导读:本文包含了雾天降质图像论文开题报告文献综述及选题提纲参考文献，主要关键词:图像去雾,暗通道先验,天空分割,超像素
雾天降质图像论文文献综述
王怀[1]（2017）在《基于暗通道先验的雾天降质图像复原方法》一文中研究指出近年来,环境污染日益加剧,雾、霾等恶劣天气频发,越来越多地影响着人们的日常生产生活。构成环境污染的主要成分是大气中悬浮的颗粒物,它不仅冲击着人们的健康,而且对大气光具反射、散射、吸收等作用,给原本清晰的外部环境蒙上了一层厚厚的纱,导致能见度严重降低,众多的成像设备因此无法正常工作,获取到的图像信息难以识别,所以迫切需要有效的图像去雾技术来提高图像质量。单幅图像去雾非常具有挑战性,因此成为近年来该领域的难点和热点问题,基于物理模型的图像去雾方法是目前单幅图像去雾的主流方法,该方法主要从降质退化的过程出发,建立数学物理模型,反演无雾图像,理论严谨,效果真实,尤其是2009年何凯明博士提出的暗通道先验算法,简单易懂、实现快捷、效果显着,因此倍受学者青睐。本文的研究主要是在暗通道先验算法的基础上,针对其不足进行改进,以获得更佳的去雾效果。论文首先对暗通道先验算法进行了深入研究,分析了该算法存在叁方面的不足:一是图像中场景突变边缘处因透射率估计不准确导致复原图像在该处出现光晕效应;二是由于天空区域不符合暗通道先验,使得含有天空区域的图像在去雾后产生明显的颜色失真;叁是软抠图算法耗时过长,复杂度过高,达不到实时处理要求。针对以上问题,本文提出了基于暗通道先验和超像素分割的去雾方法,该方法首先对含有天空的图像进行天空区域分割,使图像分为纯天空区域和非天空区域;其次,对非天空区域使用简单线性迭代聚类(SLIC)超像素分割,使图像中具有共同特征的像素点聚类到一个超像素块内,对每个超像素块运用暗通道先验算法计算初始透射率,然后对初始透射率进行高斯平滑;而对天空区域,整体作为一个窗口求暗通道进而求初始透射率,并对其做提升处理;在大气光估计时,为了防止选点落到白色物体上,对天空区域求均值作为大气光的值,最终利用模型复原出无雾图像。最后,从主观评价和客观评价两方面,全面评价了论文提出的去雾图像。在主观评价时,将本文算法分别与暗通道先验算法、其他经典去雾算法以及最新去雾算法的结果进行了比较;客观评价方面则选用均方误差、峰值信噪比、新增可见边之比等常用客观评价因子进行评价,通过主客观评价总结出本文算法的优势及不足。实验证明,本文算法与暗通道先验算法去雾相比,光晕效应完全消除,天空区域自然无偏色,而且,比软抠图改进算法时效性显着提高。(本文来源于《西安电子科技大学》期刊2017-06-01）
刘子兵[2]（2016）在《雾天降质图像复原技术研究与GPU实现》一文中研究指出雾霾等场景中,大气中颗粒物对光线的散射效应导致成像质量的严重退化,这将造成图像对比度低和细节信息丢失,影响了人眼主观视觉效果以及对图像的实际应用价值。因此,对雾天降质图像的清晰化复原处理具有重要的理论意义和迫切的现实需要。目前的去雾技术还有诸多缺陷,去雾后的图像质量还需进一步提高。本论文详细分析雾天图像的退化机制,对雾天图像复原算法的关键技术进行了探索研究。文中具体研究内容如下:1)针对现有方法不能较好地处理天空等高亮区域场景的问题,提出了一种基于天空等高亮区域的判别与修复的去雾方案,对存在天空等高亮区域的场景,结合对比度增强调整和大津法分割出天空区域,并修正天空区域的大气耗散函数;再结合双指数滤波器的边缘保持特性,从而实现去雾物理模型参数的准确估计。