本科毕业论文---基于同态滤波的图像去雾方法.doc

北方工业大学 本科毕业设计（论文）题 目： 基于同态滤波的图像去雾方法 指导教师： 郭芬红 专业班级： 信11-2 学 号： 11105010221 姓 名： 吴瑾瑾 日 期： 2015年6月19日 基于同态滤波的图像去雾方法 摘 要 在雾霭等天气条件下获得的图像，模糊不清、颜色失真，影响视觉效果。因此有必要对图像进行去雾研究。图像去雾是通过一定的手段去除图像中雾的干扰，达到快速有效的去雾和清晰度恢复的作用，从而得到高质量的图像。 图像去雾的方法众多，同态滤波是一种在频域中进行的图像对比度增强和压缩图像亮度范围的特殊滤波方法。这种方法能减少低频并增加高频，即尽量保留低频中的灰度级（保存图像原貌），又锐化细节，从而达到去雾的效果。 本文把基于同态滤波的去雾算法，与全局均衡化的图像去雾算法等方法进行对比，借鉴其他算法的优点，优化同态滤波算法，使图像去雾效果更加理想。实验结果表明，同态滤波能较好的锐化细节，同时保持原图概况。若要使图片达到更好的清晰度，需结合多种算法，叠加运行。 关键词：图像去雾；图像增强；同态滤波；直方图均衡化Image defog method based on the method of image filterin Abstract The image obtained in bad weather conditions such as fog, blur, color distortion, visual effects.Therefore, it is necessary to study images defogging.Images defogging is through a certain means of removing fog interference and achieve rapid recovery of fog and clarity of role, resulting in high quality images. Homomorphic filtering is an image in the frequency domain of contrast enhancement and special filtering method of image brightness range, homomorphic filtering can reduce the frequency and increase the frequency, that is, try to keep the low frequency of gray levels (save the original image) and sharpen details, so as to achieve the effect of fog. This fog based on homomorphic filtering method, and global equalization algorithm for images defogging method compares the advantages of other algorithms, optimizing the homomorphic filter algorithm, making the image to fog effect is more ideal. Experimental results show that the homomorphic filtering can be used to sharpen detail, while keeping the original profile. To make the image better definition, should be combined with a variety of algorithms, stacking operation. Key words: image, image enhancement, image enhancement, image enhancement, image enhancement, histogram equalization.