河北工业大学本科毕业设计（论文）前期报告

毕业设计（论文）题目：图像去雾算法的研究

专业：自动化专业

学生信息：

指导教师信息：

教师号

姓名

职称

报告提交日期：

1.文献综述

雾是一种常见的自然现象，它会使大气的能见度降低，景物图像发生退化，在雾天拍摄的图像内容模糊，对比度下降，这将会严重影响户外图像采集与处理，使工作无法正常进行。因此，对这种自然现象引起的图像质量下降展开图像信号处理与研究具有普遍意义。

另一方面，由于计算机技术的迅猛发展，计算机技术的运算速度越来越快，图像处理系统的价格日益下降，随着计算机视觉与图像处理技术的快速发展，户外视觉系统的研究与应用也在飞速增长。从而图像处理技术得以广泛用于科学和工程领域，为了保证视觉系统全天候正常工作，就必须使系统适应各种天气状况，而雾天图像对比度和颜色的会发生退化，导致这些系统无法正常工作。

因此，研究如何对尘雾等恶劣天气下获得退化图像进行有效的处理，对大气退化图像的复原，和景物细节信息的增强有着非常重要的现实意义，本论文展开了雾天天气下的景物清晰化技术的讨论，雾天图像的清晰化技术有可能对其他恶劣天气下的图像清晰化技术起到促进作用，此方面技术的研究有着很大的前景，图像处理科学与技术逐步向其他领域渗透是必然的。

2.课题研究的发展状况

本课题主要研究图像去雾的算法，目前，各个文献提出的图像去雾处理的方法有很多，一般分为以下几种：第一类是常规图像增强算法，图像增强分为图像颜色增强和图像对比度增强，图像颜色增强主要通过颜色恒常算法和色调映射算法，例如，图像亮度曲线调节，图像亮度线性拉伸，直方图均衡化，伽马算法。图像增强算法主要有频率域图像锐化算法，基于掩膜的图像锐化算法等。这类算法没有考虑雾天大气对图像的影响。

第二类是基于大气退化物理模型的方法，这种方法需要获得额外信息，例如有的方法需要利用专用的已经标定的雷达装置获得深度信息，然后利用图像数据和深度信息来求物理模型的参数，然后把参数带入退化模型，才能求出估计图像。有的；有的方法需要得到两种不同天气下同一场景的图像，才能获得深度信息，要求不好实现。

3.图像去雾算法及特点

3.1基于图像增强思想的算法

在基于增强的算法中，目前国内采用较多的是直方图均衡化算法和基于理论的多尺度彩色图像增强算法。

1）直方图均衡化算法

图像增强中的一种常用的方法，该算法以概率论为基础，基于空间不变思想，运用灰度运算来实现直方图的变换，从而达到增强图像的目的，更适合于景物深度变化很小的图像。分为全局直方图均衡化算法和局部直方图均衡化算法，

全局直方图均衡化算法实现简单，对单景深图像的复原效果较好，但是对于场景深度多变的图像，这种方法就很难反映图像中局部景物深度的变化，因此，对比度增强的效果难以令人满意。局部直方图均衡化算法【1】-【3】采用局部增强方法可以在很大程度上减小场景深度的影响，可使图像的每一个区域的对比度都能得到很大的改善，但是同时这种方法也将灰度变化缓慢的区域，如天空等区域也进行了误增强，从而导致景物影像因许多噪声的干扰而表现得不自然。

2）色彩恒常【4】-【6】理论

色彩恒常性是人类的视觉认知功能之一，它使人们能够忽略环境光照的光谱成分变化而获得对物体颜色的稳定知觉。也就是，在照度发生变化的条件下，人们对物体表色的知觉趋于稳定的心理倾向,同一表面在不同的照度下会产生不同的反射谱,人眼的颜色机制能分辨这种由照度变化导致的表面反射谱变化，对该表面颜色的认知在一定的范围内保持恒定。这种色彩适应性质对人类适应环境的过程具有重要意义。

3）．基于小波的方法

Grewe等人【7】-【8】基于小波方法对多幅雾天图像进行融合来获得一张较好的图像，但这种方法只能相对地提高图像质量，并不能实现真正意义上的去雾。

4）．基于大气调制传递方程【9】的方法

基于大气调制传递方程的方法是借助于大气调制传递方程进行雾天衰减图像的处理，但是需要事先知道雾气浓度和场景深度，在实际应用中难以实现。

3.2基于图像恢复思想的处理方法

有雾天气条件下，空气中悬浮颗粒的类型、形状、大小不同，颗粒对入射光线的散射模式也不同，颗粒大小的不同会导致散射模式和散射强度发生很大的变化。散射函数和颗粒的尺寸和入射光的波长比例是相关的。一般小颗粒物(1/10波长)的向前散射入射光(入射方向)和向后散射入射光基本是一样的，中等大小的颗粒(1/4波长)向前散射的要多些，更大的颗粒(比波长要大)基本上是仅向前散射。在此基础上，大气散射理论提出来了。

