燕山大学毕业设计雾霾天气条件下监控图像的清晰化方法研究.docx

燕山大学毕业设计雾霾天气条件下监控图像的清晰化方法研究.docx

《燕山大学毕业设计雾霾天气条件下监控图像的清晰化方法研究.docx》由会员分享，可在线阅读，更多相关《燕山大学毕业设计雾霾天气条件下监控图像的清晰化方法研究.docx（76页珍藏版）》请在冰豆网上搜索。

燕山大学毕业设计雾霾天气条件下监控图像的清晰化方法研究

本科毕业设计（论文）

雾霾天气条件下监控图像的清晰化方法研究

燕山大学

2014年6月

本科毕业设计（论文）

雾霾天气条件下监控图像清晰化方法研究

学院（系）：

专业：

学生姓名：

学号：

指导教师：

答辩日期：

燕山大学毕业设计（论文）任务书

学院：

电气工程学院系级教学单位：

仪器科学与工程系

学

号

学生

姓名

专业

班级

题

目

题目名称

雾霾天气条件下监控图像清晰化方法研究

题目性质

1.理工类：

工程设计（）；工程技术实验研究型（）；

理论研究型（）；计算机软件型（）；综合型（）。

2.文管类（）；3.外语类（）；4.艺术类（）。

题目类型

1.毕业设计（）2.论文（）

题目来源

科研课题（）生产实际（）自选题目（）

主

要

内

容

1、分析总结监控图像清晰化方法的国内外研究现状。

2、熟悉常用的图像清晰化方法及其实现方法。

3、提出一套有效的雾霾天气条件下监控图像清晰度评价标准。

4、提出一种有效的雾霾天气条件下监控图像清晰化方法。

5、掌握基于Matlab软件的实验方法，编写实验程序，给出实验结论。

基

本

要

求

1、按电气工程学院本科生学位论文撰写规范的要求完成设计说明书一份（不少于2.4万字），A0图纸。

2、说明书及插图一律打印，要求条理清晰、文笔流畅、图形及文字符号符合国家现行标准。

3、按学院指定的地点进行设计，严格按照进度计划完成毕业设计任务。

4、查阅相关参考文献至少20篇，翻译与课题相关的外文资料一份。

参

考

资

料

1、雾霾天气研究的相关文献。

2、图像清晰化及其实现方法的相关文献。

3、图像处理技术的相关文献。

4、Matlab编程教程。

周次

1—4周

5—8周

9—11周

12—15周

16—18周

应

完

成

的

内

容

查阅并消化理解资料，确定总体研究方案。

掌握常用的图像清晰化方法及其Matlab软件实现方法。

提出雾霾天气条件下监控图像清晰度评价标准及图像清晰化方法，基于Matlab实验评估有效性。

撰写论文

画图、准备答辩

指导教师：

崔法毅

职称：

讲师2013年11月7日

系级教学单位审批：

年月日

摘要

随着通讯、网络、图像处理等技术的快速发展，视频监控以其方便、直观、内容丰富等特点，受到了人们的重视，并被广泛应用于火情监控，小区安全监控、军事侦查、交通违章、流量控制以及公共场所的安全防范等。

而现如今，空气质量越来越差，经常出现的雾霾天气，不仅使人们出行的能见度降低，也为视频监控和公共安全造成了很大影响。

为了更好地恢复雾霾图像的场景信息，对雾霾图像进行清晰化处理从而提高图像质量是十分必要，对雾霾天气条件下监控图像清晰化方法进行研究具有重要的意义。

本文主要针对Retinex算法进行研究，重点分析了多尺度Retinex算法和单尺度Retinex算法，将用这两种方法处理图像进行了对比分析和客观质量评定，表现了多尺度Retinex算法在突出图像细节特征和保持图像色彩稳定性方面取得了较好的效果。