目录1 引言11.1 课题研究的背景和意义11.2 图像去雾的研究历史和发展现状21.3 本文主要研究内容和结构安排31.3.1 本文主要研究内容31.3.2 本文结构安排32 图像去雾概述52.1 图像去雾的概念52.2 图像去雾的分类52.2.1 基于物理模型的方法62.2.2 基于非物理模型的方法82.3 图像去雾的应用123 基于同态滤波的图像去雾方法133.1 同态滤波概念与定义133.2 同态滤波的原理133.3 同态滤波的操作的基本流程134 实验结果184.1 灰度版184.2 彩色版204.3 实验结果分析与评价225 评价与改进245.1 直方图245.2 暗通道265.3 改进295.3.1 红外处理295.3.2 红外与同态滤波结合优化295.3.3 实验结果图30结论31致谢33参考文献34附录37外文资料翻译及原文48III1 引言 图像去雾是图像处理中一个不可缺少的环节，在遥感、航拍、水下图像分析、户外视频、日常照片、处理等诸多方面有着广泛应用。本章对图像去雾的技术进行介绍，并着重阐述基于同态滤波的图像去雾方法，深入研究了基于同态滤波的图像去雾方法，对雾天退化图像的增强进行了实验验证。同时也增强了雾天降质图像的对比度和色彩保真度，提高了户外成像系统在雾霭等天气下工作的稳定性和可靠性。本章简要介绍了图像去雾处理的背景与意义，图像去雾的国内外研究现状，并给出了本文的主要研究内容。1.1 课题研究的背景和意义 众所周知，雾和霾是一种常见的天气现象，在雾霾条件拍摄的图片就不是很清晰，因此有必要对图像进行去雾研究。图像去雾技术是通过一定的手段去除图像中雾的干扰，从而得到高质量的图像，以便于得到满意的视觉效果并获取更多有效的图像信息。图像去雾技术是图像处理领域一个重要的研究分支。因其具有跨学科、前沿性以及应用前景广阔等特点，而备受国内外的大批研究者的关注，目前已成为计算机视觉和图像处理领域的研究热点。同时作为一门新兴学科，由于去雾问题涉及到天气条件的随机性与复杂性，使得人们研究的起步比较晚，只有二十年的研究历程。目前虽然有新方法大量涌现，但几乎每一种方法都有一定的局限性，也都处于不断的发展中。一些己取得的研究成果虽然在某一方面得到大家的认可，但还是需要完善和改进。因此，为提高雾天退化图像的质量，需要寻找有效的办法来减少或去除雾的影响。1.2 图像去雾的研究历史和发展现状 图像去雾技术一个跨学科的前沿性课题，具有广阔的应用前景，近几年来已经成为计算机视觉和图像处理领域研究的热点问题之一，吸引了国内外很多研究人员的兴趣。该技术主要应用于计算机视觉的初级阶段，是目标检测与跟踪、目标分类与识别、目标行为分析与理解等中、高级阶段的基础。 图像去雾技术的研究工作开展较晚，尽管国内外研究机构已经取得了一定的研究成果，然而仍有待完善。研究最早可追溯到1992年LBissonnette等人针对雾和雨天气下所做的图像去雾处；随后，John P.Oakley等人针对恶劣天气下航拍降质彩色图像进行了去雾处理，并取得一定的研究成果。后来，McCartney对不同天气条件下大气粒子的类型、大小和浓度进行了研究。Nayar和Narasimhan对大气粒子的类型、大小和浓度造成各种天气的成因进行了简单分析。Garg等人提出雨滴动力学模型，利用模型约束来区分雨和其他类型的信号，有效地检测并去除复杂场景中的雨滴。 与国内相比，国外的研究工作开展较早，且研究机构较多。在国外著名的研究机构中，美国国家航空航天局（NASA）的Langley研究中心（LRC）深人研究基于邻域（surround-based）的Retinex算法，对雾、烟、水下和夜晚图像进行增强，并将其算法嵌人DSP便携式图像增强视觉系统中，处理分辨率为256256的灰度图像可达到30帧s,基本满足实时性的要求；哥伦比亚大学的计算机视觉实验室研究如何利用不同天气条件下同一场景的多幅图像来恢复清晰图像，并建立了不同天气条件下同一场景的WILD（Weather and Illumination Database）数据库；以色列的联合成像实验室；研究基于偏振滤波的方法，该方法对大气成像和水下成像均适用；曼彻斯特大学电气和电子工程学院的传感、图像和信号处理组在图像对比度恢复方面进行了长期的研究，英国Dmist公司在此研究基础上开发了商业产品C1earVue。 