航拍的有雾天气条件下的图像进行去雾处
理,最终得到了一些研究成果
[5]
。在各研究人员二十多年的研究中,图像去雾的技术取得
了非常大的进步。
上一节中提到现阶段有雾图像的处理方法可分为两大类:基于图像增强及基于图像复
原的方法。基于图像增强的方法是对图像的对比度、边缘、轮廓等特征进行一些处理,来
显示出图像的细节信息,从而使其在视觉上更加清晰,然后应用到去雾领域即在视觉效果
方面对图像进行改善
[6]
。这种方法虽然适应性较广泛,计算上也比较简单,但它没有考虑
图像退化降质的根本原因,只是通过一些处理来使人在视觉上方便查看或者进一步进行处
理和分析;另外,图像增强的方法在处理局部的场景深度的变化细节方面存在着不足,并
且可能会产生一定程度的颜色失真。由此可知,图像增强的方法只能减轻一定程度的雾的
影响,而不能从根本上消除图像中的雾。图像复原去雾方法,则是通过建立雾天图像成像
模型,从中还原出无雾图像。由于图像复原方法去雾是根据雾天退化图像成像的根本原理
研究出来的,因此,现阶段基于模型的图像复原方法应用得较广泛且取得了不错的成果。
1.2.1 基于图像增强的去雾方法
现阶段,图像增强方法中两个主要方法是直方图均衡算法及 Retinex(视网膜皮层理
论)算法。
直方图均衡化算法的原理是变换和处理雾天图像的直方图,使其趋于均匀分布,因为
当数据趋于均值时,图像的对比度会被增强,表现的信息较丰富,清晰度也更强。这种方
法是根据图像中像素的个数的分布状况来对图像的直方图进行调整使其分布趋向于均匀
[7]
。全局直方图均衡化方法是最先被研究的,这种方法从整体上研究雾天图像的灰度均衡
化,它分析处理全局上统计的灰度信息,得到灰度调整函数。然而在很多实际的工程应用
中,局部区域才是某些图像处理算法需要处理的。因此,局部直方图均衡化的方法应运而
生,即 AHE方法,这种方法要先对图像进行分块,然后设置一个局部窗口,将设置的窗口
的中心像素点置于待操作的局部块像素点处,对其进行直方图均衡化处理,再把该窗口依
次移到其他待处理的像素点处,直到完成整个图像的处理。然而,这种重叠处理运算量非
常大。翟艺书在此基础上提出局部重叠的均衡化算法,但这种方法的分块处理比较复杂;
J B Zimmerman等提出插值均衡化算法,消除了一部分块效应
[8]
; Stark提出广义的均衡化
方法,扩大了 AHE方法的使用范围
[9]
。
Retinex算法是 Land以颜色恒定型为基础提出的理论。 Retinex表示的是视网膜皮层理
论,表明人的视觉系统与视网膜及大脑皮层有关系。该算法有颜色恒常性和动态范围压缩
的特点。颜色恒常性指的是,人类在感知外界事物时,无论事物周围的环境如何变化,人
的视觉系统都能保持色彩恒定
[10]
。对于 Retinex算法的研究已经取得了很多的成果, Land
等研究人员最早提出自由路径的 Retinex算法,但由于运算中路径的个数和长度等难以加
以确定,导致这个算法运算复杂。现阶段,中心环绕 Retinex算法是该领域的研究重点,
该算法认为,周围像素和中心像素的距离变化,会导致周围像素对中心像素的影响产生变
化,这个算法在运算上复杂度较低,而且能较好地增强图像对比度。在应用方面,美国国
家航空航天局在 2004年对航拍的图像进行了单尺度的 Retinex实时性增强处理,获得了很
好的去雾效果。
1.2.2 基于模型的图像复原去雾方法
近年来,越来越多的研究人员对雾天图像的成像机理进行研究,从这个角度入手,建
立图像退化降质模型,从中恢复出无雾图像。
最初, Oakley等基于这种机理构造了一个多个参数的退化衰减模型。这个模型考虑设
备和场景中多个不确定的因素,去雾效果较好,但它需要测量的参数太多,运算太复杂,
实用性不强
[5]
。后来 Narasimhan S G在此基础上对同一个场景不同天气情况下形成的图像
进行研究,运用不同天气情况的图像间的差异获取景深信息,提取该场景的三维结构,然
后复原出无雾图像。这种方法的去雾效果取得了一定的进步,但由于条件的限制,一般情
况下,获得同一场景不同天气情况下的图像有一定的困难,对于实时系统来说也无法进行
实时性的去雾
[11]
。
受到条件的限制,研究人员开始对单幅图像的去雾技术进行研究,他们在大气散射模
型的基础上,根据先验条件还原出单幅图像的无雾图像。
Tan假定同一个场景的晴天图像的对比度比雾天图像更高,并且随着场景深度增加,
大气光的变化趋于稳定。根据这一先验, Tan通过增加雾天图像的局部对比度以达到最大
来对图像进行去雾
[12]
。然而这种方法可能产生光晕效应,它在视觉上可能是有效的,但在
物理上是无效的。 Ktatz假定景深和场景辐射在统计上是各自独立的。在此基础上,建立
一个重尾先验的幂函数作为场景反射率的模型, 具体的场景决定场景深度, 依据景物特征,
建立一个高斯平滑函数或者分段常数函数的模型,再求最大后验估计
[13]
。运用独立成分分
剩余38页未读,继续阅读
资源评论
hhappy0123456789
- 粉丝: 60
- 资源: 5万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功