关键词：

图像清晰化；雾霾天气监控图像；图像质量评价；单尺度Retinex算法；多尺度Retinex算法

Abstract

Withtherapiddevelopmentofcommunications,networking,imageprocessingtechnology,videosurveillancewithitsconvenient,intuitive,richincontentandothercharacteristics,bythepeople'sattention,andwaswidelyusedinfiremonitoring,residentialsecuritymonitoring,militaryreconnaissance,trafficviolations,trafficcontrol,andsecurityandotherpublicplaces.AndNow,theairqualityisgettingworse,oftenfogandhaze,notonlytomakepeopletravelreducedvisibility,butalsoforvideosurveillanceandpublicsafetyhadasignificantimpact.Inordertorestoretheimageofthesceneinformationhazeoffogandhazeclearimageprocessingtoimprovetheimagequalityisessential,fogandhazeconditionsundersurveillanceimagesharpeningmethodhasimportantsignificance.

ThispapermainlyfortheRetinexalgorithm,analyzesthemulti-scaleRetinexalgorithmandthesingle-scaleRetinexalgorithmtoprocesstheimageusingthesetwomethodswerecomparedandobjectivequalityassessment,theperformanceofthemulti-scaleRetinexalgorithmprominentfeaturesandimagedetailskeeptheimagecolorstabilityachievedgoodresults.

Keywords：

Imageclarity;fogandhazemonitoringimages;imagequalityassessment;singlescaleRetinexalgorithm;multi-scaleRetinexalgorithm

附录1开题报告

附录2中期报告

附录3外文翻译

附录4外文原文

第1章绪论

1.1课题的研究背景及意义

视频监控是利用电视摄像器材、音视频传输设备和处理设备，按照法律规定观察、获取和处理特定场所、特定人员视频信息，掌握被监控人员的活动和感兴趣事件发展过程的综合技术。

如今，随着计算机技术和数字图像处理技术的快速发展，视频监测技术被广泛的应用到了安防、工业生产、交通等领域，已成为社会生活中非常重要的一部分。

视频监控系统的实际效果与监控系统图像质量是密切相关的，对于判断监控场景的态势而言，高分辨率、高清晰度的监控图像尤为重要。

但在实际生活中，通过成像系统采集的图像都或多或少会有退化现象，甚至丢失图像信息。

图像退化的原因有很多，包括光电传感器的非线性、图像散焦模糊、胶片记录材料颗粒的影响、大气湍流与散射、光学透镜的影响、景物与相机的相对运动等等。

退化的图像通常都会模糊不清、图像细节信息丢失，难以从中提取到有用的信息。

所以，在这种状况下，视频图像增强技术得到了快速的发展。

所谓视频图像增强就是消除视频信号在产生、获取和传输过程引入的干扰和失真，尽可能的使视频信号逼真的重现景物，也就是说对视频图像的色彩、轮廓、对比度和边缘等特征进行强调，从而有利于显示、观察或对其进行进一步的分析与处理。

对于某种特定的应用领域来讲，图像增强处理的目的就是使处理后的图像比处理前图像更适用，也就是让处理结果更适合机器的识别系统或人类的视觉特性。

对视频监控系统采集的视频进行增强，就需要利用图像增强技术中的各种数学方法和变幻手段来提高图像的清晰度以及对比度，将原来模糊不清、不能分辨的原始图像处理成为清楚、明晰、包含大量有用信息的图像，从而达到突出图像的特征信息、提高图像的可辨识度的目的。

可以看出雾霾天气条件下监控图像的清晰化处理有着重要的实际意义。

1.2国内外研究现状与分析

（1）国内外研究现状

对于数字图像处理的研究状况，最找提出的是西方上世纪九十年代，主要有ColumbiaUniversitySrinivasaG.NarasimbanandshreeK.Nayar.1988年JonP.OakleyandBrendaL.Satherley针对恶劣天气航拍的图像，提取场景深度和大气场景条件基本信息，消除因天气条件下退化的一幅图像是可行的[1],这主要根据散射原理恢复图像细节之间的对比度。

