图形图像处理领域学术规范.docx

图形图像处理领域学术规范.docx

《图形图像处理领域学术规范.docx》由会员分享，可在线阅读，更多相关《图形图像处理领域学术规范.docx（7页珍藏版）》请在冰豆网上搜索。

图形图像处理领域学术规范

图形图像处理领域学术规范

姓名李景明

导师候国家

专业计算机技术

摘要

图像去雾技术是图像处理和计算机视觉领域共同关心的重要问题。

通过从图像处理和物理模型的研究角度对图像去雾技术进行综述，综合了近年来提出的典型的图像去雾方法的基本原理和最新研究进展，并对一些典型的及最新提出的去雾方法，对图像去雾方向的知识体系、技术体系、学习规划等做了一个总结。

最后展望了图像去雾技术的未来研究方向，并给出了一些建议。

关键词：

图像去雾；图像处理；图像去雾

Abstract

dehazingisanimportantissuethatinterestsbothdigitalimageprocessingandcomputervisionareas.Thispapersurveyedtherecenttechniquesforimagedehazingfromthepointviewofphysicalmodelanddigitalimageprocessing．Somefundamentalprinciplesoftypicalmethodsweresummarizedandthestate—of-the—artprogresswaspresented．Forsometypical，newhazeremovalalgorithms，boththeperceptualvisualeffectandobjectiveevaluationdatawerepresentedtoillustratetheirhazeremovalperformance．Finally，somefutureresearchtopicsonimagedehazingweresuggested．

Keywords：

imagedehazing；imageprocessing；

目录

摘要1

绪论4

1、自我评价4

2、感兴趣的研究领域4

3、国内外研究与应用状况4

4、准备从事的研究方向5

一、本论6

1、图像处理的体系架构6

2、图像处理的人才能力结构6

3、图像去雾方向的知识体系7

4、图像去雾方向的技术体系8

5、图像去雾方向的学习规划8

6、图像去雾方向的发展前景及难点8

7、图像去雾方向的预期成果9

二、结论10

三、图形处理学术规范11

参考文献12

绪论

1、自我评价

本科专业为计算机科学与技术，学习的专业课比较杂乱，软件、硬件、网络方向的相关课程都有开设，编程语言也学习了很多种，C、C++、JAVA等等，但每种都算不上熟练，基础的课程也已经忘记了大半，所以有太多的只是要不断去巩固、学习。

预计在研究生阶段能够发表一篇论文、申请软件著作权并能够在一些项目中得到锻炼。

2、感兴趣的研究领域

但是对于自己对那一方面感兴趣一直都是比较迷茫，前一阵子上了潘振宽老师的课对图像处理方向有了一定的认知。

看到PPT上一副破碎或者十分不清晰的图像经过一个数学公式的处理之后，显示效果与之前相比明显变好了，当时就觉得这个很神奇，自己也想动手试一试，渐渐地对这一方面产生了兴趣，后来知道这需要比较扎实的数学、算法相关的知识，这也是对我提出了新的要求与考验。

3、国内外研究与应用状况

目前，国内外对图像处理领域的研究主要在以下几个方面：

（1）计算机视觉：

机器人视觉作为智能机器人的重要感觉器官，主要进行三维景物理解和识别，是目前研究之中的开放话题。

主要用于军事侦察、危险环境的自主机器人、邮政、医院和家庭服务的智能机器人、装配线工件识别定位、太空机器人的自动操作等。

因人类本身对自己的视觉还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。

（2）虚拟现实：

虚拟现实是指由于计算机实时生成一个虚拟的三维空间。

目前，虚拟现实随着计算机软硬件技术的提高，虚拟现实系统将会受到很大重视并将迅速的发展。

通过采用数据手套及在机器人身上的摄像机，人们可以真实感受机器人所处的环境，并且能够操纵机器人。

另外，网上虚拟现实也是一个研究重点。

（3）三维重建：

将原来二维的东西通过三维来展现早已成为时代的发展趋势。

如地图方面对三维电子地图的应用；军事方面，利用电子沙盘可实现任意角度旋转、放大缩小，水平、垂直等方向上的距离的计算。

另外，两点之间的障碍物、剖面轮廓等也能被直观显示。

除此之外，还能模拟飞行路线等。

所有这些为指挥作战带来了极大的方便。

如何在计算机中对场景进行快速、有效的重建，不仅仅是基于上面所提到的优势促使人类去研究实践，而事实上它一直以来都是计算机视觉研究领域的热点和难点，也是数字图像处理的发展趋势之一。

