摘要在本篇毕业论文中，我对暗原色先验图像去雾处理进行了深刻研究。暗原色先验技术最早由香港中文大学何恺明教授在2009年CVPR大会上提出，并作为一种新型的基于物理模型的图像复原技术获得了广泛应用。暗原色先验是对户外图像进行去雾处理的一种手段。它基于一个重要的观察结果——绝大多数户外去雾图像的局部区域里，至少在一个颜色通道存在一些强度值很低的像素。采用有雾成像模型的这种先验技术，我们可以直接估算出雾层的厚度并随之高质量的恢复得到去雾图像。从对许多不同户外带雾图像的处理的结果中我们可以充分论证这种先验技术的有效性。另外，我们还指出了这种方法的缺点和不足，并提出了改进的方法。9363
关键词 图像去雾 暗原色先验 物理模型 图像增强
毕业设计说明书（论文）外文摘要
Title Image Haze Removal Using Dark Channel Prior
Abstract
In this graduation thesis,I conduct some deep research on the image haze removal using dark channel prior.This technique was proposed on the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2009 ,by professor Kaiming He from The Chinese University of Hong Kong,and now it is being widely used.The dark channel prior is a kind of statistics of the haze-free outdoor images. It is based on a key observation - most local patches in haze-free outdoor images contain some pixels which have very low intensities in
at least one color channel. Using this prior with the haze imaging model, we can directly estimate the thickness of the haze and recover a high quality haze-free image. Results on a variety of outdoor haze images demonstrate the power of the proposed prior.In addition,we also make some improved algorithms due to the inefficiency of this method.
Keywords image dehazing dark channel prior physical mode
image enhancement
目次
1 引言 1
2 背景 3
2.1 图像去雾技术分类 3
2.1.1 基于图像处理的雾天图像增强 3
2.1.2 基于物理模型的雾天图像复原 6
2.2 图像去雾效果的客观评价标准及不同方法的去雾效果比较 8
2.2.1 图像去雾效果的客观评价标准 8
2.2.2 去雾效果比较 8
2.3 雾图形成模型 10
3 暗原色先验 12
4 通过暗原色先验去雾 15
4.1 估测透射率分布 15
4.2 软图像抠图 17
4.3 复原物体光线 18
4.4 估测大气光 18
5 实验结果 19
6 讨论与改进 22
结论 28
致谢 29
参考文献 30
1 引言
户外场景里获得的图像通常会因为大气中混乱的介质（比如微粒和水滴等）使图片质量下降。阴霾、雾气和烟雾这类现象就是由于大气层吸收和散射造成的。光线从景物到相机的过程中其幅度也造成衰减。除此之外，入射光还与空中光（被大气粒子反射到视线中的环境光）混合在一起[1]。像图1(a)所显示的那样，降质图像失去了对比度和色彩的保真度。由于散射程度取决于景物到相机的距离，所以降质状况在空间上是变化的。
无论是在用户/计算摄影行业还是电脑视觉应用上，图像去雾都是十分需要的。首先，模糊的去除可以有效提高画面的可视性并且矫正空中光线造成的颜色偏差。其次，大多数计算机视觉算法，从低级的图像分析到高级的目标识别，通常认为输入图像（经过辐射测量校准）是景物辐射形成的。视觉算法的表现（如特征觉察、过滤、光度分析等）将不可避免的受到偏光、低对比度的影响。最后，去雾可以产生深度信息，能为许多视觉算法和高级图像编辑服务。在场景的分析中，雾气和烟雾是能提供很有用的线索。不理想的模糊图像也可以被很好的利用。 基于黑色通道先验知识的图像去雾研究:http://www.751com.cn/tongxin/lunwen_8069.html