雾霾天气图像观测信息优化仿真论文
2020-09-24 00:08:45 30
摘要：在有雾条件下的大气散射使其难以提取图像中的特征，从而导致基于特征提取的机器视觉系统出现故障。针对除雾前暗色主图像的特点，提出了基于均质滤波的除雾后恢复原始图像外观的算法，提出了将两者结合的图像除雾算法。首先，先验算法使用深色原色对图像进行初步除雾；然后，使用同态滤波算法消除图像的整体暗淡问题。最后，通过Matlab软件验证了融合后算法的有效性。实验结果表明，该融合算法不仅可以有效提高图像的对比度，而且可以突出图像的细节，具有较高的准确性和应用价值。
关键字：特征提取；大气散射；深色较深的原色；同态过滤
图中的分类号：TP391.9;文件ID：货号：1009-3044（2017）25-0253-02
1概述
在阴霾天气中，因为有大量的薄雾结果，图像采集装置在采集图像时受到外界因素的干扰，因此采集到的D图像具有对比度低，色彩失真，图像模糊的特点。在某些方面，模糊图像的退化直接带来了从图像中提取有用信息的困难，并且间接地导致了基于图像中有用特征的提取的视觉应用系统的故障。因此，图像去雾一直是国内外图像和视觉领域学者的重要课题。
深色原色先验算法具有非常明显的除雾效果，但缺点是整体图像较暗且细节不突出。同态滤波算法可以解决光不平衡引起的黑点问题，并恢复图像的原始外观。针对暗原色除雾后的暗图像缺陷，结合同态滤波除雾的优点，提出了一种将两者结合的图像除雾算法。
2深色原色的先验原理和模型参数估计
2.1深色原色的先验原理
2.2模型参数估计
参数A估计：在算法的实现中，通常将暗原色图像的亮度从大到小排序，找到最大0.1％的像素，然后将亮度最大的像素作为参数估计值。
同态滤波算法可以消除原始图像上光线不均匀引起的问题，并增强图像暗区的细节，而不会丢失原始亮区的亮度信息。图片。该算法不仅适用于彩色图像，还适用于灰度图像。它是基于图像的照明反射模型的一种全面的图像增强技术。
3融合算法
集成了深色原色先验算法和同态滤波算法。本文对融合算法的描述过程为底部：
1）将雾图像分成几个大小的区域块，计算每个区域块的暗通道值，然后得到原始雾图像的暗原色图像；
2）估算大气光值A和透射率t；
3）根据2）的估计值，按照相应的公式对除雾后的图像进行还原；滤波算法处理在3）中获得的图像，以增强亮度和对比度。
4实验结果和分析
为了验证融合后的除雾算法的效果，将其与深色原色算法进行比较，以比较分析方法。直观地讲，与图1相比，图2的对比度，亮度和层次得到了改善。图3中使用的算法效果优于图1。此外，为了客观地评估图像效果，本文主要选择MSE，PSNR，平均梯度和熵指数来评估图像质量。在表1中，深色除雾，Yu除雾和熔融除雾分别表示在除雾，Yujing法除雾和熔融除雾之前的深色原色。通过对表1中各项指标的分析，可以看出该算法融合后具有很好的处理效果。
5结论
近年来，环境污染变得越来越严重，主要城市都进行了雾霾战争。图像去雾技术已成为近年来的热门话题，并在国内外取得了显著成果。本文分析了深色原色先验和同态滤波算法及其优缺点。在此基础上，提出了一种融合算法，实验结果表明该算法具有良好的效果。但是，融合算法的参数难以确定，未来的研究将集中在参数的自适应调整上。