OakleyJP等人提出多参数退化模型也得到了有效的复原[2]通过从模型中提取一些重要的变量来解决图像复原。

McCartnry提出了大气散射模型，主要从太入射光衰减模型部分和自然光反射模型部分二者相加从而大气散射理论模型。

Ben-GurionUniversityKopeikaandYitzhaky等通过大气调制传递函数对图像中物体中各部分的间距来模拟对比，调整对比度来恢复图像信息[3]。

随后，ColumbiaUniversitySrinivasaG.NarasimbanandshreeK.Nayar推出新的算法，通过处理至少两张恶劣天气下的图像计算场景结构恢复色度对比度的调配下，图像得到了较好的解决[4]。

还有Grewe等人釆用的多幅图像的小波融合法，要求图像的互补性，但实际不能满足[5]。

Sun等人把雾霾图像分解成雾与清晰图像两者结合[6]，在Nayar等人提出的基础上建立泊松方程求解，来改变图像物体中的间距区分，从而图像复原度较好[7]。

Sdiechnerl等人利用了光的偏振性原理[8]，提出图像信息模型模拟轻度雾霾天成像的偏振效果，通过运算逆过程复原的图像较清晰，但是对于浓度很高的雾霾天气则不适用[9]。

在国内，在国内的研究机构中，华中科技大学的图像与人工智能研究所在这方面做出了很大贡献，在1999年桑梓勤等人就发表了关于大气效应对成像影响的论文[10]，这在国内属于开创性工作，随后他们又从图形学角度进行深入研究[11]，进而得出了能见距离、图像对比度和分辨率之间的理论关系，从而合成雨雾天气下的图像。

微软亚洲研究院与香港中文大学（ChineseUniversityofHongKong）信息工程系的多媒体实验室合作，主要致力于研究基于数据假设的单幅图像去雾算法，其研究成果较为显着。

解放军理工大学的刘锦锋等人对Narasimhan提出的输运方程的数值解进行简化，进而缩减雾天图像复原算法的计算量[12][13]。

在2009年何凯明等人在基于暗影通道先验（DarkChannelPrior,DCP）的知识上，使用最小值滤波介质传播函数进行粗估计；然后在借助图像软抠图算法对介质传播函数进行细化，有效的解决了单幅图像的去雾问题[14]。

在这之后，雾天图像复原出现了很多新的研究成果，比如：

王多超在雾天图像复原模型中加了一个均值为零且服从高斯分布的噪声，然后利用图像的稀疏先验知识（梯度稀疏性先验）对初次去雾的图像进行优化，进而求解最后的复原图像[15]；张加万等人提出假设：

在光线传输的程中会引起大尺度的色度变化，而场景的辐射度的变化会引起小尺度的亮度变化；然后他们根据该假设用迭代求取介质传输图；最后使用能保持边缘的非线性滤波器对介质传输图进行优化，同时优化过程中保持传输图的锐化[16]。

虽然国内的学者也取得了一定的研究成果，但与国外的先进研究水平相比还有很大的差距，且没有系统，研究成果不是很显著。

（2）国内外研究现状分析

雾霾图像增强的目的主要是提高图像的对比度和饱和度，并保持色度不变。

当前雾天图像增强的主要算法有直方图均衡、小波变换、同态滤波和Retinex算法等。

直方图均衡法通过增大图像的细节对比度，来提高图像质量，但原来图像的颜色易失真；同态滤波法可以较好的处理光照不均匀的图像，但对于雾霾图像效果不佳。

1964年EdwinLand提出了色彩恒常性Retinex理论，其可以增强图像对比度，实现图像的锐化，为解决雾天图像质量问题提供了一种新的增强方法。

1.3课题的主要研究内容

本文主要研究研究视频监控系统的图像增强技术，本文的创新点主要有提出了一套自己的判断图像质量的评价机制，同时通过研究仔细Retinex理论，将多尺度Retinex理论和单尺度Retinex理论处理效果图对比，体现多尺度Retinex在增大图像对比度、突出图像细节特征的同时保持了图像色彩的稳定性，对光照不均匀图像有较强的增强效果。

