雾天的监控视频增强技术研究Word文档下载推荐.docx

雾天的监控视频增强技术研究Word文档下载推荐.docx

《雾天的监控视频增强技术研究Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《雾天的监控视频增强技术研究Word文档下载推荐.docx（34页珍藏版）》请在冰豆网上搜索。

本文主要针对雾天环境下图像的清晰化技术进行研究。

本文首先介绍了各种传统的图像增强方法和基于视网膜皮层理论的Retinex算法，选取对处理雾天等恶劣条件具有增强效果的四种算法并进行了重点分析，分别是：

直方图均衡化、同态滤波、单尺度Retinex算法和多尺度Retinex算法。

然后，在Matlab下仿真，通过比较四种算法处理后图像的主观评价和客观指标两个方面得出，从处理效果上，Retinex要远远好于传统的处理方法，且多尺度Retinex要好于单尺度Retinex，从而得出了应该采用多尺度Retinex算法处理雾天降质图像的实验结果。

关键词：

雾天降质图像；

图像处理；

清晰化技术；

Retinex

ABSTRACT

Fogandotherharshconditionshaveasignificantimpactonthefieldofmilitaryreconnaissanceandthecurrentvideosurveillancesystems,reducethequalityoftheimageoutput,andmakeusnottrustthecredibilityofthemessagefromtheimage.Inordertoensurethatthevisualsystemcanworkinallweathercondition,toimproveoutdoorsurveillancesystem’stheadaptabilityoftheweather,astudyofImageEnhancementalgorithmonfogandotherharshconditionsandimplementingwithhardwareisverynecessary.Theresearchcanimprovetherobustnessandtrustworthinessofsurveillancesystems.Thisthesismainlyfocusesonresearchingthetechnologyoftheimageenhancementonfogconditions.

Inthisthesis,firstly,avarietyoftraditionalalgorithmsandRetinexalgorithmsbasedontheRetinaandCortexTheoryareintroduced,andthenfouralgorithmswhichmakesensetothisissueareanalyzed,theyare:

HistogramEqualization,HomomorphicFiltering,Single-scaleRetinexandMulti-scaleRetinex.Then,thesimulationisfinishedundertheMatlab,bycomparingthesubjectiveandobjectiveevaluationoftheimageswhichwereprocessedbythesefouralgorithms,theconclusionis:

Fromthequalityofprocessing,RetinexaremuchbetterthanothertraditionalalgorithmsandMulti-scaleRetinexisbetterthanSingle-scaleRetinex.Inthisway,theexperimentalresultsisthatweshouldchooseMulti-scaleRetinexintheprocessingofFog-degradedImages.

.

Keywords：

Fog-degradedImages；

ImageProcessing;

ClearnessTechnique;

Retinex

目录

第1章绪论1

1.1课题的研究背景和意义1

1.2课题的国内外研究现状2

1.3课题的主要研究内容4

1.4论文的组织结构5

第2章传统图像增强相关理论6

2.1图像增强概述6

2.2空间域图像增强技术7

2.2.1直方图均衡化7

2.2.2空间滤波增强算法11

2.3频率域图像增强技术12

2.3.1频域滤波12

2.3.2同态图像增强13

2.4图像增强算法的评价标准14

2.5传统图像增强算法的优缺点16

2.6本章小结17

第3章Retinex理论及其与传统算法比较18

3.1颜色视觉理论18

3.1.1三色理论18

3.1.2颜色对立机制19

3.1.3视网膜皮层理论20

3.2颜色恒常性与Retinex理论21

3.2.1颜色恒常性21

3.2.2Retinex算法简介21

3.2.3Retinex理论的发展22

3.2.4单尺度Retinex算法（SSR）23

3.2.5多尺度Retinex算法（MSR）25

3.2.6Retinex与同态滤波的关系25

3.3本章小结26

第4章实验结果与评价27

4.1主观评价29

4.2客观评价30

第5章结论与展望32

5.1研究总结32

5.2研究展望32

参考文献34

致谢37

第1章绪论

1.1课题的研究背景和意义

人类传递信息的主要媒介是语音和图像，而在接受的信息中，视觉信息是人类获得外界信息的主要来源，因为大约有70%的信息是通过人眼获得的，图像信息是至关重要的。

近年来，由于计算机技术和EDA（ElectronicDesignAutomation）技术的迅猛发展，计算机运行速度越来越快，各大EDA厂商不断推出资源规模大、性能高的DSP，FPGA\CPLD产品，大大提高了嵌入式系统的运算处理能力，使得图像处理系统的价格日益降低，从而使图像处理得以广泛应用于众多的科学技术和工程领域。