在国内的研究机构中，微软亚洲研究院与香港中文大学（Chinese University ofHong Kong）信息工程系的多媒体实验室合作，研究基于数据假设的单幅图像去雾方法，其成果较为显著，但与实际应用仍存在较大差距。其他研究所和高校的相关研究工作尚处于进一步发展中。现阶段，比较优秀的去雾手段，都是根据每种算法的优、缺点，进行优势结合。一般而言，良好去雾效果都要复合几层算法进行叠加，例如，基于同态滤波的红外图像增强新方法。先对原红外图像自适应中值滤波，既保留了原有图像细节，又去除噪声。1.3 本文主要研究内容和结构安排1.3.1 本文主要研究内容 本文介绍基于同态滤波的图像去雾方法。将基于同态滤波的去雾图像，与经全局均衡化直方图的图像去雾算法、暗通道去雾算法等方法进行对比，借鉴其红外技术的优点，优化同态滤波算法，使得图像去雾效果更加理想。1.3.2 本文结构安排 本文共分为五个部分。具体结构如下： 第一部分 绪论。主要介绍了图像去雾的研究背景和意义、国内外研究现状、发展前景以及本文的主要研究内容。 第二部分 图像去雾原理与技术。主要介绍了图像去雾的基本原理、基本特征和图像去雾的分类，归纳了图像去雾的典型算法以及主要应用。 第三部分 研究基于同态滤波的图像去雾方法。 第四部分 实验结果。 第五部分 实验方法评价与改进。 第六部分 对本文进行总结。2 图像去雾概述2.1 图像去雾的概念 图像去雾技术（雾、霆等类似大气粒子的散射现象均可用米氏散射理论描述，为了描述的方便，简称为去雾）的主要任务是去除天气因素对图像质量的影响，从而增强图像的视见度。2.2 图像去雾的分类 图像去雾技术在经过近20年的研究发展中，经过国内外研究学者们的努力，已经形成了许多可应用于实践的技术方法。目前的主流方向是通过物理模型和非物理模型展开的。依据是否依赖大气散射模型，将现有的方法分为两类：基于物理模型的方法（MB）和非物理模型的方法（NMB）。基于物理模型的方法即是图像复原方法，基于非物理模型的方法即是图像复原方法。 雾天图像复原是研究雾天图像退化的物理机制，并建立雾天退化模型，反演退化过程，补偿退化过程造成的失真，以便获得未经干扰退化的无雾图像或无雾图像的最优估计值，从而改善雾天图像的质量。这种方法针对性强，得到的去雾效果自然，一般不会有信息损失，处理的关键点是模型中参数的估计。雾天图像的增强方法不考虑图像退化原因，适用性广，能有效地提高雾天图像的对比度，增强图像的细节，改善图像的视觉效果，但对于突出部分的信息可能会造成一定损失。对于每一类方法，按照去雾方法的相似性进一步归纳为不同的子类方法：基于图像处理的雾天图像增强方法分为全局化的图像增强方法和局部化的图像增强方法；基于物理模型的雾天图像复原方法则包括基于偏微分方程的雾天图像复原、基于深度关系的雾天图像复原和基于先验信息的雾天图像复原。 下图详细描述了这种分类层次：图2.1 图像去雾方法分层 2.2.1基于物理模型的方法图2.2 基于物理模型的复原方法（1）基于偏微分方程的雾天图像复原 由于利用大气信息条件或场景深度复原雾天图像的方法不能局部修正恢复结果，所以对于场景深度变化较大的图像，部分区域的对比度仍然比较低，不能很好满足应用要求。因此在某些对图像的色彩清晰度和对比度有较高要求的场合，采用偏微分方程的图像去雾方法得到了广泛的应用。 针对雾天图像处理，可借助大气散射模型，建立户外图像全局去雾和局部去雾的能量最优化模型，推导相应的包含图像梯度和场景景深的偏微分方程。同时利用用户提供的简单附加信息消除恢复中的不确定性，实现仅从一幅降质图像的去雾恢复。（2）基于深度关系的雾天图像复原 降质图像的场景深度信息是复原雾天图像的一条重要线索。根据场景深度信息是否己知可将此种复原方法分为两类。一类是假设场景深度信息已知的方法。这种基于物理模型来复原场景对比度的方法使用一个简单的高斯函数对场景中的光路进行预测，取得了较好的复原效果,并且不需要天气预测信息，但此方法需要雷达装置获取场景深度。另一类是用辅助信息进行场景深度提取的方法。但以上提取场景深度的方法也存在着一定的局限性，比如利用偏振光的方法只能应用于大气散射程度较弱的薄雾，而不适于大雾天气。而其它一些方法则需要用到不同天气状态下相同景物的图像或需要用户的交互，因而很难满足对变换场景的实时图像处理需求。