导读:本文包含了雾天图像论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,梯度,天图,小波,重构,通道,偏振。
雾天图像论文文献综述
潘健鸿,高银[1]（2019）在《基于天空区域分割和多尺度融合的单幅雾天图像复原算法》一文中研究指出传统的暗原色理论相关算法在处理带有天空区域的雾天图像时易出现亮度损失和光晕现象。针对这一问题,该文提出一种基于空区域分割和多尺度融合的单幅雾天图像复原算法。该方法首先对图像进行缩放,根据雾天图像的特性分割天空区域,获取全局大气背景光;根据散射模型获取初步的透射率图像,运用L0梯度最小化方法获取优化的透射率图像;最后运用多尺度融合的方法对不同曝光度的图像进行融合,获取最终的去雾图像。主观观察和客观评价表明,在整体和细节方面,该算法比现有暗原色算法及其改进算法处理效果更好。(本文来源于《南京理工大学学报》期刊2019年05期）
张强,高隽,范之国,王振武,闫羽[2]（2019）在《利用目标和大气偏振信息的雾天图像重构方法》一文中研究指出结合目标偏振信息和大气偏振信息的差异,提出了一种利用目标和大气偏振信息的雾天图像重构方法。首先,从光强图像中分离大气光图像和目标光图像,分别解析大气光偏振信息和目标光偏振信息,构建偏振去雾模型。然后,采用融合图像梯度信息的高斯滤波方法估算大气光强和目标光强,并分别计算大气光偏振度和目标光偏振度。采用3σ法则阈值分割方法,在大气光图像空间内估算无穷远处大气光强。最后,重构出目标图像。在不同天气环境下开展外场实验,结果表明,该方法在雾霾、雨、雪天气下能够较好地恢复出目标信息,重构后图像的信息熵提升约40%,灰度标准差提升了约90%,平均梯度和边缘强度提高了3倍。(本文来源于《应用光学》期刊2019年05期）
陈本豪,高涛,卢玮,王翠翠,李琨[3]（2019）在《基于雾天图像退化模型的自适应参数优化的去雾算法》一文中研究指出针对单幅雾霾图像中包含有大面积浓雾、高亮以及白色物体等,而导致无法清晰识别的问题,基于雾天退化模型,提出了一种改进暗通道和运用灰度开运算求解环境光值相结合的去雾算法。首先根据暗通道先验理论运用图像阈值分割出暗原色区域和明原色区域,并将暗原色区域与明原色区域相结合以求得更加精准的原始透射率;然后采用引导滤波算法细化原始透射率;并通过灰度开运算对环境光值进行区间估计,提高了环境光值的精准性和鲁棒性。使得该算法适用于暗通道去雾效果不好的浓雾高亮区域,去雾后的图像更加真实自然,边缘细节信息更加丰富,有效去除了Halo效应;同时也有效地解决了单幅图片去雾后图片偏暗,图片视觉效果不好等问题。与经典去雾算法作比较,验证在图像的对比度、失真度、细节信息和边缘保持等方面都优于其他算法。(本文来源于《科学技术与工程》期刊2019年21期）
王玉坤,贾娜[4]（2019）在《雾天图像清晰化方法研究》一文中研究指出在雾天拍摄图片,通常都是模糊不清的图片,需要进行一系列预处理,才能发挥出出应有的作用。基于此,本文结合理论实践,通过小波变化的方法,对雾天图像进行清晰化处理,雾天图像的轮廓更加清晰。(本文来源于《信息技术与信息化》期刊2019年06期）
余红[5]（2019）在《雾天环境下的舰船图像增强算法研究》一文中研究指出为了提高雾天环境下的舰船图像质量,提出一种形态滤波算法和小波变换的雾天环境下舰船图像增强算法。首先采集雾天环境下的舰船图像,并对图像进行形态滤波操作,去掉舰船图像中的噪声,将舰船图像的重要信息保留下来,然后采用小波变换对2幅舰船图像分别进行分解,并对它们进行融合和增强,消除雾天环境对舰船图像的干扰,得到更加清晰的舰船图像,最后与其他算法进行舰船图像增强仿真实验,仿真实验表明本文算法的舰船图像信噪比要高于对比算法,可以对雾天环境中的不利因素进行有效的抑制,得到的舰船图像的视觉效果十分理想,解决了当前雾天环境下舰船图像增强中的难题。(本文来源于《舰船科学技术》期刊2019年12期）