其中户外监视系统、智能交通系统以及军用探测等视觉系统的应用越来越受到人们的关注，他们将改变人们的生产手段和生活方式。

一般情况下，在各类图像系统中图像的传送和转换（如成像、复制、扫描、传输以及显示等）总要在一定程度上造成图像质量的降低。

例如摄影时，由于光学系统失真、相对运动、大气湍流等都会使图像模糊，降低了图像的主观可理解性或者使计算机从图像中提取的信息减少甚至造成错误，因此需要对降质图像进行改善处理。

图像增强不是以图像保真度为原则，而是有选择地突出便于人或机器分析的某些感兴趣的信息，同时削减或去除无用的信息，以提高图像的使用价值，即图像增强处理只是增强对某些信息的辨别能力

。

雾天等恶劣条件下获得的图像受到了严重的退化，不仅模糊不清，对比度降低，而且彩色图像还会出现严重的颜色偏移与失真，比如沙尘暴天气获得的图像往往出现严重的泛红现象、背光下图像整体偏黑，隐藏了暗处的细节。

这大大降低了图像的应用价值，对生产与生活等各方面造成了极大的影响。

例如，高速公路图像监视系统在恶劣天气条件下得到的退化图像会对判断车辆信息和监控交通情况造成极大的困难；

在军事侦察或监视中，退化图像对信息的识别与处理会造成偏差，而这种偏差的后果是非常严重的；

遥感探测中退化图像同样会对后续的信息处理产生很大的干扰。

因此，研究如何对尘雾或背光条件下获得的退化图像进行有效地处理有着非常重要的现实意义。

1.2课题的国内外研究现状

总的来说，解决雾天降质图像的清晰化问题，可以采取两种方法，一种方法是从硬件的角度，利用多传感器融合的方法来实现信息的互补，如利用雷达、红外、CCD和激光等传感设备，可以实现较高的目标检测率和较低的错误率。

然而，事实上，一个有效的多传感器融合策略应该是利用一个传感器进行场景目标检测，然后再利用另一个传感器进一步验证。

因此，这个策略在有雾天气条件下就存在一些应用上的局限性，这是因为，一方面，基于视觉的激光或CCD传感器在这种天气条件下的有效监测距离会大大缩短，无法为雷达传感器提供有效的确认信息，而基于红外的传感器只能对热信号实现检测，无法对场景中的非散热信号实现有效的检测；

另一方面，这种方法花费比较大，昂贵的硬件成本也限制了其在实际中的广泛应用

除了硬件方法外，还可以从算法的角度来考虑解决雾天等恶劣条件下降质图像的清晰化问题，主要有如下两种解决途径：

（1）不考虑图像降质的具体原因，而单纯从图像处理的角度出发，雾天降质图像的清晰化问题实质上就是图像对比度增强的问题。

（2）从降质图像生成的逆过程分析，则是将大气散射作用对图像对比度的衰减影响过程建模，最终解决降质图像的清晰化复原问题。

近年来，在算法方面对雾天降质图像清晰化技术的研究取得了较大进展，因此，下面的重点也是从算法方面对目前雾天图像清晰化技术的研究现状进行介绍。

图像的清晰化技术也称图像增强，图像增强根据图像的模糊情况采用各种特殊的技术突出图像中的某些信息，削弱或消除无关信息达到强调图像的整体或局部特征的目的。

图像增强尚没有统一的理论方法，常用的图像增强技术有直方图修正、图像平滑滤波、图像锐化等。

图像增强技术主要分为两类：

频域增强法和空域增强法。

频域增强法主要是利用各种频域滤波器进行图像平滑或锐化处理，然后进行域反变换来增强图像。

空域增强法是直接针对图像中的像素，对图像的灰度进行处理，空域法属于直接增强的方法，它包括扩展对比度的灰度变换和直方图变换，消除噪声的平滑法和增强边缘的锐化。

近期流行的基于Retinex理论的增强算法无论在增强效果还是适用范围上都要优于传统的方法。

Retinex图像增强算法是一种建立在科学实验和科学分析基础上的图像增强理论，其实质就是从图像S中抛开照射光L的影响来获得物体的反射性质R，即获得物体本来的面貌。

