摘 要

近年来，随着经济的发展，环境污染问题也愈加严重，其中雾霾对人类活动造成了巨大影响。雾霾天气严重干扰人们在日常生活、军事侦探、遥感成像等方面的图像采集，由此导致人民的生命安全和国家的领土安全受到威胁，造成国家的财产损失。消除雾霾环境对图像采集的影响，是解决雾霾问题的重要举措，也是计算机视觉领域的热点问题。

论文主要进行了大气散射模型不适定性的研究，采用了基于指数推断和支持向量数据描述的单幅图像去雾霾算法，以解决大气散射模型的不适定性问题。论文建立指数推断模型，并结合震荡的粒子群优化算法计算透射率。利用支持向量的数据描述，引入高斯核函数来遮盖被拍摄图像中的局部光源，并对遮盖后的图像进行膨胀处理，处理后的图像在提取大气光值时，能够避免受局部光源的干扰。

本论文的特色在于使用支持向量数据描述方法，对具有局部光源的图像进行处理，遮盖图像中的局部光源部分，使得大气光值的获取能够更加精确。

关键词：图像去雾；大气散射模型；粒子群优化算法；支持向量的数据描述

Abstract

In recent years, with the development of the economy, the environmental pollution problem has become more serious, and the haze has caused a huge impact on human activities. Haze weather severely interferes with people's image collection in daily life, military detectives, remote sensing imaging, etc., which leads to threats to people's lives and the country's territorial security, resulting in the loss of state property. The impact of the haze environment on image collection must be eliminated, which is an important measure to solve the haze problem and a hot issue in the field of computer vision.

The thesis mainly studies the ill-posed nature of the atmospheric scattering model, and uses a single image dehazing algorithm based on exponential inference and support vector data description to solve the ill-posed nature of the atmospheric scattering model. The paper establishes an exponential inference model and calculates the medium transmission in combination with the turbulent particle swarm optimization algorithm. Using support vector data description, a Gaussian kernel function is introduced to cover the local light source in the captured image, and the covered image is expanded. The processed image can avoid interference from local light sources when extracting atmospheric light values.

The characteristic of this thesis is to use a support vector data description method to process the image with local light source, and cover the local light source part in the image, so that the atmospheric light value can be obtained more accurately.

Key Words：image dehazing; atmospheric scattering model; particle swarm optimization; support vector data description

目 录

第1章 绪论 1

1.1 研究背景和意义 1

1.2研究现状 1

1.2.1 基于图像增强的方法 2

1.2.2 基于图像恢复的方法 3

1.2.3 基于机器学习的方法 3

1.3 论文主要工作和内容安排 4

第2章 单幅图像去雾算法 5

2.1 雾霾的定义 5

2.2 大气散射理论 5

2.3 大气散射模型 5

2.3.1 入射光衰减模型 5

2.3.2 大气光模型 6

2.3.3 大气散射模型 6

2.3.4雾天图像降质模型 7

2.4 粒子群优化算法 7

2.5 支持向量数据描述 8

第3章 基于TPSO和SVDD的单幅图像去雾霾算法 9

3.1 雾密度估测模型 9

3.1.1 指数推断模型 10

3.1.2 震荡的粒子群优化算法 11

3.2 全局大气光提取器 13

3.2.1 支持向量的数据描述 13

3.2.2 高斯核函数 14

3.2.3 形态学滤波膨胀处理 15

3.3 实验结果与分析 16

3.3.1 主观性能评价 16

3.3.2 客观性能评价 19

第4章 总结与展望 22

4.1 工作总结 22

4.2 展望 22

参考文献 24

致 谢 26

第1章 绪论

1.1 研究背景和意义

随着近些年来中国经济的飞速发展，伴随而来的环境污染问题也日益严重，其中雾霾问题日益突出。雾和霾虽然都会对视觉造成影响，但两者有很大的差别。雾是一种自然现象，由空气中的水汽凝结而成；而霾则由人为污染造成，是空气中的污染物形成的混合物。根据《2019年大气环境气象公报》统计，在2019年内全国出现了7次大范围雾霾天气，其中，2019年1月2日至8日、1月11日至15日、12月20日至26日三次霾天气影响范围最大，影响面积分别达到70万、95万和75万平方公里，重度霾面积均达60万平方公里左右。雾霾问题越来越引起人们的重视。

与此同时，雾霾对户外图像的获取和捕捉带来了巨大的干扰。由于雾霾的影响，导致采集到的图像具有对比度低和饱和度不足的特点，此类图像往往无法进行观察和研究。在日常生活、军事侦查、遥感成像方面，雾霾天气对图像捕捉造成了限制和影响，严重危害了人民的生命安全，造成了国家的财产损失，因此需要提出有效的去雾方法，以此提高雾霾图像的质量。图像去雾同时也是计算机视觉和图像处理领域的前沿话题。