积分商城

最新搜索： 4g dtu mbedded DisplayPort (eDP) Proposal v1.5 蓝牙 逻辑分析仪 STM32F051COOS 代码 杰理蓝牙AC6973 SDK
您现在的位置是：首页 > 技术资料 > 基于先验知识与大气散射模型的图像增强算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于先验知识与大气散射模型的图像增强算法

更新时间：2019-12-24 07:20:10 大小：4M 上传用户：zhiyao6查看TA发布的资源 标签：图像增强算法 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对现有图像增强算法大多不具备处理多种类型降质图像的能力,提出一种基于先验知识与大气散射模型的快速图像增强算法.首先,通过大量实验统计,提出一种新的图像先验—明亮通道先验,即高质量清晰图像中每个像素邻域都极有可能存在白点;随后,对散射模型所存在的缺陷加以改进,并结合明亮通道先验与黑色通道先验,推导出场景反射率的恢复公式;最后,针对黑色通道先验失效情况,提出一种基于可靠性预测的容错机制,以提高其适用范围.实验结果表明:本文算法不但可以有效的突出纹理细节,还具有一定的色调恢复功能,能够处理多种不同类型的降质图像.


部分文件列表

文件名 大小
基于先验知识与大气散射模型的图像增强算法.pdf 4M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
5
Vol． 45 No． 5  
May 2017  
第
期
电
子
学
报
2017  
5
ACTA ELECTRONICA SINICA  
年
月
基于先验知识与大气散射模型的图像增强算法  
，
鞠铭烨 张登银  
(
，
南京邮电大学物联网学院 江苏南京  
210003)  
:
，
针对现有图像增强算法大多不具备处理多种类型降质图像的能力 提出一种基于先验知识与大气散射  
摘
要
． ， ， — ，  
模型的快速图像增强算法 首先 通过大量实验统计 提出一种新的图像先验 明亮通道先验 即高质量清晰图像中每  
; ， ， ，  
个像素邻域都极有可能存在白点 随后 对散射模型所存在的缺陷加以改进 并结合明亮通道先验与黑色通道先验 推  
; ， ， ，  
导出场景反射率的恢复公式 最后 针对黑色通道先验失效情况 提出一种基于可靠性预测的容错机制 以提高其适用  
． : ， ，  
范围 实验结果表明 本文算法不但可以有效的突出纹理细节 还具有一定的色调恢复功能 能够处理多种不同类型的  
．
降质图像  
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
:
;
;
;
图像增强 明亮通道先验 黑色通道先验 大气散射模型  
TP391 0372-2112 ( 2017) 05-1218-08  
DOI: 10． 3969 /j． issn． 0372-2112． 2017． 05． 027  
:
:
A
:
文章编号  
文献标识码  
电子学报  
Image Enhancement Based on Prior Knowledge and  
Atmospheric Scattering Model  
JU Ming-ye，ZHANG Deng-yin  
( School of Internet of Things，Nanjing University of Posts and Telecommunications，Nanjing，Jiangsu 210003，China)  
Abstract: Almost the existing image enhancement algorithms are not capable to deal with multi-type degenerated im-  
ages． In this paper，a fast image enhancement algorithm is proposed based on prior knowledge and atmospheric scattering  
model． Firstly，an innovative image prior，which were called bright channel prior，were proposed through experimental statis-  
tics． It shows that the whites spots are more likely to exist in the neighborhood of each pixels in high-quality clear image．  
Then，the scattering model were improved and it derived the calculation formula of reflectance image by bright channel pri-  
or，dark channel prior and improved scattering model． Finally，we put forward a fault tolerance mechanism，which is based on  
reliability prediction，to handle the situation that the dark channel prior does not work． The experiment results shows that this  
algorithm can not only highlight the texture details well but also restore the tone． It is able to deal with multi-type degenera-  
ted images．  
Key words: image enhancement; bright channel prior; dark channel prior; atmospheric scattering model  
， ．  
比度较低的图像时 效果不甚理想 直至  
Retinex  
感知理  
1
引言  
［4］  
， ，  
才打破这种格局 但基于该理论增强后的  
论的出现  
图像增强是机器视觉领域中最为重要的研究课题  