全文共分为五章，具体安排如下：

第1章：

绪论。

介绍论文的研究目的、意义、现状、内容及安排。

第2章：

大气散射效应及雾霾天气基本问题。

详细介绍了雾霾天气大气粒子的组成、雾霾天气种类及形成机理。

第3章：

雾霾图像清晰化方法研究。

介绍了一种图像质量评价方法和几种常见的图像清晰化方法。

第4章：

基于中心环绕的Retinex算法。

分别详细介绍了单尺度Retinex算法和多尺度Retinex算法。

第5章：

Retinex算法的仿真结果与分析。

将多尺度Retinex算法与单尺度Retinex算法的处理图进行综合评价与对比。

第2章大气散射效应及雾霾天气基本问题

在本章节中，通过对大气散射效应和雾霾天气退化机理的概述，系统分析了图像退化的机理，图像的退化与大气中的成分和照射条件且相互作用、紧密联系。

系统详细分析了大气中的大气粒子组成成分，雾霾的组成和雾霾天气形成的成因，对雾霾图像退化级别程度进行分类和大气光源在传播中受物理条件影响等进行说明。

2.1大气粒子组成及雾霾天气机理

大气的组成成分主要是分子与气溶胶颗粒。

空气中的分子绝大部分是由氮（N2）约占78%，氧（

）约占21%，稀有气体约占0.94%（氦He、氣Ne、氩Ar、氪Kr、氤Xe、氡Rn），二氧化碳

约占0.03%，还有其他气体和杂质约占0.03%，如：

臭氧（

）、氧化氮（NO）、二氧化氮（

）、水蒸气（

）等。

气溶胶组成成分为固体或液体小质点分散并悬浮在气体介质中形成的胶体分散体系，又称气体分散体系。

其分散相为固体或液体小质点，半径小于lum粒子，大都是由气体与微粒的成核、凝结、凝聚等过程所生成；而较大的粒子，则是由固体和液体的破裂等机械过程所形成。

它们在结构上可以是均相的，也可以是多相的。

已生成的气溶胶在大气中仍然有可能再参加大气的化学反应或物理过程。

液体气溶胶微粒一般呈球形，固体微粒则形状不规则，其半径一般为0.001~l00um。

大气中的气溶胶是由自然气溶胶，生物气溶胶和人类活动产生的气溶胶三部分所造成的。

自然气溶胶包括云、雾、霭、烟等。

另一类气溶胶包括微粒中含有微生物或生物大分子等生物物质的称为生物气溶胶，其中含有微生物的称为微生物气溶胶。

人类活动产生的气溶胶包括工业、食品、化学、建筑等直接排放到大气中的尘埃与污染气体的光化学反应形成的粒子，这些粒子半径范围约为0.00lum~25um。

气溶胶按粒子大小可分为三种：

半径小于0.lum的气溶胶称为埃根粒子，半径从0.1~1.0um的气溶胶称为大粒子，半径大于1.0um的气溶胶称为超大粒子[17]。

霾是由悬浮在空气中的小粒子组成的，这种粒子随湿度的变化加速反应，当空气湿度高时生成小水滴。

霾粒子比空气分子大，但比雾小，由于霾经常变化会影响能见度。

当霾的湿度继续增大时可以转化成雾。

雾是由悬浮在近地面空气中缓慢沉降的水滴或冰晶质点组成的气溶胶粒子，当形成雾时，空中能见度下降。

它们区别在于发生霾时相对湿度不大，而雾中的相对湿度是饱和的（如有大量凝结核存在时，相对湿度不一定达到100%就可能出现饱和）。

一般相对湿度小于80%时的大气混池视野模糊导致的能见度恶化是霾造成的，相对湿度大于90%时的大气混独视野模糊导致的能见度恶化是雾造成的，相对湿度介于80-90%之间时的大气混独视野模糊导致的能见度恶化是霾和雾的混合物共同造成的，但其主要成分是霾。