2)针对图像去雾后图像亮度偏低,颜色不佳的问题,首先结合形态学运算,更加准确地估计大气光强度值;其次提出一种非线性的亮度和色度调整方案,并且相应的参数能通过去雾场景自适应调整。实验结果表明,复原的图像更加符合后期处理需要。3)针对现有去雾方法场景适应度不足的普遍缺陷,需要更快和更精确地的估计去雾物理模型的参数。结合不同景深处大气光幕的特性,提出了一种基于不同场景深度雾气浓度信息的全局大气光幕求取方案,并通过Lee滤波对全局大气光幕进一步精细化处理。实验结果表明,该方案能更快速准确地求取大气光幕,同时具有较强的场景适应能力。4)针对当前去雾算法效率较低,不能满足实时高清去雾的缺陷,以CUDA框架为编程模型,并行化实现了基于大气光幕融合的去雾方法,并将算法移植到图形处理单元(GPU)平台上,利用GPU并行架构的处理能力,算法的运算速度得到了进一步的提升,实验结果表明,本文算法的并行化处理能够实现实时高清去雾。(本文来源于《华侨大学》期刊2016-03-30）
高明,邹耀斌,雷帮军,徐光柱[3]（2016）在《噪声干扰下的雾天降质图像增强方法》一文中研究指出目前国内外的研究主要围绕雾气这一退化因素提出不同的增强方法。然而,在工程实践中,光电雷达监控系统昼光传感器因同时受雾气和噪声的干扰,导致捕获的图像不但整体偏暗、对比度偏低、色彩失真,而且隐含有噪声。在分析光电雷达监控系统昼光传感器捕获的图像的特性基础上,提出了一种噪声干扰下的雾天图像增强方法。首先利用引导滤波器对原图像进行滤波操作,然后对滤波后的图像进行直方图拉伸变换。在大量实际图像上的实验结果表明,该方法能够有效抑制噪声干扰,同时显着增强降质图像。(本文来源于《微型机与应用》期刊2016年06期）
张鑫,麻金继,吴浩[4]（2015）在《雾天降质图像的去雾复原新算法》一文中研究指出针对雾天可见光图像对比度低,成像效果差的情况,提出了一种图像去雾新算法。该算法在暗原色先验知识的基础上,结合引导滤波函数,解决了雾天图像场景透射率不精确的问题。算法结果与暗原色先验方法得到的结果相比,复原效果明显,不仅还原了雾天场景的轮廓和颜色信息,而且对不同材质的物体表现更佳,使得去雾后图像的可视性增强,更加贴近真实场景。同时,对于浓雾天气条件下获取的图像,去雾能力显着,计算效率更高,大大降低了去雾算法的复杂程度。(本文来源于《遥感信息》期刊2015年05期）
王明[5]（2015）在《雾天降质图像清晰化方法研究》一文中研究指出随着我国现代化水平的不断提高,计算机视觉技术在人们生活中的应用也越来越广泛,然而图像采集设备容易受到雾天等恶劣天气的影响,会导致采集到的图像发生严重的退化降质,具体表现在：色彩失真、对比度降低和清晰度下降等等。尤其,近年来,我国雾霾天气时有发生,为了保证系统能够正常工作,减少雾天天气对系统的影响,因此,对雾天降质图像的清晰化研究具有十分重要的意义。目前,对雾天降质图像清晰化处理的方法主要分为两大类：基于图像处理的增强方法和基于物理模型的复原方法。在两种去雾算法的基础之上,本文深入研究了雾天降质图像的清晰化方法,主要工作内容如下：1)本文首先详细介绍了雾霾天气形成的原因以及大气散射物理模型；其次,阐述了雾天天气状况下图像退化以及颜色失真的原因；最后,引入了图像质量主观评价标准以及客观的评价指标。2)针对暗原色先验理论去雾算法进行详细的分析,从大气光的选取、透射率的估计与优化以及图像的复原都做了详尽的阐述,并结合图像质量评价指标,将该算法与其他去雾算法进行对比分析,通过实验验证证明,暗原色先验理论去雾算法能够得到清晰的图像,景物边缘信息也能很好的保留,从中归纳总结出暗原色先验去雾算法的优点及缺点。