基于CLAHE的去雾图像质量提升研究

作     者：李世录 

作者单位：西安电子科技大学 

学位级别：硕士

导师姓名：吴宪云

授予年度：2020年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：暗通道先验 引导滤波 大气光校正 CLAHE 深度自适应 

摘      要：景物成像容易受到雾天影响,导致成像不清晰、目标不易鉴别等质量下降问题,广泛使用的基于暗通道先验的去雾算法能够基本消除雾的影响,但产生的某些去雾图像过暗,目标由于光照不足变得特征微弱,图像增强算法在此显示了其必要性,它们在图像特征提取需求中扮演着无可替代的角色。论文的研究重点为单图像去雾和去雾图像增强,在分析暗通道先验和CLAHE算法原理的基础上,围绕边缘保留滤波、大气光估计、对数变换、频域变换以及图像增强局部差异问题展开,研究成果和创新点体现在以下几方面:(1)引导滤波加速和剥离天空的大气光校正ⅰ.针对研究算法的高耗时问题,经分析主要是软抠图过程导致的,其目的是精细化透射率。论文使用引导滤波代替软抠图实现边缘保留,并采用分通道精细化透射率的策略减少信息损失。实验显示提出算法在保证良好去雾效果的同时,相对原算法产生了较高的加速比,很大程度上解决了高耗时问题;ⅱ.针对去雾算法处理含天空图像失效的问题,经分析原因是大气光强度估计值被天空贡献了一部分,即估计值偏大,导致输出图像偏暗。考虑到算法处理无天空图像的良好表现,提出在含天空图像的非天空区域估计大气光强度,这通过对天空的鉴别、剥离实现,并总结为剥离天空区域的大气光校正,其中鉴别天空的依据是RGB三通道像素强度之和是否在某个阈值之上。实验证明剥离天空区域的大气光校正对天空的识别有着良好的效果,而且输出图像保真度较高,成功解决了原算法的失效问题。(2)CLAHE算法的对数-频域变换和深度自适应改进针对CLAHE算法对近处景物过度增强的问题,经分析原因是其对所有图像片采用相同的裁剪阈值,而现实是近处景物通常满足观赏或鉴别的需求,CLAHE对远处景物产生较好增强效果的同时,近处的景物会失真。基于此,论文提出代表增强程度的裁剪阈值受景物深度影响的观点,去雾产生的透射率作为深度信息,裁剪阈值由关于图像片平均透射率的函数确定,将对CLAHE这样的改进称为深度自适应CLAHE。实验表明,提出算法对远处景物增强效果与CLAHE相当的前提下,有效避免近处景物被过度增强,达到了预期的深度自适应增强效果,并引入标准差定量描述对比度,证明算法确实对对比度进行了提升,而且能实现高亮图像的局部增强,说明提出算法有着不错的适应性。本文从图像去雾和图像增强两个环节进行了以上三点改进,取得了良好的效果,完成了图像质量提升目标。