基于优化移动模板模式雾天景物清晰化方法探究.docVIP

基于优化移动模板模式雾天景物清晰化方法探究 　　摘要：本文在传统移动模板处理方法的基础上，针对其不足，提出一种优化方法，并以实验证明该方法对于图像清晰化和处理效率的改进，具有比较好的理论价值和实践意义。 关键词：移动模板 优化模式 雾天景物 清晰化 中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2013）12-0033-02 1 引言 在雾天等恶劣天气的情况下，所获取的户外图像质量往往不够清晰，随着场景深度的增加，图像对比度下降[1]。导致这种结果的原因一是光照不足，二是雾天情况下传感器分辨率下降，最终使图片出现某些部位的对比失衡或者边缘模糊的现象[2]。怎样才能增强雾天景物清晰度是近年来研究的热点问题，在雾天降质图像的增强处理方面出现了不少研究成果。基于移动模板的景物清晰化方法对图片中的局部图像进行增强处理，能够取得较好的清晰化结果[3]，然而这种方法在远景图像处理和不规则图像处理方面有不足之处。本文在传统移动模板处理方法的基础上，针对其不足，提出一种优化方法，并以实验证明该方法对于图像清晰化和处理效率的改进，具有比较好的理论价值和实践意义。 2 基于移动模板模式的雾天景物清晰化方法 传统的基于移动模板模式的雾天景物清晰化方法由两个步骤组成：（1）将景物中划分为天空与非天空两个部分；（2）通过移动模板将景物分割成局部图像，并分别进行增强处理，最终实现图片的清晰化。 在步骤（1）中，对于天空部分的处理涉及到其灰度分布，由于雾天的散射效应，图片里的天空部分灰度值比天空之外的区域高，虽然天空区域的灰度并非一个确定的数值，但是其灰度变化的区间往往是可以预知的。可以设置一个灰度阈值来区分天空部分与非天空部分。结合正态分布原理，在满足的条件时，其分布占95%，故此时将灰度级定位在区间[h1，h2]，其中，。 在步骤（2）中，由于雾天图像对比度随着天气恶劣程度而大幅下降，而其下降水平和图片中的景深之间常常不满足普通线性关系，在并不了解具体景深的时候，是难以通过大气退化的模型进行景物清晰化处理的，原因在于图片中的景物呈现与景深关系密切。传统的移动模板通过将图像分割为不同的局部，每一个局部归结于一个模板中，并将其理解为相同的景深，随后以直方图均衡的方式处理每一模板内的局部对象。 首先，对于某一个点在天空部分还是非天空部分的判定方面，该方法将不属于天空的点作为模板的起始点，却未能解决模板内有可能依旧有属于天空的点的问题； 其次，由于移动模板的灰度范围与图像清晰化程度成反比。假若模板内存在天空的点，则灰度范围显然增大，会显著影响恢复图像的清晰程度； 此外，由于移动模板步长值为1，其实是在被处理图片上进行逐点移动，但运算时间会由此而明显增多，计算量过大，影响处理效率。 3 基于优化移动模板模式的雾天景物清晰化方法 结合以上的不足，本文给出以下的优化方法，其主导思想为： 首先，传统的移动模板方法是将天空部分的判断和直方图均衡化结合在一起的，本研究分离这两个步骤，以增强处理的效率； 其次，所选取的移动模板中，应增设对每一个像素的判定步骤，以使模板之内不包含天空部分的点。 第三，由于在对图片进行直方图处理之后，灰度范围增加至区间[0，255]，因此将天空部分灰度设定在255。 第四，为提升处理效率，将移动模板的步长值增加。 4 仿真 进行基于MATLAB的仿真实验，以验证优化方法的性能，下面是一部分实验结果，包括降质图像以及处理后的清晰化图像对比。（图1图2） 实验结果表明，优化之后的移动模板处理方法在处理雾天图像方面有着更清晰的效果，且改进算法的复杂度也有所降低。以图像对比度、结构相似性对处理后的图像进行判定[4-6]，结果如表1所示。 由数据可知，优化算法处理之后的图像无论在图像对比度方面还是结构相似性方面均有所提升。 5 结论及展望 本研究在传统移动模板处理方法的基础上，针对其不足，提出一种优化的移动模板方法，并以实验证明该方法对于图像清晰化和处理效率的改进，仿真结果显示优化算法处理之后的图像无论在图像对比度方面还是结构相似性方面均有所提升。本研究还有一些需要进一步完善的地方： 首先，雾天图像复原技术有很多，且其正处在快速发展的过程中，尚未出现完全成熟的技术，因此本研究的结果在实验室完成，真正投入应用时还应做更深入的工作； 其次，优化之后的移动模板算法已经显示出比较明显的优势，一方面提升了处理图片的质量，另一方面也降低了算法的时间复杂度，但是如果雾天比较严重的话，本研究的方法处理之后所得到的的目标图像依然不能完全令人满意，因此本研究下一步的方向应该是结合其他一些已经被证明