与其它图像增强方法相比，Retinex算法具有锐化、颜色恒常性、动态范围压缩大、色彩保真度高等特点。

虽然传统的色彩理论能够很好地解释很多与色彩有关的现象，并在实际生活中有着非常广泛地应用。

然而美国物理学家EdwinLand在20世纪50年代发现有些现象是传统的色彩理论无法解释的，经过近20多年的科学实验和分析，Land认为在视觉信息的传导过程中人类的视觉系统对信息进行了某种处理，去除了光源强度和照射不均匀等一系列不确定的因素，而只保留了反映物体本质特征的信息，如反射系数等。

当这些描述物体本质特征的相关信息传递到大脑皮层后，经过更为复杂的信息处理，才最终形成人的视觉。

基于这样的认识。

1977年的EdwinLand首次提出了一种被称为Retinex的色彩理论，Retinex这个词本身就是由视网膜Retina和大脑皮层Cortex两个词组合构成的。

Retinex理论主要包含了两个方面内容：

物体颜色是由物体对长波、中波和短波光线的反射能力决定的，而不是由反射光强度的绝对值决定的；

物体的色彩不受光照非均性的影响，具有一致性。

尽管Retinex理论能够很好地解释某些视觉现象并已经被大量地科学实验所证实，但由于种种原因，他的理论一直没有得到广泛的传播和接受，直到20世纪80年代初期美国宇航局下属的一个研究机构（Nasa’sLangleyResearchCenter）将Retinex理论用于处理航空器拍摄的外太空图片且获得了非常好的处理效果后，人们才重新认识到它的科学性和合理性，并开始应用于数字图像处理领域。

最早的Retinex算法是1971年Land和McCann提出的任意路径算法（randomwalk），这是一个时间离散的随机过程算法，即下一个像素位置的选择是从当前像素周围的领域中随机挑选出来的。

其最主要的缺点就是计算量较大。

随后，Jobson等人提出了基于同态滤波（HomomorphicFiltering）的Retinex算法。

该算法认为反射系数图像对应着原图像中的锐化细节，而光照图像则被认为是空间平滑的，将原图像的低通滤波作为照射光1的合理预测。

低通滤波通常是将原图像与大的高斯和做卷积得到的

1985年，Blake等人提出了基于泊松方程（PoissonEquationSolution）的Retinex算法。

该算法以Land提出的Mondrian模型为基础

1999年，Funt等人在泊松方程Retinex算法的基础上做出改进，提出了重复的多解决方案的非线性滤波Retinex方法。

近年来Retinex的应用范围越来越广泛，人们对它的研究也逐渐深入，比如，D.JJobson，G.A.Woodell将这种理论运用到彩色图像增强领域，取得了非常好的效果、色彩逼真的图像。

国内很多学者主要致力于研究基于该算法的改进形式并把它们应用在处理彩色图像、航拍图像的阴影去除、遥感图像

等，相比于国外，在中国，对这一领域的研究还是非常少的。

通过与其它增强方法相比，Retinex方法具有非常明显的图像增强效果。

它具有锐化、颜色恒常、颜色高保真等特性，而很多其它的图像增强算法通常只具有其中的一种或几种特性，不是全部

但是，这种方法的运算量比较大，需要在实际应用中进一步优化和完善。

目前，在市面上已经有一些具有去雾功能的产品，如SONY公司的型号SSC-DC54AP有逆光补偿功能的摄像机，是采用了SONY独特的技术的1/2英寸ExwaveHADCCD；

国内北京蓝卡创新科技发展有限公司的TC-1A型图像处理设备对雾天有一定的处理效果。

1.3课题的主要研究内容

基于计算机视觉的监控系统具有非常重要的应用价值。

针对目前视觉系统在雾天难以发挥效力的局限性，上述研究对雾天降质图像的清晰化技术进行了比较深入的研究，在图像增强和模型复原两个方面提出了很多好的解决方法，然而，相对于其他领域，国内外对该课题的研究工作开展比较晚，所提出的一些方法还不是很完善，已取得的一些研究成果和研究方法仍处于不断的发展过程中，还存在很多需要完善和改进的方面。