向文鼎[6]（2019）在《雾天及海洋环境下的图像增强与复原技术研究》一文中研究指出近些年来,世界各地的雾霾越来越严重,中国也不例外,雾霾造成空气质量的下降,除了对身心健康造成巨大的威胁之外,同时也会对户外的计算机视觉采集系统造成巨大的影响,严重阻碍公共交通、户外监控、航拍摄影等工作的开展。雾霾的存在导致采集到的图像降质,出现对比度低,细节不明显等特征,视觉效果模糊。中国海洋河流湖泊众多,中国有四大海域,毗邻中国大陆边缘的渤海、黄海、东海与南海互相连成一片;在中国,流域面积超过1000平方千米的河流就有1500多条,有湖泊24800多个,其中面积在1平方公里以上的天然湖泊就有2800多个,这些海洋、河流、湖泊不仅是中国地理环境的重要组成部分,而且还蕴含着丰富的自然资源。同样,在进行水下作业时,水下更为复杂的光学环境直接导致采集到的图像出现严重的偏色效应,同时也伴随着低对比度和极其模糊的视觉效果,对水下的研究工作造成极大的困扰。相比户外的采集系统,水下更为复杂的环境也使得图像复原变得更加困难。为了提高成像系统的可靠性和稳定性,本论文主要针对户外雾天和水下计算机视觉系统采集的图像和视频出现的视觉退化现象,通过研究分析图像成像的大气散射模型和水下的衰减模型,学习和研究当前现有的多种图像增强和图像复原技术,与实际的项目需求相结合,对户外雾天和水下采集的视频开展研究。本论文的主要研究内容包括以下几个部分:针对暗通道先验去雾算法在含有大块亮白区域造成的图像去雾失真,提出了一种改进的基于自适应区域划分和融合透射率的单幅图像去雾算法。首先,用基于图像子块平均灰度值和标准差的四叉树分解方法获得更加准确的大气光估值;然后,用自适应阈值分割的方法将图像分为亮白区域与非亮白区域两部分,图像的灰度分布数据被用来计算新的权重因子,该权重因子被用来融合透射率使边缘更加平滑;最后,通过大气散射模型恢复无雾图像。针对前景区域内含有高亮极值点以及天空背景的图像,提出了一种基于区域生长与透射率修正的去雾算法。首先通过图像的灰度分布数据找到天空到极值点,筛选出来的点作为大气光取值的像素点,同时经筛选以后的点作为种子点进行区域生长,生长完毕的区域与场景的前景区域分割出来进行透射率的重定义。其中,天空区域的透射率引入放大修正因子进行修正,最后调整图像的亮度使其更符合人眼的视觉需求。实验结果证明该算法可以有效地区分天空区域与非天空区域,结合暗通道去雾模型可以取得较好的去雾效果。针对水下采集的红色分量急剧衰减、背景呈蓝绿色调的图像,提出了一种基于红色通道加权补偿与gamma修正模型的实时水下图像增强算法。首先通过对自然图像的RGB叁通道分量衰减特性进行分析统计,用不同通道间的衰减系数比例加权补偿红色通道的强度信息,再通过引导滤波的方式用绿色通道的边缘信息修正补偿红色通道的边缘信息,修正图像色度;然后用gamma修正模型拉伸图像的强度分布范围,增强图像对比度。实验结果表明,针对红色分量衰减过重的水下图像,该方法可以修正图像的偏色效应,提高图像的对比度近2倍,复原后的图像有良好的视觉效果。(本文来源于《中国科学院大学(中国科学院光电技术研究所)》期刊2019-06-01）
孙伟[7]（2019）在《雾天图像的去雾增强算法研究》一文中研究指出近年来,图像去雾是数字图像处理领域的一个研究热点。雾是悬浮在大气中的气溶胶状态分子,其对可见光具有折射和散射效应,这会导致成像的明显降质。雾天图像通常存在画面细节模糊、对比度降低、颜色失真等缺陷,对图像分析、目标识别等后续处理工作产生不利影响。通过去雾增强处理可以明显提升雾天图像视觉质量,也是进行后续图像处理的重要环节。现有的图像去雾算法主要两种:图像增强与基于导向滤波的暗通道先验图像去雾。针对现有两类去雾算法的优点和不足,本文重点研究将两类图像去雾方法进行综合,有效提升图像去雾增强的算法性能。主要提出了以下两种改进的图像去雾增强算法。(1)提出了一种基于透射率权值因子的雾天图像融合增强算法。