关于雾天图像的增强和复原
现状：
国内外已有很多研究人员将大气对成像的影响进行了分析和评估。散射理论在分析大气的影响中发挥了巨大的作用，由于单射模型不能准确表现实际复杂介质的影响，多射模型得到了广泛的关注。在光和大气介质交互问题的研究中，或多或少地借鉴了物理学科的知识，其中输运理论很常见，并被广泛应用于恶劣天气条件对图像退化的建模。
在研究尘雾等恶劣天气条件对成像影响模型的基础上，对退化图像进行复原处理取得了较大的进展。当场景深度已知和大气条件的精确信息己知时，消除一幅图像的天气条件的影响已被证明是可行的；在计算机视觉方面，算法已经发展到不用已知大气及场景深度信息，通过处理至少两张在恶劣天气条件下拍摄的图像可以自动地计算出场景的结构和恢复场景的度及对比度。
目前，对雾图进行清晰化处理的方法大体上有两类:基于模型的和非模型的算法。其中，基于模型的算法通过了解图像退化的内在原因而进行逆运算来改善图像的对比度;非模型的算法并
不要求知道图像退化原因的信息。用非模型的方法处理图像我们称之为图像增强；用基于模型的方法处理图像我们称之为图像恢复，这类算法更加可靠，因为它们利用了图像退化的物理机理，其目的在于提高退化图像的保真度。
近年来，上述两个方面的研究都取得了较大的进展，特别是基于物理模型的复原问题，吸引了越来越多研究者的注意，以下分别就其研究现状做简要的介绍。
● 图像增强处理的研究现状
图像增强是图像处理的基本手段，是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法。图像对比度增强是图像处理领域中的一个传统的话题，同时又一直是较为活跃的研究领域，不断有新方法与新手段引入使该领域保持旺盛的生命力，并不断有新成果面世。
● 图像恢复处理的研究现状
近年来，不少学者在大气散射物理模型的基础上，对恶劣大气条件下的成像机理进行了深入的分析，并提出了一些新的雾天图像增强方法。与传统图像增强相比，这些方法是建立
在雾天成像的物理过程之上的，因此更具有针对性，处理效果也较为理想。
方法：
图像去雾：
           
典型的全局化雾天图像增强方法主要有6种。
1) 全局直方图均衡化算法：该方法的基本思想是把有雾图像的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围从而达到增强雾天图像整体对比度的效果。大部分文献在进行去雾算法对比时均以直方图均衡化的去雾效果作为参照。
2) 同态滤波算法：该算法是一种把频率过滤和灰度变换相结合的图像增强处理方法，也是一种把照明反射模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像质量的处理技术。该方法及其推广在彩图像增强方面得到了广泛的应用。
3) 小波方法：小波与多尺度分析在对比度增强上的应用取得了很大进展。例如，在多个尺度上对雾天图像的细节进行均衡化，对图像的细节有很好的锐化作用。
4) Retinex算法：Retinex是一种描述颜不变性的模型，它具有动态范围压缩和颜不变性的特点，对由于光照不均而引起的低对比度彩图像具有很好的增强效果。近年来受到研究者的很大关注，包括单尺度Retinex算法(Single-Scale Retinex，SSR)和多尺度Retinex算法(Multi-Scale Retinex，MSR)的应用都取得了很大的成功。芮义斌等人根据Retinex理论及MSR算法，采用正态截取拉伸对有雾图像进行处理，取得了较好的图像去薄雾效果。
5) 曲波变换：曲波是一种在小波变换基础上发展起来的新的多尺度分析方法，由于它特别适合于各向异性奇异性特征的信号处理，因此能够很好地弥补小波变换在图像的曲线边缘增强方面的局限性。Brian Eriksson利用曲波变换的优势，采用基于曲波的消失点检测对雾
天图像进行了自动去雾处理。
6) 基于大气调制传递函数(Atmospherical Modulation TransferFunction，MTF)局部直方图均衡化增强雾天图像:该方法的原理是:首先通过对大气调制传递函数的预测，近似估计大气对图像质量的退化过程。当得到先验信息时，通过预测公式计算出相应的湍流调制传递函数和气溶胶调制传递函数，再由前两者的乘积得到总的大气调制传递函数。然后利用大气调制传递函数在频域内对天气退化图像进行复原，并对户外景物图像中由大气调制传递函数造成的衰减进行补偿。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。