摘要
雾霾天气条件下通过成像设备采集的图像会有不同程度的质量下降问题，这严重影响了计算机视觉系统的正常工作。因此，雾天图像的去雾算法是重要的研究方向。本文围绕雾天图像的去雾算法研究了雾天图像退化模型、基于暗通道先验理论的图像去雾算法、基于暗通道理论的改进图像去雾算法和基于高斯模糊的图像快速去雾算法。具体内容叙述如下： 1.分析了雾霾天气形成原理及其对图像降质的影响。引入了大气散射模型作为雾天图像退化模型，该模型包括两部分：入射光衰减模型和大气光增强模型。引入了图像质量评价方法对图像质量进行评价。 2.探讨了基于暗通道先验理论的图像去雾算法，包括暗通道先验理论、透射率估计、软抠图优化透射率、大气光值估计和图像复原。对该算法进行仿真实验验证并分析了该算法的优点与缺点。 3.针对暗通道先验理论在大片天空区域不适用的问题，提出了一种基于模糊集理论的图像分割算法，结合形态学图像处理将有雾图像合理地分割为天空区域与非天空区域，对天空区域的透射率进行了优化，并结合天空区域估计大气光值；另一方面，针对软抠图算法优化粗估透射率用时过长的问题，采用引导滤波器对粗估透射率图进行优化，在保证去雾效果的同时提高了算法运行效率。进一步，通过仿真实验证明了算法的有效性。 4.针对实时性要求较高的计算机视觉系统，提出一种基于高斯模糊的图像快速去雾算法，该算法仅运用一次高斯模糊对透射率进行估计，然后结合一种大气光值快速估计方法对图像进行复原，在保证去雾效果的同时大大缩短了算法运行时间。最后通过仿真实验证明了算法的有效性。
NETL