摘 要

图像去雾是数字图像处理的一个很重要的分支，图像去雾的目的是增强图像视觉效果；将图像的整体或局部的信息按照目的强调出来，使原本不清晰的图像变得清晰；或者将感兴趣的部分强调出来，提高图像的可识别度，满足某些特定分析的需求。

本文研究了图像雾化的原因和基于暗原色先验、基于边缘增强、同态滤波增强和直方图均衡化等几种图像去雾技术。在此基础上，实现了基于单尺度和多尺度Retinex算法的彩色图像去雾。首先获得彩色图像的R、G、B三个分量；接着设计用于估计照度图像的高斯低通滤波器；然后对个分量图像进行低通滤波；之后将各分量转换到对数域，在对数域中去掉各分量图像较暗的部分；最后利用直接线性量化，按照均等权重的规则得到去雾后的图像。

关键词：Retinex 去雾 单尺度 多尺度

Realization of Image Defogging Technology

Abstract

Image dehazing is an important branch of digital image processing, it is enhanced image visual effect, will be the global or local information to stressed out, make originally not clear image becomes clear; or the interest part stressed out, provided high image can be recognition and meet the needs of specific analysis.

Atomization image and based on dark colors of a priori, based on several kinds of image edge enhancement, homomorphic filtering enhancement and histogram equalization to spray technology is studied in this paper. On the basis of this, the color image de fog based on single scale and multi-scale Retinex algorithm is realized. First obtain color images of the R, G, B three components; then design for estimating the illumination image with a Gaussian low-pass filter; then low pass filter of one component image; after each component converted to log domain, in the log domain to remove the darker parts of the image of each component; the use of direct linear quantization, in accordance with the rules of the equal weight to get the fog image.

Key word: Retinex Image Enhancement Single-scale Multi-scale

目录

摘要 II

Abstract III

第一章 绪论 2

1.1图像去雾的背景和意义 2

1.2 图像去雾方法研究现状 2

1.3本文主要研究工作及内容安排 3

第二章 几种基本的图像去雾方法 4

2.1雾化图像的成因 4

2.2基于大气散射物理模型的方法 5

2.2.1 暗原色先验去雾方法 5

2.2.2 偏振成像去雾算法 5

2.3 基于图像增强的方法 6

2.3.1 基于直方图均衡化的方法 6

2.3.2 基于同态滤波的方法 6

2.3.3基于小波的图像增强算法 7

2.3.4 基于大气调制传递函数增强算法 8

2.4 图像质量评价 8

2.4.1 主观评价 8

2.4.2 客观评价 8

2.4 本章小结 9

第三章 基于Retinex的图像去雾算法 10

3.1RGB颜色模型 10

3.2 Retinex基本原理 10

3.3 单尺度Retinex算法 12

3.4 多尺度Retinex算法 14

3.5 本章小结 16

第四章 图像去雾的实现与分析 17

4.1 GUI的设计 17

4.1.1 图形对象 17

4.1.2句柄与句柄操作 17

4.1.3 GUI的实现 18

4.2 程序代码以及说明 20

4.2.1 Retinex算法的一般过程 20

4.2.2单尺度Retinex去雾的实现 20

4.2.3多尺度Retinex去雾的实现 23

4.3 去雾效果分析 26

4.3.1薄雾环境 26

4.3.2 较暗环境 27

4.3.3较暗、纹理复杂环境 28

第五章 总结与展望 30

5.1 总结 30

5.2 展望 30

参考文献 31

致谢 33

第一章 绪论

1.1图像去雾的背景和意义

这几年以来，雾霾天气逐渐从中东地区延伸到了全国，雾霾逐渐开始引起大部分人的注意。雾霾形成的原因是人们的活动与特定气候条件之间的相互作用。比如在城市中，各种类型的生活活动和高人口密度会排放大量细颗粒物（PM2.5），如果因此而排放的颗粒物超过了大气的循环能力和大气承载度，同时细颗粒物的量将会持续累计，如果在此时遇到了静稳天气，就会出现大范围的雾霾。