（4）图像压缩、分割、识别算法的研究：

图像理解虽然在理论方法研究上已取得不少的进展，但它本身是一个比较难的研究领域，存在不少困难，正因为如此，图像处理理论和技术受到各界的广泛重视，当前图像处理面临的主要任务是研究新的处理方法、构造新的处理系统，开拓更广泛的应用领域。

比如，针对各种类型图像开发专业压缩算法、图像分割算法、图像识别算法。

尤其是对小波变换、模糊数学等的研究。

在就业方面，大致有搜索、医学图像、计算机视觉和模式识别、视频方向等等。

4、准备从事的研究方向

图像处理中的图像去雾方向，图像去雾技术（雾、霾等类似大气粒子的散射现象均可用米氏散射理论描述，为了描述的方便，简称为去雾）的主要任务是去除天气因素对图像质量的影响，从而增强图像的视见度。

一、本论

1、图像处理的体系架构

图像处理技术一般也分为两大类：

模拟图像处理和数字图像处理。

模拟图像处理（AnalogImageProcessing）包括光学处理（利用透镜）和电子处理，如照相、遥感图像处理、电视信号处理等。

模拟图像处理的特点是速度快，一般为实时处理，理论上讲可达到光速，并可同时并行处理。

电视图像是模拟信号处理的典型例子，它处理的是25帧/秒的活动图像。

模拟图像处理的缺点是精度较差，灵活性差，很难有判断能力和非线性处理能力。

数字图像处理（DigitalImageProcessing）一般都用计算机处理或实时的硬件处理，因此也称之为计算机图像处理（ComputerImageProcessing）。

其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，一般来说只要改变软件就可以改变处理内容。

其缺点是处理速度还是一个问题，特别是进行复杂的处理更是如此。

一般情况下处理静止画面居多，如果实时处理一般精度的数字图像需要具有100MIPS的处理能力；其次是分辨率及精度尚有一定限制，如一般精度图像是512×512×8bit，分辨率高的可达2048×2048×12bit，如果精度及分辨率再高，所需处理时间将显著地增加。

2、图像处理的人才能力结构

（1）编程语言：

熟悉C++/C/OpenCV/Matlab开发语言,主要是有较强的C++/C图像处理编程能力，另外，还要求具备良好的代码与文档风格，以后写代码还是要讲求规范。

（2）知识储备：

图像处理应用很广，因此不同岗位要求侧重不同，最基本都必须掌握图形处理的开发与研究，熟悉图像处理的各种算法，特别是图像去燥、图像增强、复原、质量改善、检测、色彩科学、图像分割、图像识别处理、图像跟踪、图像的获取及视频处理，具体应用包括人脸识别、医学影像处理、多点识别、文字检测与是识别。