（3）基于先验信息的雾天图像复原 传统的去雾方法往往只能有限度地提升降质图像的清晰度，由于忽略了真实图像的雾气分布不均的事实而以整体统一处理的方式去雾，致使图像某些部分显得不够清晰，而某些部分却因过度处理而失真。近年来，众多研究者致力于如何针对单幅降质图像按照图中雾气浓度的变化，达到彻底去雾的效果。例如基于暗原色的单一图像去雾技术。该方法通过收集大量不受雾气影响的图像，发现了一套能识别雾气浓度的暗原色统计规律。即把图像分成多个子块，每个子块中都有一些亮度很低的像素。这些“黑点”通常存于物体阴影、黑色物体以及具有鲜艳颜色的物体中。根据这一规律，只需按雾气浓度局部修复图像各部分的颜色，就能有效地达到很好的去雾效果，但当场景目标的亮度与大气光相似时，暗原色先验信息将失效。2.2.2 基于非物理模型的方法图2.3 基于非物理模型的方法（1）全局化的图像增强方法 全局化的雾天图像增强方法是指依据整幅雾天图像的统计信息决定对灰度值的调整，而不考虑被调整点所处的区域。由于雾天下场景的退化程度与其深度相关，而一幅图往往包含复杂的景深信息，所以全局化的处理方法往往不能收到理想的效果，但当雾天图像的场景相对简单时，不失为一种有效的途径。典型的全局化雾天图像增强方法主要有以下六种： 1）全局直方图均衡化算法。该方法的基本思想是把有雾图像的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围从而达到增强雾天图像整体对比度的效果。直方图均衡化的去雾效果是进行去雾算法对比时的典型参照。 2）同态滤波算法。该算法是一种把频率过滤和灰度变换相结合的图像增强处理方法，也是一种把照明反射模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像质量的处理技术。该方法及其推广在彩色图像增强方面得到了广泛的应用。 3）小波方法。小波与多尺度分析在对比度增强上的应用取得了很大进展。例如，在多个尺度上对雾天图像的细节进行均衡化，对图像的细节有很好的锐化作用。 4）Retinex算法。Retinex是一种描述颜色不变性的模型，它具有动态范围压缩和颜色不变性的特点，对由于光照不均而引起的低对比度彩色图像具有很好的增强效果。 5）曲波变换。曲波是一种在小波变换基础上发展起来的新的多尺度分析方法，由于它特别适合于各向异性奇异性特征的信号处理，因此能够很好的弥补小波变换在图像的曲线边缘增强方面的局限性。 6）基于大气调制传递函数（AtmosphericalModulationTransfer Function，MTF）增强雾天图像。该方法的原理是：首先通过对大气调制传递函数的预测，近似估计大气对图像质量的退化过程。当得到先验信息时，通过预测公式计算出相应的瑞流调制传递函数和气溶胶调制传递函数，再由前两者的乘积得到总的大气调制传递函数。然后利用大气调制传递函数在频域内对天气退化图像进行复原，并对户外景物图像中由大气调制传递函数造成的衰减进行补偿。天气退化图像进行清晰化处理均是采用大气调制传递函数处理。（2）局部化的图像增强方法 对于上述全局化的图像增强方法而言，由于此类方法是对整幅图像进行操作，而且在确定变换或转移函数时是基于整个图像的统计量。而在实际应用中常常需要对图像某些局部区域的细节进行增强，但这些局部区域内的像素数量相对于整幅图的像素数量往往较小，在参与整幅图的计算时其影响常被忽略掉，并且从整幅图像得到的函数也不能保证这些所关心的局部区域得到所需的增强效果。因此，需要根据所关心的局部区域的特性来计算变换或转移函数，并将这些函数用于所关心的区域，以得到所需的增强效果。目前主要有以下三类局部化的图像增强方法： 1）局部直方图均衡化方法，也称块重叠直方图均衡化，是一种标准的自适应直方图均衡化方法（Adaptive Histogram Equalization，AHE）。其基本思想是将直方图均衡化运算分散到图像的所有局部区域,通过局部运算的叠加自适应地增强图像局部信息。 2）局部对比度增强方法。这有三种方式：a、常数增益（ConstantGain Trace，CGT）算法。该算法求得雾天图像的局部均值并设定比例常数，在雾天图像的每个像素位置上根据变换函数放大图像的局部变化；b、饱和度反馈算法。该算法将雾天图像转换到HIS色彩空间中进行处理；c自适应饱和度反馈算法。该算法通过有饱和度分量和亮度分量的局部相关性来确定反馈的极性和程度，从而使饱和度反馈算法具有了自适应能力。 