薄云薄雾天气图像处理研究文献综述

文 献 综 述

一、研究背景及意义

雾霾是一种常见的天气现象，在我国出现的比较频繁且分布区域比较广泛。在雾、霾之类的恶劣天气下采集的图像，由于大气中混浊的媒介对光的吸收和散射影响严重，使“透过光”强度衰减，从而使得光学传感器接收到的光强发生了改变，直接导致图像颜色偏灰白色，对比度降低，动态范围缩小，模糊不清，清晰度不够，图像细节信息不明显，许多特征被覆盖或模糊，信息的可辨识度大大降低^[1]。同时，色彩保真度下降，出现严重的颜色偏移与失真，这不仅会影响视觉效果，使图像观赏性降低，还会影响图像后期的处理, 更会影响各类依赖于光学成像仪器的系统工作，如卫星遥感系统、航拍系统、室外监控和目标识别系统等。除此之外，有云的天气现象十分常见，云层的遮挡也易影响图像制图的质量。因此，为有效改善退化图像的质量，降低薄云、雾霭等气象条件对户外成像系统的影响，对薄云薄雾图像进行快速有效的去雾和清晰度恢复处理，有着现实和理论的迫切需要。

二、国内外研究动态

经过国内外研究者的不断努力，图像的去雾处理技术在近二十年的发展过程中， 取得了较大的进展，不断有新的思想与方法产生并用于工程实际中。目前主要围绕两个方向进行研究：一是基于图像处理的增强方法，二是基于物理模型的复原方法^[2]。

基于图像处理的增强方法在实际处理时并不需要图像退化的原因和模型，非物理模型的方法并不分析天气因素造成图像降质的物理成因，它是一个主观过程，目的是根据视觉感受改善图像的质量，属于图像增强的范畴。从处理方法上分为空间域和频率域两种方法；从处理区域上分为全局增强和局部增强；依据处理对象的不同，又可分为灰度图像处理和彩色图像处理，比较典型和常用的图像增强方法包括直方图均衡化算法、曲波变换、同态滤波算法、基于大气调制传递函数、小波方法、以及 Retinex 算法等^[3]。每种方法针对场合和对象都取得了不错的去雾效果，但是每种方法都有其不足和局限，所以不断有新方法和新手段引入，也仍需要我们的进一步探索与研究。

基于模型的去雾方法是从图像复原角度出发，需要考查图像退化原因，对大气散射作用进行建模分析，实现场景的复原，如文献[4]中研究的暗原色先验图像去雾方法。由于基于物理模型的复原方法处理的前提是已知景深信息，这就需要使用多张图像或其他更多辅助信息，在已知景深和精确的大气信息等条件下实现图像的复原。可将基于物理模型的方法分为四类，前两类方法利用同一场景的多幅图像 , 即不同天气条件下获取的多幅图像，或者不同偏振程度的多幅图像；后两类方法试图从单幅图像出发估计景深或景深相关项受单幅图像信息量的限制^[5]，第三类方法利用场景的先验信息或用户交互估计景深^[6]。然而,在实际应用中，通常都无法满足前三种方法所要求的特殊条件。为此，最近的研究工作热衷于探索通过对图像数据本身做各种假设的单幅图像算法。

三、直方图均衡化

直方图均衡化是一种常用的增强对比度的方法，雾天图像对比度低，具有较窄的集中式单峰直方图，因此，可以用直方图均衡化使其成为直方图分布均衡的形式，动态范围扩大，从而增强对比度^[7]。

直方图均衡化又称直方图平坦化，实质上是对图像进行非线性拉伸，重新分配图像象元值，使一定灰度范围内象元值的数量大致相等。这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低 ,输出图像的直方图是一个较平的分段直方图：如果输出数据分段值较小的话，会产生粗略分类的视觉效果。