田智源,王修文,孙雨晴,李志伟
(上海工程技术大学 电子电气工程学院,上海 201600)
恶劣的环境下,拍摄的户外图像通常会有一定程度的失真,这是由于光在有杂质的大气中传播时,会发生散射和吸收,所获得的图像会很大程度影响后期的使用。因此,改进对此类图像的处理技术,会很有益于计算机视觉和图像处理的应用,例如图像增强、图像分类、航空图像以及复杂环境下的自动驾驶[1]。
早期的图像处理,为了解决复杂环境下图像失真的问题,对大量的图像进行分析和统计,利用光在无杂质空气和有杂质空气中传播的特性,对图像进行物理建模和数学推导。1976 年,McCartney 提出了大气光散射模型,为后面的去雾图像的研究做了可靠的铺垫[2]。近几年,基于这个模型的单图像去雾的研究有很大的进展。基于马尔可夫随机场理论;Tan 提出一种最大化图像对比度的方法,除去图像的雾,但是该方法很容易产生过饱和图像[3];Fattal 提出独立单元分析的方法处理彩色图像的去雾问题,对薄雾彩色图像有很好去雾效果[4];何凯明等人通过对大量无雾图像的分析,发现了暗通道先验理论,在大多数的非天空图像中,至少有一个颜色通道的像素非常低,接近于零,通过这个特性,可以分析出图像雾的厚度,通过大气散射模型恢复出无雾的图像,是非常高效的去雾方法,唯一的缺点就是对天空区域的去雾处理会导致失真[5]。针对暗通道先验的去雾问题,之后也提出很多改进算法,如谢斌等人结合暗通道先验和多尺度视网膜知识改进了去雾算法[6];……