3）基于局部方差的增强方法。该算法通过计算并比较局部标准方差的大小来判断局部图像的增强程度，然后以灰度均值为基准进行局部灰度拉伸。此算法同样适用于深度信息多变且对比度较低的雾天图像，但相对于局部直方图均衡化算法在噪声方面有所增加。因此，如何在增强细节和抑制噪声方面找到较好的折中点是该方法需要进一步研究的问题。2.3 图像去雾的应用 随着图像去雾技术的发展，图像去雾的应用领域也得到了扩展，图像去雾的基本应用领域是在视频监控、地形勘测和自动驾驶等领域。目前图像去雾的应用主要集中在以下几个方面：遥感、航拍、水下图像分析、户外视频、日常照片、处理等诸多方面有着广泛应用。3 基于同态滤波的图像去雾方法3.1 同态滤波概念与定义 同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法，它依靠图像的照度反射率模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像的质量。使用这种方法可以使图像处理符合人眼对于亮度响应的非线性特性，避免了直接对图像进行傅立叶变换处理的失真。3.2 同态滤波的原理 将像原灰度值看作是照度和反射率两个组份的产物。由于照度相对变化很小，可以看作是图像的低频成份，而反射率则是高频成份。通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的。3.3 同态滤波的操作的基本流程FFT LOGIFFTEXP 图3.1 同态滤波图像去雾操作流程图 其中，表示原始图像，表示去雾处理后图像。取对数处理，取指数处理。表示傅里叶变换，表示傅里叶你变换。表示进行同态滤波处理。 二维函数形式表示图像在特定的坐标处的值或幅度是一个正的标量，其物理意义由图像源决定。当一幅图像从物理过程产生时它 的值正比于物理源的辐射能量。因此一定是非零和有限的，即 。 （1） 函数可由两个分量来表征： （1）入射到观察场景的光源总量； （2）场景中物体反射光的总量。这两个分量分别称为入射分量和反射分量，表示为和。这两个函数合并成，即 （2） 其中, （3）（式3）指出反射分量限制在0（全吸收）和1（全反射）之间，的性质取决于照射源，取决于成像物体的表面特性。 图像的灰度不仅仅由光照函数（入射光）决定，而且还与反射函数有关，反射函数反映出图像的具体内容。光照强度一般具有一致性，在空间上通常具有缓慢变化的性质，在傅立叶变换下表现为低频分量，然而不同的材料或物体的反射率差异很大，常引起反射光的急剧变化，从而使图像的灰度值发生变化，这种变化与高频分量有关。 为了消除不均匀照度的影响，增强图像的细节，可以采用建立在频域内的同态滤波器对光照不足的或有光照变化的图象进行处理，可以减少因光照不足引起的图像质量下降，并对感兴趣的景物进行有效增强，这样就在很大程度保留图像原貌的同时对图像细节增强。同态滤波是一种在频域中进行的图像对比度增强和压缩图像亮度范围的特殊滤波方法。同态滤波能够减少低频并增加高频，从而能减少光照变化并锐化边缘或细节。 通过对光照分量和反射分量的研究可知，光照分量一般反映灰度的恒定分量，类似于频域中的低频信息。减弱光照函数（入射光）就可以起到缩小图像灰度范围的作用；而反射光与物体的边界特性是密切相关的，类似于频域中的高频信息。增强反射光就可以起到提高图像对比度的作用。因此，同态滤波的传递函数一般在低频部分小于1，在高频部分大于1。 进行同态滤波处理，首先要对原图像取对数，使图像模型中的乘法运算转化为简单的加法运算 （4） 再对函数做傅里叶变换，将函数转换到频域 （5） 选择合适的传递函数，压缩分量的变化范围，削弱，增强分量的对比度，提升，增强细节，即确定一个合适的。由以上分析可知大致形状如图3.2所示。其中代表高频增益，代表低频增益，表示点到滤波中心的距离。 图3.2 同态滤波处理示意图 利用对（6）式进行滤波,可得 （6） 最后对滤波结果进行傅立叶反变换和指数运算，得到同态滤波后的输出结果 （7） （8）4 实验结果4.1 灰度版 图4.3.1（a） 雾前 图4.3.1（b） 雾后 图4.3.2（a） 雾前 图4.3.2（b） 雾后 图4.3.3（a） 雾前 图4.3.3（b） 雾后 图4.3.4（a） 雾前 图4.3.4（b） 雾后 图4.3.5（a） 雾前 图4.3.5（b） 雾后 4.2 彩色版 图4.4.1（a） 雾前 图4.4.1（b） 雾后 图4.4.2（a） 雾前 图4.4.2（b） 雾后 图4.4.3（a） 雾前 图4.4.3（b） 雾后 图4.4.4（a） 雾前 图4.4.4（b） 雾后 图4.4.5（a） 雾前 图4.4.5（b） 雾后4.3实验结果分析与评价 在进行Matlab操作达到图片去雾效果时，采用了两种办法，分别为灰度方法和彩色方法。