特别的，结合不同应用，还需要自然语言处理知识。

另外，要有优秀的数学功底（特别是线性代数、优化理论、统计知识）。

（3）英语水平：

优秀的英文写作技能，英语口语流利。

主要是能读懂英文技术文档，在研究院还需要写论文，公司更需要写技术文档，所以平时得多积累专业词汇。

（4）社交能力

3、图像去雾方向的知识体系

一、数字图像基础

二、数字图像存储与显示

三、图像变换

1.卷积

2.梯度和Sobel导数

3.拉普拉斯变换

4.Canny算子

5.霍夫变换

6.重映射

7.几何操作：

拉伸、收缩、扭曲和旋转

8.离散傅里叶变换（DFT）

9.离散余弦变换（DCT）

四、形态学图像处理

1.平滑处理

2.膨胀与腐蚀

3.开操作与闭操作

4.漫水填充算法

5.尺寸调整

6.图像金字塔

7.阈值化

五、图像边缘检测

六、图像增强和复原

1.图像增强

（1）空间域增强处理

（2）频率域增强处理

2.图像复原

七、图像压缩

八、图像分割

九、图像特征提取与匹配

十、图像分类（识别）

4、图像去雾方向的技术体系

图像去雾作为图像处理的一个方向用到的工具有Matlab、VS、OpenCV等等。

5、图像去雾方向的学习规划

认真学好研究生期间的课程，在此基础上多动手操作、实现出一些课程中出现的问题，甚至解决一些尚未解决的问题，用好VS、Matlab等工具，学好C++，还要向机器学习等前沿领域靠拢。

6、图像去雾方向的发展前景及难点

随着工业的发展以及对气候的影响，雾霾越来越成为一种常见的天气现象，这对户外应用的监控系统的画面品质造成很大的影响。

而去雾技术能从多个角度提升视频监控的质量，因此，从应用场景来看，去雾技术可用于多种户外场合，如可应用于安防监控领域，能够大大提高现有监控系统在雾天恶劣天气下的性能；可应用于公路交通监控领域，可以避免监控摄像头看不清监控对象、造成在关键时刻失效的后果；还可以应用于遥感图像处理以及军事科技等领域。

在计算机视觉的实际应用场合中，图像去雾技术存在众多难点：

1）自动基于多幅图像或用户交互的方法，受到场景、天气或成像设备等限制；而智能交通、视频监控等应用要求算法从单幅图像数据本身出发，并自动执行。

2）户外应用的场景、环境复杂多样，要求算法不仅适应不同能见度的雾、霾等天气及晴朗天气条件，而且适应各种不同景深的场景。

3）实时作为计算机视觉的初级阶段，算法应具备实时性，才能适应实际应用的需求。

基于物理模型的方法通常使用最优化方法估计模型参数，这必然增大了计算复杂度和时间开销。

而在非物理型的方法中，部分算法能够满足实时性的要求，但是，其性能达不到要求。

综上所述，研究自动、鲁棒和实时的单幅图像去雾算法是一个亟待解决的问题。

7、图像去雾方向的预期成果

能够对图像处理熟练的使用Matlab等工具，图像处理方面的模型、算法，写一篇论文，做一个能够通过不同算法处理图片的软件。

二、结论

这是一个跨学科的前沿性课题，具有广阔的应用前景，近几年来已经成为计算机视觉和图像处理领域研究的热点问题之一，吸引了国内外很多研究人员的兴趣。

该技术主要应用于计算机视觉的初级阶段，是目标检测与跟踪、目标分类与识别、目标行为分析与理解等中、高级阶段的基础。

目前，去雾技术有很多种，根据去雾算法所需的参照条件主要分为两大类：

一类是多幅图像的去雾，即利用不同偏振条件下获取的多幅图像或同一场景不同天气状况下采集到的相关参数，进行去雾处理。

此类方法对去雾有一定效果，但在实际操作中，条件参数过于复杂，不具有广泛适用性。

另一类是基于单幅图像的去雾方法。

近年来，这类方法开始受到国内外研究者的关注。

Tan假设局部区域的环境光最大，在马尔科夫随机场模型框架中，构造边缘强度的代价函数，通过图像分割理论估计最优的光照。

此算法旨在以增强对比度的方式提高图片的清晰度。

但是没有从去雾的物理模型进行分析，使恢复后的图像颜色过饱和，景深突变跳跃时会产生Halo效应，不能精确反映场景的实际情况。

还有一种是暗通道先验算法，该算法通过大量户外无雾图像先验的统计规律提出的，即在室外清晰图像中，非天空区域场景的像素RGB三原色通道的最小值中，在一定大小的模板内，至少