霧霾是一種比較常見的天氣現(xiàn)象,在這種天氣情況下拍攝的圖像普遍存在質(zhì)量較低的問題,如對(duì)比度下降、細(xì)節(jié)丟失等,從而給后續(xù)的圖像處理和分析帶來很大的困難。因此,為了在霧霾天氣獲取高質(zhì)量的圖像,需要對(duì)有霧圖像進(jìn)行去霧處理,以提高圖像的對(duì)比度,豐富圖像細(xì)節(jié),保證計(jì)算機(jī)視覺系統(tǒng)在霧霾天氣下的正常運(yùn)行。對(duì)有霧圖像的去霧研究主要分為兩類:一類是采用圖像增強(qiáng)的方法,另一類是基于物理成像模型的方法。采用圖像增強(qiáng)的方法能增強(qiáng)圖像細(xì)節(jié),改善圖像的視覺效果,這類方法在取得去霧效果的同時(shí)也帶來了一些問題,如顏色扭曲、圖像失真等�；谖锢沓上衲Ｐ偷姆椒ㄍㄟ^深入分析圖像退化的原因,建立有霧圖像的物理成像模型(如大氣散射模型等),通過對(duì)模型進(jìn)行逆運(yùn)算從而實(shí)現(xiàn)霧圖的復(fù)原操作。由于這種方法考慮了霧圖的成像過程,取得了很好的去霧效果。目前基于物理成像模型的去霧方法中,基于大氣散射模型和先驗(yàn)知識(shí)的算法效果突出,但是這種方法依然存在一定的缺陷,去霧算法的適用范圍受到先驗(yàn)知識(shí)的限制,不具備普遍適用性。本文針對(duì)這個(gè)問題,提出了一種根據(jù)霧相關(guān)特征預(yù)測(cè)場(chǎng)景透射率的方法,通過大量研究分析霧相關(guān)的特征,篩選出其中最有效的4個(gè)特征,建立它們與...

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于圖像增強(qiáng)的去霧方法的研究現(xiàn)狀
        1.2.2 基于物理成像模型的去霧方法的研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容及論文結(jié)構(gòu)
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 論文結(jié)構(gòu)
第2章 圖像去霧的相關(guān)理論
    2.1 大氣散射模型
        2.1.1 入射光衰減模型
        2.1.2 大氣光成像機(jī)制
        2.1.3 霧霾天氣圖像退化模型
    2.2 圖像去霧質(zhì)量評(píng)價(jià)
        2.2.1 有參考的質(zhì)量評(píng)價(jià)
        2.2.2 無參考的質(zhì)量評(píng)價(jià)
    2.3 本章小結(jié)
第3章 基于特征學(xué)習(xí)的單幅圖像去霧算法研究
    3.1 霧相關(guān)特征研究
        3.1.1 多尺度暗通道特征
        3.1.2 多尺度對(duì)比度特征
        3.1.3 多尺度飽和度特征
        3.1.4 色調(diào)差異特征
    3.2 霧相關(guān)特征分析與選擇
        3.2.1 相關(guān)性分析理論
        3.2.2 特征分析與選擇
    3.3 基于隨機(jī)森林的去霧方法
        3.3.1 準(zhǔn)備訓(xùn)練數(shù)據(jù)
        3.3.2 訓(xùn)練隨機(jī)森林回歸模型
        3.3.3 采用回歸模型去霧
    3.4 實(shí)驗(yàn)結(jié)果分析
        3.4.1 定性比較
        3.4.2 定量比較
    3.5 本章小結(jié)
第4章 基于圖像分割的暗通道去霧改進(jìn)算法
    4.1 暗通道去霧算法
        4.1.1 暗通道先驗(yàn)
        4.1.2 暗通道去霧過程
    4.2 暗通道去霧算法存在的問題
    4.3 暗通道去霧算法的改進(jìn)
        4.3.1 天空區(qū)域分割
        4.3.2 純白區(qū)域分割
        4.3.3 透射率計(jì)算
        4.3.4 改進(jìn)的大氣光計(jì)算
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 定性比較
        4.4.2 定量比較
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝



本文編號(hào)：4000152