1）衰减模型【10】

在有雾天气条件下，从物体表面反射的一束光线在穿过大气到达成像设备的过程中会受到空气中悬浮颗粒的散射，导致部分光线偏离原来的传播路线到达不了成像设备。这会就导致光在传播过程中能量的衰减。直观上，物体离成像设备距离越远，发生散射的可能性就越大，最终到达成像设备的入射光就越少，也即由于大气中悬浮颗粒的散射作用使得入射光线的衰减越厉害。衰减模型描述了随着场景成像距离的增加，到达成像设备或观察者的光照强度成指数减少这样一个事实。

2）大气光模型【11】

从物体表面反射的光线在到达成像设备的过程中会发生衰减。随着成像距离的增加，到达成像设备的光线呈现指数减少趋势。也就是说，在有雾天气条件下拍摄的图像，在场景深度比较大的地方会比较暗。而实际情况是，在有雾天气条件下拍摄的图像，整体偏向于灰白色，在成像距离比较远的地方比较亮。

通过研究发现，在有雾天气条件下，还有另外的一种机制起作用，这就是环境光。天空中弥漫的光线，地面反射的光线，太阳光等入射光线受到大气中悬浮颗粒的散射，有一部分线会到达成像设备，人们把这样的一种现象叫做大气光。直观上，物体离成像设备越远，环境光进入到成像设备的可能性就越大，也就是随着成像距离的增加，物体在图像上看起来就会越亮，这和实际的成像情况很吻合。

3）最小失真【12】-【13】意义下雾化图像复原

前人基于大气衰减机制和信息论中的最小失真理论，提出了图像复原最优化算法。利用投影失真的性质，求解出满足最小失真准则的理论最佳参数，并得到了对原始信号的最优估计，从而自动地对退化图像进行去雾恢复。需要单个指定参数，同时针对场景深度的估计，提出了一个应用广泛的深度估计模型。

4）基于先验信息的雾天图像复原

传统的去雾算法往往只能有限地提升降质图像的清晰度，由于忽略了真实图像的雾气分布不均的事实而以整体统一处理的方式去雾，致使图像某些部分显得不够清晰，而某些部分却因过度处理而失真。近年来，众多研究者致力于如何针对单幅图像按照图中雾气浓度的变化，达到彻底去雾的效果。在这方面的早期工作是由Tan【14】 等人完成的。他们通过统计发现无雾图像相对于有雾图像必定具有较高的对比度，从而利用最大化复原图像的局部对比度来达到去雾的目的。何恺明等人最近提出了基于暗原色的单一图像去雾技术。该方法通过收集大量不受雾气影响的图像，发现了一套能识别雾气浓度的暗原色统计规律。即把图像分成多个子块，每个子块中都有一些亮度很低的像素。这些“黑点”通常存于物体阴影、黑色物体以及具有鲜艳颜色的物体中。根据这一规律，只需按雾气浓度局部修复图像各部分的颜色，就能有效地达到很好的去雾效果。

在本文中我们提出了一种简单但很强大的先验, 即暗原色先验【15】来为单一图像去雾。暗原色先验是从对户外无雾图像数据库的统计得出的规律。在雾成像模型里引入暗原色先验，单一图像的去雾变得更为简单和有效。由于暗原色先验是一种统计规律，对某些极为特殊的图像可能会效果不佳。当景物在本质上同空气层接近并且没有阴影覆盖其上时，暗原色的理论就是无效的。对那些物体我们的方法会忽略掉透射的影响，如图13中的白色大理石。我们的方法同其他许多去雾模型有一些共同的局限性——某些情况无法成功去除雾的干扰。更为先进的模型可用来描述复杂的现象，比如阳光对天空光的影响，和地平线附近的青色带。今后我们将在这些模型的基础上进一步对去雾进行研究。

4．图像去雾的趋势和前景

基于图像处理的图像增强方法具有对比度提高显著、图像细节突出、视觉效果明显的特点，该方法已经在实践中获得了广泛的应用。而基于物理模型的图像复原方法针对性强，得到的复原结果自然，且一般不会有信息损失，该技术必将获得更大的发展。尽管对图像去雾技术的研究已经取得了若干成果，但下述几点仍然有可能是今后研究的热点和难点问题，迫切需要引起研究人员的高度关注

