不良条件下视觉感知增强技术研究与应用

摘要

不良视觉条件下摄像设备采集到的视频、图像受环境因素的影响，容易出现模糊不清、对比度下降、色彩失真等现象，对后续分析与处理造成了障碍。因此，通过增强技术改善图像或视频的感知效果，具有非常重要的理论意义和应用价值。
　　本文通过对雾天导致图像退化的机理分析，探讨了大气散射模型的物理意义，提出了一种大气散射模型未知参数的求解算法，实现了视频、图像去雾。针对前向运动视频，本文提出了一种区域分割的景深估计算法，为去雾提供支持。本文还提出了一种融合机器视觉与人眼视觉感知的去雾效果评价算法，从图像可见边与图像自然度两方面对去雾算法的去雾效果进行综合评价。文章的主要工作包括:
　　(1)研究分析了大气散射模型以及DCP原理，针对目前DCP提取算法中存在的不合理之处，提出了一种基于边缘约束的暗原色提取算法，提高了的DCP先验估计的准确度，实现了雾图的快速去雾。实验结果表明，该算法能够快速、有效的对雾图进行去雾增强。
　　(2)针对前向运动视频提出了一种景深估计算法。通过区域分割的方法提取图像前景区域，并对前景区域的景深估计进行优化处理，提高了景深估计的精度。并将估计景深用于前向运动视频的去雾处理，实验结果表明了该算法的有效性。
　　(3)针对去雾算法效果评价体系存在的不足之处，本文提出了一种基于可见边的改进去雾效果评价机制，融合了图像自然度评价指标。在考虑图像增强效果的客观评价指标时，同时考虑人眼的视觉感知自然度。对大量图像的实验评价结果证明，该评价机制能够客观、综合的评价去雾算法的增强效果。

目录

声明

致谢

摘要

1 绪论

1．1 引言

1．2 课题研究背景及意义

1．3 国内外研究现状

1．3．1 国内外去雾技术研究现状

1．3．2 目前去雾技术研究存在的问题与不足

1．4 本文主要研究内容及各章节安排

2 雾天图像形成原理及特性

2．1 大气雾形成原理

2．2 大气散射模型

2．3 雾天图像特性分析

2．4 基于DCP的大气散射模型参数估计

2．4．1 暗原色先验

2．4．2 基于DCP的大气散射参数估计

2．4．3 传递因子的优化算法

2．5 本章小结

3 基于边缘约束的改进去雾算法

3．1 DCP先验存在的问题

3．1．1 DCP的物理意义

3．1．2 当前DCP提取算法存在的问题

3．1．3 相关工作

3．2 基于DCP优化算法策略

3．3 基于边缘约束的改进去雾算法

3．3．1 边缘约束DCP模型

3．3．2 基于边缘约束的改进去雾算法

3．4 实验结果与结论

3．5 本章小结

4 基于前向运动视频景深估计的去雾算法

4．1 相关工作

4．2 前向运动景深模型

4．2．1 前向运动视频分析

4．2．2 前向运动视频景深模型建立

4．3 基于前向运动视频的景深估计算法

4．3．1 运动光流样本点选取

4．3．2 基于边缘统计的区域分割

4．3．3 图像背景景深计算

4．3．4 图像景深优化

4．3．5 前向运动视频景深估计算法流程

4．4 基于前向运动视频景深估计的去雾算法

4．5 实验与结论

4．6 本章小结

5 基于图像可见边的改进去雾效果评价算法

5．1 相关工作

5．2 基于可见边的去雾效果评价体系

5．2．1 可见边评价体系理论基础

5．2．2 基于可见边去雾效果评价指标

5．2．4 可见边评价算法的不足之处

5．3 融合图像自然度的改进评价算法

5．3．1 图像自然度定义

5．3．2 图像自然度数学表示

5．3．3 融合图像自然度的去雾评价算法

5．4 实验与结论

5．5 本章小结

6 工作总结与展望

6．1 工作总结

6．2 进一步建议

参考文献

作者简历

学位论文数据集