- 上一篇：java+mysql网店商品仓储管理与查询系统设计
- 下一篇：高光谱遥感地物识别并行优化和系统实现
1 引言（绪论）
1.1 研究背景、目的及意义
在雾天或雾霾严重的情况下，由于大气中微粒增加使得大气散射明显增强，于是场景的能见度受到很大影响，图像中目标亮度、对比度和色彩等特征衰减，室外成像难度增大，无论是对交通管理还是安全部门的监管都造成了相当的影响，因此需要对图像进行去雾处理。事实上，主要应用于视频监控、地形勘测等方面的图像去雾技术已成为图像处理领域研究的重要内容，其主要分模拟和数字处理两大类，模拟图像处理局限性太大因而现在一般采用数字图像处理的途径。由于大气散射、雾霭等对图像质量造成的影响，直接影响到图像特征的提取，从而导致以提取图像特征为基础的监控、跟踪等视觉应用系统无法正常工作，以至于相关部门无法在天气情况不好时查看道路和治安探头，无法实时了解到城市交通和治安状况，城市安全无法保障。因此如何从降质图像中去除散射及雾霾影响，恢复图像的色彩、对比度等主要图像指标已成为当务之急。
1.2 国内外发展现状
1.3 本文研究的主要内容及研究手段
由于雾霾和雨雾天气的原因，导致在朦胧状态下所拍摄到的图像信息非常不清晰，在对比度和亮度方面损失都非常大，致使交通管理和安全部门工作面临巨大困扰，因此需要对视频图像进行去雾处理，本课题对多种有效的去雾算法进行了讨论，使用MATLAB数字图像处理工具对去雾技术的一些典型算法进行了研究并对一些关键的技术指标进行了试验，综合对比了几种算法的应用背景和去雾效果，为需要者提供技术参考。
2 去雾技术算法原理介绍
2.1 全局化的图像增强方法
全局化的雾天图像增强方法，是指调整灰度值，进而增加整幅图像的对比度，这是由整幅图像各像素点的灰度值归一化后的统计信息决定的，与各像素所处区域和位置无关。由于雾天场景的图像信息退化程度与景深（目标与镜头之间的拍摄距离）相关，而一幅图往往包含复杂的深度信息，所以全局化的处理方法往往只能使某一固定景深处的图像变清晰，容易造成残雾、光晕等现象，但当所要观测的雾天目标场景相对简单时，不失为一种快捷的有效途径。
（1）全局直方图均衡化算法
该方法的基本思想是将图像这种抽象的信息中的每个像素提取出来进行数学的统计，将原本灰度值聚集在某一区域的图像的灰度值均匀分布，使图像在人眼观察时效果增强。直方图均衡化因其简单便捷的特点成为了许多算法比较的首选对象。
（2）同态滤波算法
该算法是一种频率处理算法，通过傅里叶变换将图像的频域表示出来，通过照明反射模型对图像的频率和灰度同时进行处理，将灰度值缩小到指定范围后增强对比度来改善图像质量，换言之根据图像状况确定适宜的亮度范围进行处理。该方法经推广已在彩色图像增强方面得到了广泛的应用，且处理效果尚可。
（3）小波方法
小波方法不仅在对比度增强中效果显著，并且其具有更强的实时性，针对景深不同的场景有更好的复原效果，并通过锐化手段对图像进行处理，使图像细节更加鲜明，整体图像更加生动。
（4）Retinex算法
Retinex 由ritina（视网膜）和cortex（皮层）两词合成，表示一种颜色不变模型，它具有动态范围压缩和颜色恒常的特点，因而在处理光照不均引起的低对比度彩色图像时有很好的去雾效果。该算法由英国物理学教授麦克斯韦提出，近年来受到研究者的很大关注。Retinex算法从单尺度算法( Single-Scale Retinex，SSR ) 发展到加权平均多尺度算法( Multi-Scale Retinex，MSR)，而后又出现了彩色多尺度算法，在应用方面取得了很大的成功。Retinex 理论主要描述了物体的两种性质：1、物体的颜色是由其反射能力而不是由反射光强度决定的；2、物体的色彩不受光照的不均匀性影响,即颜色是物体本身的性质。