基于灰度关联度引导滤波的图像去雾算法研究开题报告

1. 研究目的与意义（文献综述）

近几年国内空气质量下降严重，雾霾等恶劣气候出现的次数逐年增加，给人们的日常生活带来了许多困扰。在雾天条件下，由于空气中水蒸气，金属尘埃等悬浮颗粒的存在使得太阳光受到大气粒子的散射作用,降低了光照透率，从而导致雾霾现象的产生。在这种情况下成像系统获取的图像质量退化严重，许多特征被覆盖或模糊，基本无法识别和提取景物的特征。这样就给很多科研工作带来诸多麻烦，如卫星遥感图像的观测，道路交通识别、军事情报的获取、户外视频监控等。

现有的图像去雾技术大致分为以下两类：（１）基于图像增强的去雾方法。这类方法对图像退化原因并不十分关注，适应范围较宽，能一定程度的改善图像清晰度，得到较理想的去雾图像，但会造成去雾后图像仅得到部分有效信息，无法从根本上消除雾霾对图像质量的影响。代表算法有：直方图均衡化算法，多尺度retinex算法及其改进算法，同态滤波算法，小波变换算法。（2）基于图像复原的去雾方法。这类图像去雾方法需要了解图像降质原因，包括建立相关雾天图像衰退的数学模型，反演退化过程，尽可能的修复雾霾等天气下造成的图像失真，这种方法针对不同条件下的有雾图像效果明显，去雾自然，细节特征损失较少，重点是相关模型中各未知量的准确计算。代表算法有：tan算法，该算法通过最大化局部对比度的方法实现去雾，恢复出的场景图颜色易趋于过饱和；fattal算法，该算法基于输入数据的统计特性，不适用于浓雾和低信噪比情况；he算法，该算法首次提出暗通道先验去雾方法并有良好的去雾效果，但是处理速度不快。

本论文采用的是基于灰色关联度引导滤波的图像去雾算法。该算法基于大气散射模型，将有雾图像的像素分为正常像素和被雾霾颗粒破坏的像素，再利用灰色关联理论判断出被雾霾颗粒破坏的像素值，对有雾图像的像素进行正常像素和被雾霾颗粒破坏像素的判断，通过取对数的方法缩小原始图像和滤波后的图像像素值之间的差异，按照大气散射退化模型反演复原出清晰地图像。该算法对不同场景的雾霾图像去雾效果好，可以显著提高有雾图像的清晰度。

2. 研究的基本内容与方案

2.1 基本内容

本次毕业毕业设计内容是基于灰度关联度引导滤波的图像去雾算法研究。

（1）研究matlab的基本用法和常见语句的使用方法。matlab的基本数据是矩阵，所以matlab可以应用于图片分析，用矩阵的形式存储，分析，从而达到我们分析图片的目的。

3. 研究计划与安排

1-3周：调研，完成开题报告。

4-6周：熟悉matlab开发软件。

7-8周：学习灰色关联理论方面知识及完成部分代码。

4. 参考文献（12篇以上）

[1]唐斌,龙文,唐瑞雪.结合高斯滤波和导向滤波的单幅图像去雾算法[j].现代电子技术,2020,43(01):28-30.

[2]郝成成. 图像去雾算法的研究与应用[d].华北电力大学,2019.

[3]王平,张云峰,包芳勋,杜宏伟,张彩明.基于雾天图像降质模型的优化去雾方法[j].中国图象图形学报,2018,23(04):605-616.