在有雾情况之下，于室外所获得的图像会有所退化，从而大大衰弱颜色和对比度等特征。因为，如果是在一个真实场景中，一部分光线会被悬浮颗粒物散射在空气中，不能进入成像设备，存在于空气中的气溶胶中也会导致物体表面颜色较浅的颜色和对比度降低整个图像。这将会会直接影响到工作生产和人类的正常活动，比如：在城市中的恶劣天气条件下，会对图像监控系统监测车辆信息和确定车辆信息造成很大困难。在军事监视和勘察领域，对图像信息的识别会导致偏差，而这种偏会造成很严重的结果，遥感图像的退化也会干扰很多后续的信息处理。

研究如何进行再雾等恶劣天气条件下得到得退化图像的有效处理，对图像复原和场景细节的提高具有很重要的现实意义。雾天下图像的清晰化技术，有可能可以促进其他恶劣天气条件下图像的清晰化技术，所以在这方面的研究具有很大的价值。

1.2 图像去雾方法研究现状

在国外著名的研究机构有很多，比如：在很早之前，曼彻斯特大学就展开过对于在恶劣的天气条件下人们获得的图像的研究，曼彻斯特大学本校的Oakly和Satherly等人通过假想条件场景，来构建图像的退化模型，接着进一步估计相关参数，这个方法能够高效地使图像更加清晰，但是这个方法的弊端是只适用于灰度图像。美国国家航天航空局(NASA)的Langley研究中心(LRC)对在光线较弱的环境以及存在烟雾条件下获取的图像进行处理，采用之前对航空拍摄下处理图像效果较好的Retinex算法，获得了相对较好的效果，为以后在该领域的工作奠定了良好的基础；以色列的科学家也对该领域也一定的研究，该国的研究小组的成像实验室研究了基于偏振滤波的方法，把图像退化的原因归结为大气光的对图像的影响和信号的衰减，此方法的范围相对其他来说较广。S.K. Nayar 及其学生S.G.Narasimhan 是哥伦比亚大学(Columbia University)的计算机研究实验室 CAVE的主要成员，也在很早之前展开了对这方面工作的研究，采用了多帧在有雾天气条件下拍摄的图像进行去雾处理，同样的，也取得了比较好的结果。英国的 Dmist 技术公司，在曼彻斯特大学的图像恢复以及对比度方面的研究成果之上，设计出了产品 Clear Vue，这个产品也能够使得图像更加清晰，并且取得了较好的效果。

在中国，这一类研究图像去雾技术的机构，大部分都是在研究所和各大高校，比如：之前香港中文大学信息工程系的多媒体实验室和微软亚洲研究院进行了相关合作，在假设相关数据信息已知的情况下，对单幅图像的去雾技术进行了研究，并取得了良好的成果。南京理工大学的李鹏等人则在结合人眼对亮度指数的视觉特点的基础上，采用软件复位方Retinex(FMR)算法进行更进一步的改进，在一定程度上较好地实现了图像的去雾处理。安徽省合肥工业大学的汪春贵、杨万天等人提出了以照度分割为基础的，相对局部的多尺度 Retinex 算法，这个算法对于图像在图像的细节处理和亮度的保持上面取得了较好结果。西安理工大学的祝文等人研究图像的去雾，他们在不考虑大气退化模型的情况下，利用了移动模板对雾天图像的不同场景进行了分割。这种方法有效的实现了图像增强的效果，但是在一些特定的情况下，灰度直方图中天空区域与其他区域的灰度变化无明显的界限，所以难以分割出天空区域，也就因此而影响算法的效果。蒋国建、侯峰天等人则提出了以暗原色先验为基础的图像去雾算法，他们通过引入一种容差机制，可以有效地处理图像中不满足的该方法中明亮的区域，改正了在处理这类明亮区域时所有的估计的透射率偏小的问题，来有效地克服原算法在处理图像明亮区域时所产生的色彩失真的问题。

1.3本文主要研究工作及内容安排

本文研究了图像雾化的原因和基于暗原色先验、基于边缘增强、同态滤波增强和直方图均衡化等几种图像去雾技术。在此基础上，实现了基于单尺度和多尺度Retinex算法的彩色图像去雾。首先获得彩色图像的R、G、B三个分量；接着设计用于估计照度图像的高斯低通滤波器；然后对个分量图像进行低通滤波；之后将各分量转换到对数域，在对数域中去掉各分量图像较暗的部分；最后利用直接线性量化，按照均等权重的规则得到去雾后的图像。章节安排如下：

相关图片展示：