首先通过基于暗通道先验的去雾算法获得雾天图像的粗糙透视率图像,进一步通过导向滤波方法获得精细透射率图;运用基于导向滤波的暗通道先验去雾方法获得去雾图像,基于HSI彩色模型对图像进行直方图均衡化处理获得增强图像。最后由精细透射率构造权值因子,对以上的去雾图像与增强图像进行加权融合处理。该算法充分发挥了两类算法对雾天图像处理的各自优势,显着提高了雾天图像的去雾增强效果。(2)针对传统图像去雾方法的局限性,提出一种基于天空分割的含天空雾天图像增强算法。首先基于K均值聚类和天空特征分析,对含天空雾天图像进行天空区域识别;然后针对天空区域像素,对其粗糙透视率进行修正,并通过基于导向滤波的暗通道先验去雾算法获得去雾图像;最后再对去雾后的图像进行双直方图均衡化处理。该算法有效避免了传统的暗通道先验去雾算法在天空区域产生的色彩失真与光晕问题,同时使恢复的雾天图像具有更好地全局和局部对比度。本文在理论分析基础上,运用Matlab进行了仿真实验,通过大量充分的仿真实验对算法相关参数进行合理优化。仿真结果表明,本文提出的雾天图像的去雾增强算法在有效恢复图像细节的同时,使图像全局与局部对比度得到合理增强,对于提升图像视觉质量、改善后续图像处理结果具有一定的实际意义。(本文来源于《安庆师范大学》期刊2019-06-01）
王红[8]（2019）在《基于层次递阶的雾天图像清晰化方法研究》一文中研究指出伴随着我国现代化的快速发展,像视频监控、目标跟踪、智能交通、遥感等图像处理设备对图像清晰化的要求越来越高。然而,在恶劣的条件下(如雾、云等),由于这些外界因素干扰,导致获取的图像通常会出现色彩失真,不清晰甚至模糊等特点。然而,当前图像清晰化方法,无论是基于图像增强技术还是基于物理复原技术的方法,都不能尽善尽美的出去图像中含有的雾气和噪声问题,甚至在处理过程中易扩大或者引入噪声,导致复原后的图像视觉效果遭受影响。针对上述问题,本文首先对雾天图像进行了除雾,通过使用动态自适应的限制对比度直方图均衡算法和优化对比度模型算法实现图像增强和图像去雾,得到无雾图像。然后对图像进行了去噪处理,分别利用基于边缘检测的小波去噪算法与导向滤波算法对图像进行冗余噪声去除操作,从而获得最终的清晰化图像。因此,本文工作有以下几个方面:(1)针对限制对比度自适应均衡算法处理雾天图像时,易造成复原图像“过亮”或色彩偏移等失真现象,本文提出动态自适应的限制对比度直方图均衡算法,对图像进行自适应增强处理,减少色块现象,实现图像的对比度增强。并对该算法模型进行实验对比,验证该算法可以更友好增强图像对比度,去除部分雾气,完成粗略去雾。(2)针对图像中大部分背景或细节部分的雾气并没有消除现象,进一步引入优化对比度物理模型去雾算法,计算大气光值与透射率,并利用对比度与退化因子之间的关系,对图像进行合理的细化去雾,以便获得更多的色彩与细节信息。通过对前后的图像进行数值分析对比,表明经过二次模型去雾后,图像的质量有明显提高。(3)由于增强及去雾的过程易扩大原有噪声或者引入噪声问题,因此,利用保边的去噪算法对图像进行噪声处理以降低图像的模糊程度。本文提出基于Canny算子的引导滤波与基于形态学的小波去噪算法,分别对图像进行去噪处理,并通过实验比对算法的优劣。(本文来源于《太原理工大学》期刊2019-06-01）
王红,郝晓丽[9]（2019）在《基于双模型分层递阶的雾天图像复原算法》一文中研究指出针对雾天条件下采集的图像易出现对比度低、模糊等现象,提出一种基于双模型分层递阶的雾天图像复原算法。通过改进的限制对比度自适应均衡算法模型对图像进行处理,有效增强图像对比度同时除去部分雾气;结合物理去雾模型,通过阈值分割与四叉树搜索算法选取大气光值,计算对比度与透射率之间的数学关系,完成细化去雾;运用Canny算子优化的引导滤波算法对图像的高频信息进行去噪,通过小波重构得到最终的复原图像。实验结果表明,该算法能有效去除噪声,降低图像失真,复原后图像的对比度、细节和色彩保持方面都有所提升。(本文来源于《计算机工程与设计》期刊2019年05期）