因此，本文立足于视觉系统雾天采集的降质图像，从图像处理的角度对目前文献中存在的一些不足之处进行改进和完善，并进一步探讨没有任何天气先验信息且不需要增加任何硬件设备的前提下，实现雾天降质图像清晰化的新技术、新方法。

本文在研究中采用理论研究和实证研究结合的方法，一方面基于大气散射理论对图像的降质机理进行理论分析，探讨实现降质图像清晰化的有效解决方法，另一方面结合实际雾天采集的图像数据检验提出方法的有效性。

1.4论文的组织结构

论文共分为五章。

第一章主要论述了本课题的研究背景和意义、国内外图像增强技术的研究现状、本文的研究内容及组织结构。

第二章首先介绍了传统的数字图像增强技术，然后分析了传统图像增强技术的发展方向、优缺点等，最后介绍了增强技术的主客观评价标准。

第三章首先介绍了近期较为流行的基于Retinex理论的图像增强算法，然后选取了对雾天处理效果较好的四种方法进行重点研究，分别是：

直方图均衡化、同态滤波、单尺度Retinex和多尺度Retinex。

第四章对主要的增强算法予以实现，通过Matlab下的仿真计算，然后从主观评价和客观指标（信息熵、同时对比度、计算量等）实验的结果进行比较与分析。

第五章得出实验结论，并做进一步的展望。

第2章传统图像增强相关理论

2.1图像增强概述

图像增强是一个相对的概念，增强效果的好坏，除与算法本身的优劣有一定的关系外，还与图像的数据特征有直接关系，同时由于评价图像质量的优劣往往凭观测者的主观而定，没有通用的定量标准，因此增强技术多属于面向问题，增强方法只能有选择地使用

目前，图像增强的方法基本上可以分为空间域处理和频率域处理两大类。

空间域（spatialdomain）处理上在原图像上直接进行数据运算。

它又分为两类，一类是在像素点领域有关的空间域进行，称为局部运算，例如空间域卷积运算。

另一类是对图像做逐点运算，称为局部运算，例如空间域卷积运算。

另一类是对图像做逐点运算，称为点运算。

处理可以说线性或非线性的，例如用指数、对数、比值、黑白到彩色的变化等。

空间域法的图像增强技术可描述为g（x,y）=f（x,y）*h（x,y），其中f（x,y）是处理前的图像，g（x,y）表示处理后的图像，h（x,y）为空间运算的函数，它是作用在f（x,y）上的一个算子。

频域（frequencydomain）处理主要是通过某种变换（如傅里叶变换、余弦变换、小波变换等），将图像变换到频域，对图像的变化系数值进行运算，即作某种修正，然后通过逆变换得到增强后的图像。