通常把水平能见度小于1km的近地层水汽凝结物系统称为浓雾，而把水平能见度介于1km和10km之间的雾称为薄雾或霭。

雾霾对可见光传输有极大的影响，使得大气发出的光线经过雾霾这个气溶胶颗粒后发生散射现象，使图像质量受到严重影响。

本文所研究的处理方法主要是对静态雾霾天造成的图像退化情况进行处理，根据本文研究内容，只针对雾、霾粒子进行了介绍，其它粒子不作介绍。

表2-1介绍大气中的物质成分类型大小和密度等性质[18]。

表2-1大气中物质的基本物理性质

天气

物质类型

半径（um）

汇聚度（cm³）

正常

分子

霾

粒子

雾

小水滴

云

小水滴

雨

水滴

雪

冰晶颗粒

形状各异而不同

2.2雾霾天气中监控雾化图像分类

雾霾天气是一种常见的自然现象，如雾天它可以被细分为浓雾、大雾、轻雾三种类。

它们的种类划分是以能见度作为基准。

能见度是反映大气透明度的一个指标。

区划分标准为：

能见度20-30公里能见度极好、视野清晰；能见度15-25公里能见度好、视野较清晰；能见度10-20公里能见度一般；能见度5-15公里能见度较差、视野不清晰；能见度1-10公里轻雾，能见度差、视野不清晰；能见度0.3-1公里为大雾、能见度很差；能见度小于0.3公里为重雾、能见度非常差；能见度小于0.1公里为浓雾、能见度极差。

