摘 要

在户外图像中，由于雾的存在会造成图像的模糊、质量下降。图像去雾技术则是为了研究如何消除雾对图像的影响，还原图像无雾的场景。雾能减少图像对比度和限制能见度。每个像素的退化是不同的，其退化程度取决于从相机到场景点的距离。这种依赖关系表示在透射系数中，透射系数控制着场景的衰减、模糊和每个像素中雾气的数量。这里我们探讨研究一种新的、非局部的图像去雾算法。一幅无雾图像的色彩有几百个不同的颜色。而这些像素点的颜色在RBG空间中形成一个个密集的簇。而在有雾图像中像素点在RGB空间上的分布会分散在一条线上，称之为雾线。该算法则使用这些雾线，估算透射图，恢复图像的距离映射和无雾的图像。分析该非局部图像算法的思路与实现，探讨该算法的参数取值对图像去雾的影响。我们对该非局部图像去雾算法与其它的算法进行比较，通过视觉感官的评价方法与基于图像对比度角度衡量的方法分析非局部图像去雾算法的优劣之处。

关键字：雾线，雾图模型，透射率，环境光

Abstract

In out-door images, haze can lead to blurry images and low quality of images. The technology of image dehazing is used to study how to eliminate haze effects on images and restore the haze-free scenes. Haze can reduce image contrast and limit visibility. The degradation in each pixel is different and depends on the distance from camera to the scene point. The dependency expressed in the transmission coefficients which control the scene attenuation and determine the amount of haze in each pixel. We analyzed a non-local image dehazing method. There are a few hundred of colors in a haze-free image and all the pixels of the image can form clusters in RGB space. However, in a hazed image, the distribution of the pixels in RGB space form lines, termed haze-lines. This algorithm uses haze-lines to estimate transmission map and restore the distance map and haze-free images. We study the non-local image dehazing method and implement this algorithm and discuss the influence of the parameters in the algorithm on the dehazing result. We compared this algorithm with other dehazhing methods. And according to evaluation based on visual sense and image contrast, we analyzed the advantages and disadvantages of the method.

Keyword: haze-line, haze model, transmission, air-light

目录

第1章 绪论 1

1.1研究的背景及意义 1

1.2研究现状 1

1.3本文主要内容 2

第2章 雾图模型与去雾算法 3

2.1雾图模型 3

2.2一些图像去雾方法 4

2.2.1 He的方法 4

2.2.2 Fattal的方法 4

第3章 非局部图像去雾算法的设计 5

3.1去雾步骤 5

3.1.1形成雾线 5

3.1.2估算初始的透射率 7

3.1.3正规化 7

3.1.4去雾 8

3.1.5调整 9

第4章 算法的实现 10

4.1程序流程图 10

4.2图像与矩阵 11

4.3核心代码 11

4.3.1 寻找雾线 11

4.3.2估算初始透射图 12

4.3.3正规化 12

4.3.4去雾 12

第5章 非局部图像去雾效果分析 13

5.1去雾处理结果 13

5.2参数取值影响 17

5.2.1环境光 17

5.2.2 gamma值 17

5.2.3 值 18

5.3算法复杂度分析 19

5.4与其它算法的比较 19

5.4.1时间评价 20

5.4.2主观评价 20

5.4.3客观评价 22

第6章 总结 27

参考文献 28

致谢 29

第1章 绪论

1.1研究的背景及意义

在拍摄的图片中，常常由于雾的原因使得图片部分细节模糊不清。雾、霾等这些天气现象是比较常见的，也容易对图片细节造成影响。雾是由于相对湿度大的大气中，水汽汇聚成小水珠，这些水珠在空气中漂浮，对阳光和物体表面反射光造成散射作用，降低能见度。

由于雾的存在，室外的图像经常会表现出低对比度和有限的能见度。在雾霾等天气条件下，空气中的小颗粒（雾天中存在的小水滴或小冰晶）组成的气溶胶对光线形成严重的吸收、散射和反射作用^[1]。雾是独立于场景的亮度的，它对获取的图像存在两个影响：它使所观察到的场景信息变模糊，它在图像中引入了附加组件，称之为环境光，或者太阳光。雾随景物与摄像机的距离的增加而增加，使得景物光的辐射减小，环境光增大。从而造成了图像的退化。因此，模糊的图像（即有雾的图像）可以被建模为无雾图像像素和环境光的组合。

图像去雾技术的目的在于去除雾、霾对图像质量的影响，消除雾对图片细节模糊、景物缺失和景物颜色偏差的影响，从而提高图像可见度和增强图像细节。图像去雾技术是一个仍在发展中的研究课题，拥有广泛的发展和应用空间。近年来图像去雾成为计算机图形学的焦点之一，国内外很多图形学相关学者和工作人员开始关注这一问题^[2]。图像去雾的研究具有非常重要的意义。例如在军事领域的应用，有雾图像或影像会对图像细节信息获取和分析造成困难，而图像去雾技术的应用会提高军事侦察能力。不仅军事领域，图像去雾算法可以应用于资源、环境、气象等许多领域中。图像去雾的主要应用是视频监控、地形勘测和自动驾驶等领域^[3]。

1.2研究现状

虽然许多研究人员研究图像去雾问题，并且在图像去雾上取得了很多成果，但是该技术还未发展完善，仍有许多需要关注的问题，需要我们继续改善和创新。在计算机视觉的实际应用场合中，图像去雾技术存在众多难点。

在图像去雾方面，已经有许多方法来解决图像去雾问题。其中一些方法需要利用额外的信息来实现图像去雾，如在不同的天气条件下拍摄的多幅图像^[16]，或者是使用不同偏振态的两幅图像^[17]。另一些或者是使用场景几何^[18]。