基于变换域的降质视频图像清晰化处理的研究

摘要

海、陆交通监控、工厂生产监控、公共场所安全及智能导航等户外计算机视觉系统在人们生活中发挥着越来越重要的作用。然而，在雾天天气条件下，户外视觉系统获取的图像大都会出现不同程度的退化，对比度较低，图像中包含的大量细节会变的模糊甚至被掩盖，严重时会导致获取户外景物图像的设备无法正常运转。因此，本文针对雾天采集视频图像的退化问题，从图像增强角度出发结合变换域局部性、多分辨率、多方向性特点对雾天降质视频图像进行清晰化处理，以提高视频清晰度。
　　首先，为克服常用去雾增强算法只单一的从频域或时域对图像整体进行增强，对于图像的局部细节特征还需进一步完善，本文采用小波变换对雾天降质视频图像进行增强。通过对图像小波分解后系数特性的分析，确定阈值函数对子波系数进行修正再反变换到时域进行对比度拉伸，得到清晰化后的图像。随后发现，视频每相邻帧景物具有较强相关性，而散落的雾具有弱相关性。因此，利用视频这一特性并结合单帧小波去雾阈值函数，提出了基于帧间关系的图像序列小波去雾算法，利用MATLAB仿真验证，通过峰值信噪比、图象熵等参数比较分析以验证本算法的有效性与优越性。
　　最后，利用视频图像小波去雾思想，针对小波变换只有有限个方向，边缘刻画无方向性问题，提出了基于轮廓波变换的降质视频图像去雾算法。通过轮廓波变换将高、低频系数有效分开:低频部分采用Visushrinking阈值法进行噪声去除，处理后的图像相对平滑;高频部分利用自适应阈值法将系数分类，并利用增强函数对分类后的系数处理，抑制噪声、增强细节;最后重构到空域进行对比度拉伸。通过仿真实验及数据对比验证该算法有效。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景和意义

1．2 降质视频图像清晰化方法研究现状

1．2．1 基于图像增强的清晰化处理研究发展现状

1．2．2 基于模型复原的清晰化处理研究发展现状

1．3 本课题的研究内容与成果

1．4 论文组织结构

第2章 雾天图像增强基本理论

2．1 图像质量评价准则

2．2 雾天降质图像帧间特性分析

2．2．1 降质视频图像时域分析

2．2．2 降质视频图像时频域分析

2．3 本章小结

第3章 基于小波变换的降质视频图像清晰化算法

3．1 降质图像小波分解系数特征分析

3．2 基于小波变换的单帧图像去雾增强算法

3．2．1 小波阈值函数的构造

3．2．2 本文小波增强算法描述

3．2．3 实验结果分析及比对

3．3 基于小波变换的降质视频图像清晰化算法

3．3．1 图像序列小波去雾算法流程

3．3．2 实验结果分析及比对

3．4 本章小结

第4章 基于轮廓波变换的降质视频图像增强算法

4．1 Contourlet变换

4．1．1 LP变换

4．1．2 方向滤波器组

4．1．3 Contourlet变换非线性逼近性能

4．2 降质图像Contourlet分解系数特征分析

4．3 基于Contourlet变换的视频图像去雾算法

4．3．1 低频系数处理

4．3．2 高频系数处理

4．3．3 本文Contourlet增强算法描述

4．4 实验结果分析及对比

4．5 本章小节

第5章 总结与展望

5．1 总结

5．2 研究展望

参考文献

致谢

作者简介