3)通过对暗原色先验理论算法的验证性分析,并在此基础之上,提出了改进的基于图像分割的去雾算法。该算法在大气光A的选取方面、透射率的优化方面以及算法的实时性方面都取得了很好的改善。通过实验证明,该算法在对场景深度较浅的算法去雾效果较为满意,复原后图像的细节和清晰度都得到了大大的提高,景物轮廓也更凸显,时间复杂度也大大的降低,采用对雾天图像分割的去雾思想更具有目的性,效率更高。(本文来源于《昆明理工大学》期刊2015-05-01）
杜旭[6]（2015）在《雾天降质图像清晰度恢复技术研究》一文中研究指出雾霾天气的情况下,在户外获取的场景图像受到该天气情况的不利影响,导致所获取的图像的对比度信息丢失,色彩变淡,场景中信息受损,使图像所包含的特征信息被覆盖,图片细节无法辨认,最终导致从中提取的数据质量下降,严重影响了户外计算机视觉系统的工作质量,使其无法可靠的工作。所以在雾天的天气条件下,通过图像去雾处理技术处理雾化的图像,增加雾天情况下户外场景的对比度,使其包含的细节特征可以正常的提取,保证户外计算机视觉系统的工作质量。因计算机视觉系统的精确、快速、可靠的优点,被广泛应用。因此,图像去雾技术对计算机视觉系统有着直接的应用价值,值得我们去开展图像去雾的研究。本文围绕先验暗原色去雾方法开展研究。首先,本文分析了雾、霾构成,以及对光线传播的影响,给出了雾天图像退化模型—大气散射模型,分析了该模型对图像成像的影响的机理。在该模型的基础上,制定图像去雾方案,对比分析后选择了基于先验暗原色去雾的方法。并此方法的基础上,改进该方法。针对图像去雾的实时性要求,以及颜色失真问题作了以下处理:将原来使透射率t值图边缘平滑化的抠图法用guide滤波结合双边滤波的方法将其代替。经过实验对比,证明优化后的去雾方法能有效获得清晰地图像,并且缩短了图像处理的时间,提高去雾图像的质量,满足了图像去雾的实时性要求。(本文来源于《长春工业大学》期刊2015-04-01）
楚君[7]（2015）在《单幅雾天降质图像色彩复原算法研究》一文中研究指出雾是由于空气中悬浮的水汽凝结成细小微粒而出现的一种自然现象。受雾天条件影响,成像设备采集到的图像具有对比度低、颜色饱和度弱、场景轮廓不清晰等特点。雾天图像的退化制约了户外视觉系统的实际应用如工业测量与监督、自动导航、军事方面的无人侦察,难以满足当前科技日新月异的发展要求,目前雾天降质图像可见度复原算法的研究已成为计算机视觉领域的热点之一。其中,单幅雾天图像复原的研究由于存在先验信息少、目标场景内容复杂、退化模型本身的局限性等问题而进展缓慢,其研究更具现实意义。雾天条件下,物体的反射光经过大气粒子的吸收和散射作用进入成像设备。其中,目标场景的反射光在传播的过程中随着场景深度的增加而逐渐衰减,非目标场景的大气散射光经过大气粒子的散射随场景深度的增加而增加。本文利用该雾天图像退化模型对单幅雾天图像进行色彩复原。基于中值滤波的快速去雾算法能够区分雾和低饱和度场景,快速估计大气面纱函数,但在深度剧烈跳变的细小边缘区域去雾效果不够彻底,算法参数过多,手动设置参数很难得到较为理想的实验结果。为此,本文根据大气散射模型提出了结合引导图像滤波的快速去雾算法。通过对雾天图像进行两次引导滤波操作估计出大气面纱函数,该算法在细小的边缘区域有很好去雾效果,并且时间复杂度接近线性,所含参数较少,但是对于距离较远的目标场景的去雾效果并不明显,这是由于场景较远时存在较多噪声(雾),致使对比度降低,直接用原始雾天图像的边缘信息减去低方差区域的边缘信息在一定程度上引入了噪声,从而导致远处场景的雾去除不彻底。