． ，  
图像色调往往趋于灰白 对于第二类问题 早期成果主  
［5 ～ 7］  
， ， ，  
之一 利用图像增强技术 可以改善图像的视觉效果 提  
，
这类  
要包括基于多幅图像或附加信息的去雾算法  
． ，  
高人眼对信息的感知能力 通常 图像降质原因有两点  
，
， ，  
算法在特定场景下去雾效果较好 但很多情况下 提供  
( 1) ; ( 2)  
受到低照度的影响  
．
受到悬浮颗粒的影响 对于  
， ．  
额外信息是不切实际的 故此类算法不具实用性 近年  
，
第一类问题 大都是利用对比度拉伸算法进行增强处  
， ，  
来 单幅图像去雾技术取得了实质性进展 该类算法是  
［1，2］  
［3］  
，
理 典型的有直方图均衡算法  
、
，
此
对数映射算法  
，
在有雾图像中通过先验知识 尽可能准确的估计出相  
，
类算法只是单纯提高图像的整体对比度 处理局部对  
， ，，  
关参数 但现有先验知识均存在自身的局限性 鲁棒性  
: 2015-08-05;  
: 2015-11-09;  
:
责任编辑 马兰英  
收稿日期  
修回日期  
:
基金项目 国家自然科学基金  
( No． 61571241) ;  
( No． BY2014014) ;  
( No．  
江苏省高校自然科学研究重大项目  
江苏省产学研前瞻性联合研究项目  
15KJA510002)  
1219  
5
:
鞠铭烨 基于先验知识与大气散射模型的图像增强算法  
第
期
［8］  
［13］  
．
较弱 如  
Tan  
、
描述图像受到雾 霾等悬浮颗粒的干扰  
，
其过程可表  
通过最大化其局部区域的对比度来计算  
，
出每个像素的最佳透射率组合 且利用马尔可夫随机  
:
示为  
，
场决策出最优透射率 其本质上仍是对比度拉伸算法  
，
I( x，y) = A· ( x，y) ·t( x，y) + A·( 1 － t( x，y) )  
ρ
［9］  
; Nishino  
( 1)  
恢复图像的色彩过于饱和  
利用贝叶斯后验概  
，I  
式中 与 ρ 分别表示有雾图像与期望得到的场景反射  
率模型通过充分挖掘图像中潜在的统计特征进行去雾  
， ， ，  
处理 该方法能够较好的处理浓雾 但处理薄雾时 颜色  
，A  
，
为天空光照 在单幅图像中一般视为其恒常量  
，t  
率
［10］  
; Fattal  
，
为介质透射图 表示反射光穿透介质的能力  
|
过于鲜艳  
假设局部区域内的色度与透射率互  
－
·d( x，y)  
β
， ，  
不相关 依据颜色的统计特性去雾 因而处理浓雾时效  
t( x，y) = e  
( 2)  
［11］  
; Tarel  
，
利用中值滤波器估计消散函数 而中值  
，、d ．  
其中 β 分别为消光系数与场景深度图  
果一般  
，
滤波器不具备边缘保持性质 致使恢复图像在深度剧  
2. 2  
大气散射模型的局限性  
He  
［12］  
; He  
变处仍会残留少量雾气  
首次提出黑色通道先验  
:
，
通过统计得出 在无雾户外图像中 绝大多数像  
素邻域至少有一个颜色通道的强度值等于或接近于  
0，  
， ，  
的基本概念 利用此先验可取得不错的去雾效果 但由  
，
于其抠图处理具有极高的时空复杂度 故该算法不具  
即
dark  
c
．
备实时性  
，
从本质上讲 上述算法的目的都是为了将原图像  
P
( x，y) = min (  
min ( P  
( x'，y') ) )  
0
→
free － haze  
free － haze  
c
{ R，G，B} ( x'，y')  
( x，y)  
∈Ω  
∈
( 3)  
，
的纹理信息进行适当放大 以致于更加适合人眼的感  
c
，P  
P
，
中某个颜色分量 Ω  
free-haze  
式中  
表示无雾图像  
free － haze  
．
知或机器视觉系统的分析 但现有图像增强算法大多  
( x，y)  
( x，y)  
．
为中心的邻域 利用此先  
表示以像素索引  
，
不具备恢复多种类型降质图像的能力 即便具有这种  
， ( 1)  
验 式  
可化简为  
， ．  
能力 往往也难以获得预期效果 本文在大气散射模型  
c
min (  
min ( I ( x'，y') ) )  
c
{ R，G，B} ( x'，y')  
( x，y)  
∈Ω  
∈
， ，  
的理论基础上 对其不足之处进行改进 并以黑色通道  
t( x，y) = 1 －  
( 4)  
t、A  
代
A
，
先验与文中所提明亮通道先验作为附加信息 推导出  
［12］  
，
式中 天空光照可由腐蚀法估计得出  
．
将参数  
He  
算法所估  
; ，  
场景反射率的恢复公式 此外 针对黑色通道先验失效  
( 1)  
．
1
入式  
便可恢复出反射率 ρ 图 给出了  
， ．  
情况 文中也给出了相应的优化机制 实验结果表明本  
， ，  
计的相关参数及其对应的恢复效果 从图中可看出 虽  
，
文算法具备处理多种类型降质图像的能力 恢复效果  
，
然远处的薄雾已经被很好的滤除 但树荫处的对比度  
．
较好  
． ，  
仍然较低 究其原因 主要是因为散射模型认为图像中  
2
，
所有场景都受到了天空光照的直接辐射 而忽略了辐  
背景  
． ，  
射不均匀的影响 因此 散射模型中天空光照设置为恒  
2. 1  
大气散射模型  
．
常数具有明显的局限性  
，
在计算机视觉与图形学中 大气散射模型常用来  
3
明亮通道先验  
明亮通道先验是一种基于高清图像的客观统计规  
:
律 在每个邻域内都极有可能存在某个像素点在某一  
1.  
，
据此 我们定义高清  
颜色通道上的数值接近或等于  
P
图像  
的明亮通道图为  
HD  
bright  
c
P
( x，y) = max (  
max ( P ( x'，y') ) )  
HD  
( x，y)  
∈Ω  
1
→
HD  
c
{ R，G，B} ( x'，y')  
∈
( 5)  
: ( a)  
; ( b)  
颜
成立条件还取决于以下三方面  
局部清晰度  
， ; ，  
易知邻域越大 明亮通道先验越可靠 另外 该先验的  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号