刘明[10]（2019）在《基于GPU的雾天图像清晰化算法及并行实现》一文中研究指出雾天图像清晰化技术作为图像处理领域的一个研究热点,其广泛应用于视频安防、智能交通、卫星遥感等领域。虽然现有雾天图像清晰化算法已经取得较好的去雾效果,但是仍旧存在着算法时间复杂度高的瓶颈问题。大量的复杂计算和对硬件的高要求,使其在工程应用上进展缓慢。针对雾天清晰化算法时间复杂度高,难以实现实时处理的问题,论文采用在GPU平台上对算法进行加速的方法,利用CPU+GPU的协同处理方式,提高算法执行速度,使其满足工程应用的要求。首先,论文对目前两大主流通用并行计算平台进行了对比分析,其一是OpenCL通用编程框架,其二是CUDA并行计算架构。重点分析了论文所使用的OpenCL架构模型,以及该模型的内存模型,平台模型,编程模型,以及执行模型等。其次,基于暗原色先验原理的去雾算法是当下具有较好去雾效果的图像清晰化技术,但其同样存在着算法时间复杂度高的问题,而且算法中对于大气光值的获取存在缺陷。论文对算法的所有步骤进行了理论分析,并针对大气光值的获取方式进行了改进。改进后的大气光值相比于原算法提高了鲁棒性,且更适合于并行计算。最后,论文对暗原色先验算法进行了并行实现和优化。为了满足暗原色先验算法涉及的庞大计算量需求,采用了OpenCL编程框架对算法进行编程,并将算法在GPU平台并行实现,使算法的执行速度有较为明显的提升。OpenCL模型中不同的内存分配方式会影响到数据的存取速度,论文对不同的存储结构进行比较,选择了最合适的内存分配方式以优化并行程序。鉴于GPU本地内存具有读写速度快的特点,在并行实现中论文充分利用本地内存优化算法的执行效率,进一步提高处理速度。另外,在对图像处理的普通编程上,通常涉及到大量的循环语句,如果提前知道循环的迭代次数,将循环语句展开,可以有效的提升算法的执行效率。经过并行优化后,显着提高了算法执行速度,为后期的工程应用打下了坚实的基础。(本文来源于《西南科技大学》期刊2019-05-01）
雾天图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
结合目标偏振信息和大气偏振信息的差异,提出了一种利用目标和大气偏振信息的雾天图像重构方法。首先,从光强图像中分离大气光图像和目标光图像,分别解析大气光偏振信息和目标光偏振信息,构建偏振去雾模型。然后,采用融合图像梯度信息的高斯滤波方法估算大气光强和目标光强,并分别计算大气光偏振度和目标光偏振度。采用3σ法则阈值分割方法,在大气光图像空间内估算无穷远处大气光强。最后,重构出目标图像。在不同天气环境下开展外场实验,结果表明,该方法在雾霾、雨、雪天气下能够较好地恢复出目标信息,重构后图像的信息熵提升约40%,灰度标准差提升了约90%,平均梯度和边缘强度提高了3倍。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
雾天图像论文参考文献
[1].潘健鸿,高银.基于天空区域分割和多尺度融合的单幅雾天图像复原算法[J].南京理工大学学报.2019
[2].张强,高隽,范之国,王振武,闫羽.利用目标和大气偏振信息的雾天图像重构方法[J].应用光学.2019
[3].陈本豪,高涛,卢玮,王翠翠,李琨.基于雾天图像退化模型的自适应参数优化的去雾算法[J].科学技术与工程.2019
[4].王玉坤,贾娜.雾天图像清晰化方法研究[J].信息技术与信息化.2019
[5].余红.雾天环境下的舰船图像增强算法研究[J].舰船科学技术.2019
[6].向文鼎.雾天及海洋环境下的图像增强与复原技术研究[D].中国科学院大学(中国科学院光电技术研究所).2019
[7].孙伟.雾天图像的去雾增强算法研究[D].安庆师范大学.2019
[8].王红.基于层次递阶的雾天图像清晰化方法研究[D].太原理工大学.2019
[9].王红,郝晓丽.基于双模型分层递阶的雾天图像复原算法[J].计算机工程与设计.2019
[10].刘明.基于GPU的雾天图像清晰化算法及并行实现[D].西南科技大学.2019
论文知识图