它主要包含低通和高通滤波，低通滤波用来消除噪声，高通滤波用来提升边缘、轮廓

它们往往只能增强某一类图像或者图像的某一些特征，并且往往需要通过人机交互的方式不断调整参数才能获得较好的增强效果。

相对于可以对各种不同类型图像并且对图像的多种特征进行综合的自适应增强算法，这里将图像研究早期发展起来的针对特定图像进行增强的算法称为传统图像增强算法。

传统图像增强算法虽然功能相对单一，但由于算法简单，在实际中仍得到了较多的应用。

其许多技术原理仍是现代图像增强技术的技术基础，所以本章将重点介绍空间域和频率域主要传统增强技术的基本原理，最后是传统图像增强算法的比较。

2.2空间域图像增强技术

2.2.1直方图均衡化

图像直方图描述了图像的灰度级内容，包含有非常丰富的信息，是图像处理中一种十分重要的分析工具。

从数学上来说，图像直方图是图像各灰度值统计特性与图像灰度值的函数，给出了图像中各个灰度级出现的次数或概率；

从图形上来说，它是一个二维图，横坐标表示图像中各个像素点的灰度级，纵坐标代表各个灰度级上图像各个像素点出现的次数或概率。

直方图均衡化是以概率论为基础演绎出来的对图像灰度进行变换的一种对比度增强处理，其具体算法描述如下：

令变量r和s分别代表图像增强前后的像素灰度级，相应的灰度级分布概率密度分别为

和

为讨论方便起见，将图像灰度级r和s归一化在[0,1]之间，即0≤r≤1,0≤s≤1。

在灰度级坐标中r=0，表示黑，r=1表示白。

直方图均衡化处理实际上就是寻找一个灰度变换函数T（r），使变换后的灰度值s=T（r），即建立r与s之间的映射关系。

通过这一映射关系，使得图像中对比度较弱、细节不清，且灰度分布集中的狭窄区域的灰度分布趋向均匀，像素灰度间距拉大，从而改善视觉效果，达到增强目的。

但变换函数T（r）必须满足以下两个条件：

（1）T（r）在0≤r≤1范围内是个单值单调增加函数

（2）对0≤r≤1，有0≤T（r）≤1。

条件

（1）保证逆变换存在，且原图像各灰度级在变换后仍保持从黑到白排列次序，防止变换后的图像出现一些反转的灰度级。

条件

（2）保证变换前后像素灰度值动态范围的一致性，也就是说，图像变换前后有着同样的灰度级范围。

同时，规定从s到r的反变换

也同样满足上述条件。

从概率理论可知，如果

为单值函数且单调递增，如公式（2.1）所示：

|

|（2.1）

对于连续图像，变换函数为：

（2.2）

w为积分变量，该式右侧为变量r的累积分布函数（CDF）

由微积分中的莱布尼兹准则得：

，代入公式（2.1）中，有

，0≤s≤1（2.3）

这说明，变换后

一个均匀概率密度函数，且s仍在区间[0,1]上。

因此从图像增强的意义上来说，相当于像素的动态范围扩大。

对于离散的数字图像，灰度级

的概率值为

k=0,1,…,L-1,

表示灰度级k出现的次数，n为图像中像素的总数，L为图像灰度级的个数。

公式（2.2）的离散形式为：

（2.4）

因此，可以直接利用式（2.4）从所给的图像直接计算变换函数。

综上所述，直方图均衡化算法的步骤如下

：

（1）统计原始图像各灰度级的像素数目

，k=0,1，…,L-1

（2）计算原始图像的直方图，即各灰度级的概率密度

（3）根据式（2.4）计算累计分布函数（CDF）

（4）计算最后输出灰度级，

k=0,1，…,L-1,其中Int[*]表示取整操作

（5）利用

的映射关系修改原始图像灰度级，使得图像直方图近似均匀分布

在Matlab环境下,对标准pout图像进行直方图均衡化处理,结果如图2.1所示。

（a）输入的原彩色图像

（b）原图像的直方图

（c）直方图均衡化处理后的图像

（d）均衡后的直方图

图2.1直方图均衡化算法效果图

从上述效果图不难看出，经过直方图均衡化处理后的图像细节更加突出、目标更容易识别、对比度明显提高，而它们的直方图分布达到了均衡化的目的，原始图像的直方图分布范围很窄，即对比度非常低，均衡化后图像的直方图分布比较均衡，分布范围扩大，即对比度较大。

尽管如此，直方图均衡化算法存在着两点不足

（1）处理后的图像灰度级有所减少，致使某些细节消失；

（2）某些图像，如直方图有高峰等，经处理后其对比度易产生不自然的过分增强。

例如，有些卫星图像或医学图像因灰度分布过度集中，在对此类图像进行直方图均衡化处理时，其结果往往会出现过亮或过暗现象，达不到增强视觉效果的目的。

此外，对于图像的有限灰度级，量化误差也经常引起信息丢失，导致一些敏感的边缘因与相邻像素点的合并而消失，这是直方图修正增强无法避免的问题。

2.2.2空间滤波增强算法

空域滤波就是定义各种模板，通过模板跟图像进行二维卷积运算，运算的结果就是增强后的图像。

而那些模板实际上就是滤波器，只是进行的卷积运算是在图像空间域上进行。

这是一种很常用的图像增强技术，可以用来对图像的某些特征进行增强，而去除其它特征。

空间滤波增强的运算如式（2.5）所示，式中f（x,y）为原始图像，g（x,y）为处理后图像，H（x,y）为滤波模板

g（x,y）=f（x,y）*H（x,y）（2.5）

常用的滤波模板主要有均值模板，拉普拉斯模板，中值模板等，如图2.2所示。

均值模板简单易行，可以有效地平滑噪声