论文部分内容阅读
雾天降质图像增强是一个具有很高理论和实际应用价值的研究课题。针对户外视频监控系统雾天采集图像清晰度较低的问题,本文从图像增强和物理模型恢复两个角度出发,深入研究了雾天降质图像增强方法,主要做了如下几个方面的工作：提出了基于改进对比度受限自适应直方图均衡化的雾天降质图像增强算法。该算法首先设定截取极限值截取各子图像直方图；接着将截取下来的像素均匀分配到各个灰度级；最后根据瑞利分布函数调整直方图,得到清晰化的彩色图像。实验结果表明了该算法有效地抑制了降质图像中的噪声和改善了原有算法增强雾天降质图像时的细节丢失问题。提出了基于双线性插值动态直方图均衡化的雾天降质图像增强算法。该算法首先利用局部最小值分割子图像直方图；接着给出各子直方图的输出灰度映射范围；最后对图像进行直方图均衡化和双线性插值运算,得到清晰化后的图像。实验结果证明了该算法能够有效地解决雾天降质图像直方图分布不均的问题。提出了基于均值漂移结合统计区域合并的雾天降质图像增强算法。该算法进行区域分割,根据雾天降质图像不同区域的对比度衰减程度,对各区域进行动态分割直方图均衡化增强处理,得到清晰化后的图像。实验结果表明了该算法能够有效地增强降质图像远景处清晰度。提出了基于改进物理模型的雾天降质图像恢复算法。该算法首先应用爬山法自动分离雾天降质图像的天空区域,并将天空区域看作是具有最大景深值的点的集合；接着,根据用户选定最小景深值点,采用分区域景深计算方法获得各像素点的景深值；最后将各点景深值代入物理模型,复原出清晰化后的雾天降质图像。实验结果证明了该算法增强了景深值计算的准确性,去雾效果较好。提出了基于小波包分解的雾天降质视频序列增强算法。该算法首先提取出雾天降质视频序列运动目标和背景；然后应用基于小波包分解的图像增强算法分别对运动目标和背景图像进行去雾处理；最后将前景和背景图像重新融合在一起,得到清晰化后的视频序列。实验结果表明了该算法能够处理雾天降质图像不同频段,去雾效果和实时性较好。提出了基于DSP的实时去雾系统,设计一种以DSP TMS320DM642为硬件核心,改进对比度受限自适应直方图均衡化为去雾算法的视频实时去雾系统。实验结果表明该系统去雾效果较好,实时性能够满足处理需求。