摘 要

随着图像处理技术的发展，其在军事、交通等领域得到了广泛的应用，图像去雾技术正是图像增强领域的一大分支，雾霾天气下采集的图像在大气散射的作用下会产生严重的降质，对比度降低，整体色调灰白等问题，严重影响图像的从视觉效果，更给机器识别造成了困难。传统的图像增强方法在处理雾霾图像时经常会发生图像的细节丢失、增强了图像中包含的噪声信息，导致信息熵下降。本文从雾霾天气降质图像特点出发，以此为研究主线，探讨研究基于Retinex原理、暗通道原理等雾霾图像增强算法的基本框架，并对算法中的关键技术展开深入的研究学习，对传统图像增强算法存在的缺点进行优化改进，通过仿真分析，改进后的算法对于图像质量提升显著。

关键词：雾霾图像；图像增强；直方图均衡化；Retinex算法；暗通道先验算法；

Abstract

With the development of image processing technology, it has been widely used in military and transportation fields. Image dehazing technology is a major branch of image enhancement. Images collected under hazy weather will be generated under the effect of atmospheric scattering. Severe degradation, reduced contrast, and overall grey shades have a serious impact on the visual effects of the image and make it difficult to identify the machine. Traditional image enhancement methods often result in the loss of details of the image when the smog image is processed, and enhance the noise information contained in the image, resulting in a decrease in information entropy. This article starts with the characteristics of degraded images in haze and weather, and uses this as the main research line to discuss the basic framework of fog image enhancement algorithm based on Retinex principle, dark channel principle, etc., and conducts in-depth research on key technologies in the algorithm. The disadvantages of the traditional image enhancement algorithm are optimized and improved. Through simulation analysis, the improved algorithm has a significant improvement in image quality.

Key words：haze images, image enhancement, histogram equalization, Retinex, dark channel prior algorithm

目录

摘 要 I

Abstract II

第1章 绪论 1

1.1研究背景及意义 1

1.2国内外研究现状 1

1.3本文研究内容与结构安排 2

第2章 雾霾图像处理理论基础 4

2.1雾霾图像退化的原因及特征 4

2.2常用图像颜色模型 4

2.2.1 RGB色彩模型 5

2.2.2 HSI 色彩模型 6

2.3常用的图像增强算法 9

2.3.1 空间域图像增强 9

2.3.2 频率域图像增强 9

2.4图像质量评价 11

第3章 基于直方图均衡的雾霾图像清晰化处理 13

3.1直方图均衡化图像增强 13

3.2局部自适应直方图均衡化图像增强 14

第4章 基于Retinex算法的雾霾图像清晰化处理 16

4.1 Retinex理论 16

4.2单尺度Retinex图像增强算法SSR 17

4.3多尺度Retinex图像增强算法MSR 18

4.4带色彩恢复的多尺度Retinex图像增强算法MSRCR 19

第5章 基于暗通道先验算法的雾霾图像清晰化处理 21

5.1暗通道先验算法原理 21

5.2基于暗通道先验原理的优化去雾算法 23

5.3仿真及结果分析 25

第6章 总结与展望 28

6.1 本文主要工作 28

6.2 工作展望 28

参考文献 29

致谢 30

第1章 绪论

1.1研究背景及意义

近年来雾霾天气在我国北方出现次数极为频繁，尤其是在冬季供暖时期，雾霾情况尤为严重。根据国家环保部发布的《2016中国环境状况公报》显示2016年我国338个城市总共发生重度污染2464天次、严重污染达784天次，以PM2.5 为首要污染物的天数占重度及以上污染天数的 80.3%，以 PM10 为首要污染物的天数占 20.4%，以 O₃ 为首要污染物的天数占0.9%。其中，有 32 个城市重度及以上污染天数超过 30 天，这些城市多分布在我国华北和西北等区域^[1]。全国一共出现了8次大范围、持续性中到重度的雾霾天气过程，严重影响了相关地区市民的生活，以及工业生产等。

雾霾条件下影响“透过光”强度，使其衰减，光学传感器接收到的光源将会发生改变，因此直接导致图像对比度和清晰度低，糊模不清；动态范围小，图像可识别度低，许多特征信息以及细节信息被模糊或覆盖：可能出现严重的颜色淡化或失真，色彩还原度也会下降，难以达到令人满意的感官效果。图像感官效果不佳或者可能存在信息缺失，给目标的判定带来一定程度上的困难，直接影响或者可能限制了户外目标识别以及跟踪、公路视频监视、GPS导航、卫星遥感监控等系统正常效果的发挥，给人们生产与生活等多方面带来了极为不利的影响^[1]。