气象学上规定，指物体能被正常目力看到的最大距离，也指物体在一定距离时被正常目力看到的清晰程度。

国际照明大会（InternationalCommissiononLighting）定义了人眼可以分辨的灰度级必须满足对比度大于5%的条件[19]。

（2-1）

式中

为目标物亮度，

为背景亮度。

对于晴朗天气下图片清晰度最好，图片上的信息基本完全呈现现出来。

轻度雾霾天气图片信息远景处稍有些缺失，虽然人眼能基本可以分辨景物及建筑物，但视觉感到不是很理想。

大雾天气图片信息缺失严重，不能分辨远处景物，近处景物也有不同程度上的缺失。

浓雾天气图片完全分辨不出图像中的景物信息，只是模糊看到图像的轮廓，图片信息完全缺失。

因此要根据不同情况需要提取图片基本特征信息，进行图像处理工作，还原其图像场景的真实性，提高图像清晰度。

2.3大气散射及雾霾天气的成因

大气光源在向大气辐射的过程中与大气中的分子和溶胶粒子产生向相互作用，使得辐射后的光线走向在大气中重新分布后放射。

这种散射过程主要是通过散射、吸收、辐射这三部分依次作用的结果。

散射是光在传输的过程中，通过大气传输而打在大气遍布的各种粒子上，粒子吸收电磁波的能量后，放射到已粒子为中心的各个方向。

粒子充当的是散射后原点，其本身折射率与周围空间大气其他粒子、分子的折射率不同，所以呈现一种不连续的情况，其内能不变。

本文主要针对散射问题研究，吸收、辖射就不在文章中提出了。

对此，雾霾天气情况所产生的成因主要就是大气散射作用导致的结果。

散射是放射的可见光经过大气分子等粒子作用后使得拍摄后图像降质的主要原因。

后两项吸收与辐射的作用对图像的退化质量影响很小。

为了处理雾霾天降质图像清晰化复原，就要针对大气散射作用对图像的退化进行处理，并且了解图像退化的机理。

根据粒子大小程度的划分，大气中溶胶粒子半径与光波长近似时发生的反射主要是米氏散射。

所以雾霾天气下的大气散射也属于米氏散射，也是适用于一种底层大气的衰减模式。

米氏散射的散射强度分布比较复杂，当粒子相对于波长的大小越大，分布越复杂，并且前后散射的叠加，使得方向性更加明显。

米氏散射最突出的特征是“前向峰值”效应，主要散射能量集中在接近于入射辐射的方向上[20]。

它是由不打到粒子的光子发生了衍射引起的，其前后具有不对称性。

粒子散射方式和它的物理特性是密切相关的，随其粒子的大小的不同导致散射的方向发布不同。

对于一个小粒子来说，散射几乎没有什么变化，大粒子的散射偏向前面的较多，巨型粒子基本上在前方完全散射出去。

由于粒子数的庞大，每个粒子都会发生散射，这样它们各自相互作用，互不干扰，其散射强度基本不会受到影响。

2.4本章小结

本章通过介绍雾霾天气基本理论知识和大气散射的基本原理，从源头分析大气的组成部分，大气粒子的种类、粒子间的相互作用关系及其物理性质。

分析雾霾的基本原理与雾霾天气产生的成因。

为后文提出建立大气散射基础理论模型作了提前铺垫。

第3章雾霾图像清晰化方法研究

3.1雾霾图像清晰化的基本问题

在本章中，具体介绍数字图像的基本理论知识，数字图像质量的测评方法和图像经退化处理后的图像评价参数标准等详细列举。

阐述利用数字图像处理的基本增强方法去处理并还原图像，这种方法主要是根据数字图像处理软件去对图像进行增强处理，本章主要通过对其图像整体细节的增强达到图像相对的清晰。

在数字图像处理方法中，会提取图像原来的信息特征，进行整体图像的对比增强感，对图像比较敏感，有其特定意义部分进行技术处理，最后得到的图像能基本比原图像清晰，目的就是提高图像视觉质量，提高其清晰度对比度。

经过用数字图像增强方法就会更好的完善图像的成像质量。

通常图像增强主要有两种：

一是频域空间处理，二是空间域处理[21][22]。

对其不同区间有又有不同的图像处理方法，这里我们主要讲述直方图线性化处理法，同态滤波处理法，彩色增强处理法，和Retinex图像增强法这几种基本处理方法处理雾霾天气下图像的增强效果。

本文主要研究静态雾霾天气下退化图像的处理。

本人在实验环境具备的条件下拍摄雾霾图像，对雾霾图像利用数字图像基本方法处理后进行图像质量评价分析，针对雾霾天气处理效果相对明显，但图像退化处理后程度不大，只是通过改善其图像表面信息效果，对图像表面信息进行处理。

数字图像就是以数字的形式的数据储存和处理的图像，利用计算机可以对它做常规图像处理方法不能实现的加工处理[23]。

一幅图像可定义为一个二维函数

，这里的

是空间坐标，而在任何一对空间坐标

上的幅值

称为该点的图像强度或灰度。

当

和幅值

为有限的离散数值时，称该图像为数字图像。

数字图像处理是指借用数字计算机处理数字图像。

将物理图像行列划分后，每一小块区域叫像素。

每个像素有两属性位置和灰度。

每个像素的亮度范围在0到255之间。

数字图像处理方法研究的主要应用领域；其一，方便了人们研究分析而对图像信息进行的改进。

其二，为使计算机自动理解识别而对图像数据等进行储存、传输和显示。

光源空间物体成像系统

系统内部图像输出图像

图3-1数字图像图形获取图像素分配

3.1.1数字图像的坐标约定及矩阵表示

（1）坐标约定

一幅数字图像

被取样，产生M行和N列，坐标

的值变为离散量，这样原点的坐标值

，则第一行下一个坐标

=（0,1），第一列下一个坐标

，以此类推（图3-2）。

01234567……n-1x

0

1

2一个像素值

…

m-1

y

图3-2坐标约定

（2）函数、矩阵表示

根据坐标约定，数字化的结果就是矩阵表示形式，在计算机以二维函数、矩阵形式表示、记录。

一