为了进一步减弱原始雾天图像中噪声的影响,本文在基于引导滤波器快速算法的基础上对大气面纱函数的推导方法进行改进,首先通过对原始雾天图像的各通道最小值图像进行中值滤波得到初始大气面纱,然后将引导滤波得到的雾天图像的边缘信息作为引导图像对初始大气面纱进行修正,这样既能对初始大气面纱中不够准确的边缘信息进行修正,又能够平滑低方差的噪声区域；同时为得到更为准确的雾天图像退化模型,本文结合暗原色先验理论估计空气光,最后对雾天图像进行色彩复原。与其他现有典型雾天图像复原算法相比较,该算法对雾天图像的边缘信息有很好的感知效果,能够去除场景中远处的雾,避免了原始图像中过多噪声的干扰。(本文来源于《安徽大学》期刊2015-04-01）
李翠[8]（2014）在《雾天降质图像自适应清晰化处理算法的设计及实现》一文中研究指出雾、霾等天气情况下,大气中微小粒子的散射作用,使获取的图像对比度降低,质量下降,影响了图像的视觉效果,不仅对图像特征的提取造成干扰,而且使户外监控系统无法可靠运行。因此,研究有效且快速的去雾方法,使雾天降质图像清晰化具有重要的实际意义。本文介绍了大气散射模型,分析了雾天降质图像降质的物理原因,并深入研究了基于暗通道先验的图像去雾算法。针对基于暗通道先验的图像去雾算法中软抠图计算量大、时间复杂度高的问题,利用改进的多尺度最小值滤波对透射率进行优化,经实验验证改进的算法提高了算法运行速度,并保持了图像去雾的效果。针对暗通道先验算法进行去雾后的图像颜色暗淡、局部信息不突出的问题,提出利用限制对比度自适应直方图均衡算法对图像进行对比度调节,实验表明,该方法能有效地增强图像对比度和提高图像的整体亮度。针对基于多尺度的Retinex的图像增强算法中运行效率低和去雾后颜色暗淡的问题,提出对HSV颜色空间中亮度分量进行多尺度的图像增强,并利用拉普拉斯算子对图像进行边缘提取,从而有效地提高了算法运行效率,且获得了较好的去雾效果。本文引入雾浓度的度量标准,将户外场景下的雾天降质图像进行分类,构建雾天降质图像的自适应清晰化处理系统,充分利用本文所提出算法的优缺点,实现自适应清晰化处理,通过实验验证了本文所提出算法的有效性和实用性。(本文来源于《北京交通大学》期刊2014-06-01）
吴笑天,鲁剑锋,贺柏根,吴川,朱明[9]（2013）在《雾天降质图像的快速复原》一文中研究指出针对在雨雾霾天气条件下,大气介质的散射和吸收作用导致光电成像系统接收的图像对比度降低,细节模糊不清及颜色偏移,提出通过快速图像复原来解决此类图像退化问题。基于大气成像光学模型,在暗通道先验的理论基础上,提出了一种基于形态学滤波器的快速估算暗通道图像的方法,并采用参数自适应调整方法来抑制暗通道先验不满足时的大片天空/白墙区域的颜色失真现象。实验结果表明,该算法能够有效快速复原雨雾天气条件下的降质图像,对于600×400大小的图像,其Matlab复原仿真时间仅为0.4 s,复原后的图像主观视觉质量明显提升,其大片天空/白墙区域的颜色失真得到有效抑制。(本文来源于《中国光学》期刊2013年06期）
