基于分数阶非线性各向异性扩散的图像去雾算法

吴 绪 玲

(西南交通大学希望学院信息工程系 四川 成都 610400)

0 引 言

随着户外计算机视觉系统在城市交通、自主导航和遥感探测等方面的应用越来越多，人们对监控系统拍摄出来的图像清晰度的要求也越来越高[1]。但是，在真实情况下获取的图像可能会受到恶劣天气、雾或霾等条件的影响，出现大量细节信息丢失的现象，影响后期图像特征的提取[2]。作为计算机视觉系统的输入源，图像质量会对整个系统的性能产生直接影响。因此，国内外研究人员创建许多图像去雾算法来降低这种影响。

目前，图像去雾技术[3]大致可以分成两类。一类是不考虑图像降质原因,采取常规图像增强算法如对比度增强[4]、直方图均衡化[5]、基于Retinex理论的图像增强[6]作为基础处理手段的非物理模型图像去雾技术，这类方法通过提高图像对比度降低雾或霾对图像的影响，但是也容易造成过增强或者信息损失现象；另一类是考虑图像雾天降质原因，利用大气散射原理复原真实场景的物理模型图像去雾技术，如暗通道先验方法[7]，这类方法畸变较小，去雾效果很好，但是计算复杂度较高。基于偏微分方程的各向异性扩散方法[8]是一种基于物理模型的图像去雾算法，该方法通过对有雾图像的多次迭代处理获得较好的去噪效果。Nnolim[9]提出一种基于偏微分方程(PDE)的模糊图像对比度增强算法，在适当的PDE框架中采用倒对数反射和梯度优化对图像进行多尺度局部增强。……