雾霾天图像增强目的主要就是增强原始图像的对比度、亮度和色彩的饱和度，并且保持色度，提高图像可识别度，改善图像视觉效果。为了有效的降低雾霾等恶劣天气情况下外界因素对图像的干扰，提高雾霾图像的清晰度，增强采集图像数据的有效性和可用性，在理论和现实方面都对雾霾天图像增强技术研究有很大需要，并且也能最大程度上保证在恶劣天气下室外成像系统能正常可靠工作。本课题拟从图像增强算法角度出发，研究雾天降质图像的增强处理算法，探讨雾霾天退化图像特性，进行雾霾图像增强处理研究，改善去雾效果，便于解决人们生产生活中的图像方面的难题。

1.2国内外研究现状

近年来，各国科研人员针对雾霾天气下降质图片的特点进行了深入的研究与分析，在理论与应用方面都取得了一定的成果。研究表明大气的散射作用会使图像低灰度值像素得以加强，而高灰度值像素则会受到削弱。这将导致图像灰度值的分布过于集中，图像的可读性下降。基于这些因素，人们不断的优化与改进图像增强的方法，提出了通过图像增强的处理方法和通过建立数学和物理模型的图像复原方法。

在雾霾降质图像的处理中，应用最为简单的是线性拉伸的方法，它通过线性拉伸提高图像中人们感兴趣的部分，但是其处理效果较差，实际应用有限。此外，全局直方图均衡化与局部直方图均衡化的应用同样广泛，这两种方法都是通过将雾霾图像中的像素点值进行重新分配，使得图像灰度相对平均来提高图像整体效果的。二者相比，全局算法简单，对单景深图像处理效果明显，但在处理多景深图像时难以反应景深变换；而局部算法虽然有着不错的效果，但算法较为复杂，实际运算的时间过长。对此Kim等人于2001年提出了子块部分重叠直方图均衡（POSHE）算法，其对比度增强效果明显，且计算量明显减少，但是在处理图像的过程中，可能会产生区块效应以及局部增强过量等问题。2007年，我国的翟艺书利用移动模版对图像的局部区域作POSHE处理，使图像对比度增强的同时区块效应最小化^[2]。

自基于色彩恒常性理论的Retinex算法被提出以来，人们便开始对其进行深入的研究，这种算法或略环境光照中光谱成分的变化，假设成像的决定因素仅为光线的反射分量，该算法具有动态压缩率高，色彩恒定，保真度高等特点。Blake等人首先将Retinex与泊松公式进行结合，提出了改进的Retinex算法，而后Funt和Jobson等人先后又提出了非线性滤波和中心环绕算法。与此同时，国内的研究也逐步发展，清华大学的唐亮等人于2005年提出了基于模糊Retinex阴影消除算法，应用于航拍之中。2010年，吴镇宇等人将Retinex算法与加入幂次变换的直方图均衡化算法相结合，对浓雾图像的处理尤其显著。除此之外，何明凯博士提出的暗通道先验算法也得到了极大地关注，他利用雾霾图像中的颜色信息从而估计出大气光照强度，空气折射率等一系列信息，是雾霾图像的色彩还原程度更加明亮，图像细节更加明显。

图像去雾还可以利用同态滤波的频域处理方法，它基于照度反射模型，将图像的像素值的在照射分量分为低频区和高频区两个部分，这种算法在压缩图像动态范围的同时能够增加图像的对比度，从而既能够增强图像暗部区域的细节又不损失亮部细节。2009年，张金泉提出高通频域同态滤波方法，将巴特沃斯滤波与相角滤波相结合从而实现图像增强。之后，陈智等人又通过同态滤波校正图像的不均匀性，消除了图像二值化带来的负面影响，具有良好的图像增强效果。

1.3本文研究内容与结构安排

本文基于雾霾天气降质图像的特点，深入研究分析了包括直方图均衡化、Retinex算法、暗通道先验算法在内的多种算法，并提出了自己的改进方法，并通过仿真实验，结合主观客观评价指标对图像处理效果进行评判。主要研究内容和章节安排如下：