刘松,孙东,卢一相[10]（2013）在《基于单尺度Retinex雾天降质图像增强算法》一文中研究指出针对雾天采集的图像的退化现象,提出一种基于单尺度Retinex的雾天图像增强的算法.此算法首先把图像从RGB空闻转换到HSI空间,对亮度Ⅰ分量用单尺度Retinex估计出与场景深度信息相关的雾气遮罩度,从亮度Ⅰ分量中除去所估算的雾气遮罩度,即可得到亮度Ⅰ分量的反射分量;然后利用双边滤波器,提取雾气遮罩度的反射分量,将该反射分量和亮度Ⅰ的反射分量进行融合,并对饱和度S进行线性拉伸;最后转换到RGB空间即可得到增强后的图像.实验结果表明,该方法对雾天退化图像效果较好.(本文来源于《微电子学与计算机》期刊2013年11期）
雾天降质图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
雾霾等场景中,大气中颗粒物对光线的散射效应导致成像质量的严重退化,这将造成图像对比度低和细节信息丢失,影响了人眼主观视觉效果以及对图像的实际应用价值。因此,对雾天降质图像的清晰化复原处理具有重要的理论意义和迫切的现实需要。目前的去雾技术还有诸多缺陷,去雾后的图像质量还需进一步提高。本论文详细分析雾天图像的退化机制,对雾天图像复原算法的关键技术进行了探索研究。文中具体研究内容如下:1)针对现有方法不能较好地处理天空等高亮区域场景的问题,提出了一种基于天空等高亮区域的判别与修复的去雾方案,对存在天空等高亮区域的场景,结合对比度增强调整和大津法分割出天空区域,并修正天空区域的大气耗散函数;再结合双指数滤波器的边缘保持特性,从而实现去雾物理模型参数的准确估计。2)针对图像去雾后图像亮度偏低,颜色不佳的问题,首先结合形态学运算,更加准确地估计大气光强度值;其次提出一种非线性的亮度和色度调整方案,并且相应的参数能通过去雾场景自适应调整。实验结果表明,复原的图像更加符合后期处理需要。3)针对现有去雾方法场景适应度不足的普遍缺陷,需要更快和更精确地的估计去雾物理模型的参数。结合不同景深处大气光幕的特性,提出了一种基于不同场景深度雾气浓度信息的全局大气光幕求取方案,并通过Lee滤波对全局大气光幕进一步精细化处理。实验结果表明,该方案能更快速准确地求取大气光幕,同时具有较强的场景适应能力。4)针对当前去雾算法效率较低,不能满足实时高清去雾的缺陷,以CUDA框架为编程模型,并行化实现了基于大气光幕融合的去雾方法,并将算法移植到图形处理单元(GPU)平台上,利用GPU并行架构的处理能力,算法的运算速度得到了进一步的提升,实验结果表明,本文算法的并行化处理能够实现实时高清去雾。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
雾天降质图像论文参考文献
[1].王怀.基于暗通道先验的雾天降质图像复原方法[D].西安电子科技大学.2017
[2].刘子兵.雾天降质图像复原技术研究与GPU实现[D].华侨大学.2016
[3].高明,邹耀斌,雷帮军,徐光柱.噪声干扰下的雾天降质图像增强方法[J].微型机与应用.2016
[4].张鑫,麻金继,吴浩.雾天降质图像的去雾复原新算法[J].遥感信息.2015
[5].王明.雾天降质图像清晰化方法研究[D].昆明理工大学.2015
[6].杜旭.雾天降质图像清晰度恢复技术研究[D].长春工业大学.2015
[7].楚君.单幅雾天降质图像色彩复原算法研究[D].安徽大学.2015
[8].李翠.雾天降质图像自适应清晰化处理算法的设计及实现[D].北京交通大学.2014
[9].吴笑天,鲁剑锋,贺柏根,吴川,朱明.雾天降质图像的快速复原[J].中国光学.2013
[10].刘松,孙东,卢一相.基于单尺度Retinex雾天降质图像增强算法[J].微电子学与计算机.2013