1) 考虑雾天图像的模糊信息。从图像处理学角度提出的增强方法和基于物理模型的复原方法虽然均能改善雾天降质图像的质量，然而这些方法都没有考虑到降质图像固有的模糊属性。景物由三维空间到二维图像的映射过程，必然会造成信息的大量丢失( 如深度信息、被遮挡物体的信息) ; 而且在有雾天气下，由于大气粒子的散射作用和粒子的自身成像，使得获取的图像对比度较低，边缘轮廓及景物的特征都比较模糊。因此，如何充分考虑降质图像的这些模糊信息，再结合大气散射的物理机制，从而更好地实现能见度的提高将是研究人员在今后相当长的一段时间内所面临的主要任务。

2) 对雾天视频进行去雾处理。雾天动态视频处理需要解决的首要问题是去雾算法的运行效率，以便满足实际应用的实时性要求。目前，已有研究者采用基于深度关系的图像复原方法对视频监控系统中的视频进行了去雾实验。此外，已有雾天视频清晰化装置系统采用图像增强方法中的插值自适应直方图均衡化算法对雾天视频进行了清晰化处理。因此，研究高效的去雾算法处理雾天视频应该受到足够的重视。

3) 探索更完备的物理模型。基于物理模型的雾天图像复原算法已经取得了极大的进展，但是由于景物退化与场景深度呈非线性关系，由此带来的一个最大问题是很难保证所建立的景物退化模型的正确性和宽适性。目前，大多数的图像复原方法都建立在大气散射模型的基础上，并受到了此类模型的限制。即在某些天气情况下，使用该模型的复原方法将会失效。因此，采用更加完备的物理模型来描绘复杂的大气状况，并探索研究基于这些模型的去雾算法在未来一段时间内都将是一个具有挑战性的课题。

4) 利用可编程图形硬件加速图像去雾算法。图像去雾任务本身通常含有大量复杂的数据处理算法，例如大型矩阵的分解，大规模方程组的求解以及众多的非线性优化问题，以往这些运算只能在CPU 上进行，需要较长的处理时间，因而在某些对实时性要求高的场合无法达到预期的执行速度，所以利用可编程图形硬件加速图像去雾算法必然成为未来研究的一个热点。

5.参考文献

【1】Kim Tae Keun,Paik Joon Ki,Kang Bong Soon.Contrast Enhancement System

Using Spatially Adaptive Histogram Equalization With Temporal Filtering[J].IEEE

Transactions on Consumer Electronics,1998,44(1)：82～86.

【2】罗颖昕.雾天低对比度图像增强方法的研究[D].天津：天津大学，2003.

【3】王萍，张春，罗颖昕.一种雾天图像低对比度增强的快速算法[J].计算机应用

2006，26（1）：152～156.

【4】landE.H，Me CannJ.J.Recent Advanees in Retinex ,Theory and some Implieations for

CortiealComputations:ColorVisionandtheNatUralImage[C].Pro.Nat.Aead.Sei.U.S 1983.

【5】Braeque M L.Retinex:Physics and the Theory of Color vision[J].Computers in Physies.1988.

【6】 Jonathan F，JohnM.Method and APParatus for Lighiness Imaging’s Patent[P]#4，384，336，

【7】 Grewe L L,Brooks R R.Atmospheric Attenuation Reduction Through

Multisensor Fusion[A].In:Proceedings of the SPIE International Conference Society

for Optical Engineering on Sensor Fusion:Architectures,Algorithms,and

Applications II[C].Orlando,Florida,United States,1998:102～109.

【8】杨仁虎.基于小波分析的数字图像清晰化方法研究[D].成都:成都理工大学，

2006.

【9】Yitzhaky Y,Dror I,Kopeika N S.Restoration Of Atmospherically Blurred Images

According To Weather Predicted Atmospheric Modulation Transfer.

【10】MeCartney. Opties of the Attnos Phere:Seattering by Moleeules and Partieles[M].Joho Wiley and Sons， New York，1976.

【11】陈功，王唐，周荷琴.基于物理模型的雾天图像复原新方法[J].中国图象图形学报.2008，13(5):888一893.

【12】武凤霞, 王章野, 彭群生. 最小失真意义下雾化图像复原[J]. 系统仿真学报, 2006, 18(1): 363-365.

【13】芮义斌, 李 鹏. 一种交互式图像去雾方法[J]. 计算机应用, 2006, 26(11): 2733-2735.

【14】Tan R. Visibility in bad weather from a s ingle image [ C]//Proc of IEEE CVPR

图像去雾前期报告