图像去雾方法。将基于同态滤波的去雾图像,与经全局均衡化直方图的图像去雾算法、暗通道去雾算法等方法进行对比,借鉴其红外技术的优点,优化同态滤波算法,使得图像去雾效果更加理想。41.3.2本文结构安排本文共分为五个部分。具体结构如下:第一部分绪论。主要介绍了图像去雾的研究背景和意义、国内外研究现状、发展前景以及本文的主要研究内容。第二部分图像去雾原理与技术。主要介绍了图像去雾的基本原理、基本特征和图像去雾的分类,归纳了图像去雾的典型算法以及主要应用。第三部分研究基于同态滤波的图像去雾方法。第四部分实验结果。第五部分实验方法评价与改进。第六部分对本文进行总结。52图像去雾概述2.1图像去雾的概念图像去雾技术(雾、霆等类似大气粒子的散射现象均可用米氏散射理论描述,为了描述的方便,简称为去雾)的主要任务是去除天气因素对图像质量的影响,从而增强图像的视见度。2.2图像去雾的分类图像去雾技术在经过近20年的研究发展中,经过国内外研究学者们的努力,已经形成了许多可应用于实践的技术方法。目前的主流方向是通过物理模型和非物理模型展开的。依据是否依赖大气散射模型,将现有的方法分为两类:基于物理模型的方法(MB)和非物理模型的方法(NMB)。基于物理模型的方法即是图像复原方法,基于非物理模型的方法即是图像复原方法。雾天图像复原是研究雾天图像退化的物理机制,并建立雾天退化模型,反演退化过程,补偿退化过程造成的失真,以便获得未经干扰退化的无雾图像或无雾图像的最优估计值,从而改善雾天图像的质量。这种方法针对性强,得到的去雾效果自然,一般不会有信息损失,处理的关键点是模型中参数的估计。雾天图像的增强方法不考虑图像退化原因,适用性广,能有效地提高雾天图像的对比度,增强图像的细节,改善图像的视觉效果,但对于突出部分的信息可能会造成一定损失。对于每一类方法,按照去雾方法的相似性进一步归纳为不同的子类方法:基于图
全文预览