第一种灰度方法的图像去雾，将彩色图片转化为灰度图片进行处理，即原始图片输入的是彩色的，经Matlab处理后呈现的原始图片和去雾以后的图均为黑白颜色。第二种彩色图像去雾是针对彩色图片的去雾处理，即输入的原始图片和输出的原始图片及去雾以后的图片成像都是彩色图像。 从处理效果图的清晰度上看，这两版去雾算法达到了图像去雾的目的。灰色版黑白颜色差异更加分明，故而比原始图像清晰。彩色版颜色分辨度也增强，一些细节被细化，图片比原始图像清晰，去雾效果也比灰度去雾方法更清晰。 在对这些图片进行Matlab操作过程中，有时运行结果差强人意。在处理灰色版本时，同态滤波处理原色就很深的图片，处理后的图像颜色更暗，如图（a11）（a12）所示，细节锐化的不明显，没能达到较好的去雾处理效果。为找到最优配比度，进行了修改相关系数操作，但改进过后的算法的深色图像去雾效果，依旧无太大改善。 在处理彩色版本时，做了许多调研、学习准备。在搞懂程序语言的同时，百度相关经验与方法。总结失败原因是：没有真正弄明白怎样同时对三个色彩维度进行定义，总在灰度图片上打转。例如在原灰色版的基础上，在图片进行输出前，加入一段经灰色图片变成彩色的代码，结果只能出一张彩色原图。我又尝试定义三个色彩区间，在图片录入代码定义fRrgb（：，：，1）；fGrgb（：，：，2）；fBrgb（：，：，3），结果出来两张灰色图像。最后学会运用正确彩色图像定义，输入正确的代码，才实现了彩色图像的去雾处理。5评价与改进 为对比去雾效果，将对五幅有雾图片进行直方图去雾操作以及暗通道去雾操作，并对比去雾效果并评价算法。5.1 直方图 图5.1.1（a） 雾前 图5.1.1（b） 雾后 图5.1.2（a） 雾前 图5.1.2（b） 雾后 图5.1.3（a） 雾前 图5.1.3（b） 雾后 图5.1.4（a） 雾前 图5.1.4（b） 雾后 图5.1.5（a） 雾前 图5.1.5（b） 雾后 比较结论：直方图去雾使得色彩失真，冷色系的颜色突变为暖色系颜色，细节锐化程度总体不如同态滤波明显。在图像原貌保持方面，同态滤波去雾方法，更好地保持图像原貌，而直方图去雾方法使得图像颜色改变很大。在细节处理方面，同态滤波方法细节锐化程度比在原图光照明亮的地方所加强的细节比暗通道明显。相反，直方图去雾方法在原图光照较暗的地方所加前的细节比同态滤波明显。5.2 暗通道图5.2.1 雾后图5.2.2 雾后图5.2.3 雾后图5.2.4 雾后 图5.2.5 雾后 比较结论：暗通道去雾效果良好。色彩基本保留，细节锐化明显。经暗通道处理的图像，颜色会比原图颜色加深。在图像原貌保持方面，同态滤波去雾方法，更好地保持图像原貌，但暗通道去雾方法使得图像看起来颜色更加突出。在细节处理方面，同态滤波方法在原图光照明亮的地方所加强的细节比暗通道明显。相反，暗通道方法在原图光照较暗的地方所加前的细节比同态滤波明显。5.3 改进5.3.1 红外处理 红外成像的目标和背景的红外辐射需经过大气传输、光学成像、光电转换和电子处理等过程，才被转换成为红外图像。所以从红外图像的产生过程分析，红外图像主要有以下特点： 1）空间相关性强，对比度低；2）表征对象的温度分布，是灰度图像，分辨率较低，图像比较模糊；3）噪声干扰较大，噪声比较复杂，信噪比低；4）存在器件性的非均匀性等。 我们可以看出红外图像存在很多缺陷，对人眼来说其最显著的特点就是对比度很低，图像很模糊。红外图像存在的散粒噪声，随机噪声等，并且它们大部分是图像中的高频信息，而同态滤波正是处理锐化高频的一种好方法，能有效加强细节。5.3.2红外与同态滤波结合优化 本文提出了一种基于同态滤波的红外图像增强新方法。先对原红外图像自适应中值滤波，既保留了原有图像细节，又去除噪声。利用了同态滤波的优势，增强了红外图像细节特征。采用限制对比度自适应直方图均衡方法，进一步调整图像的灰度动态范围。此方案解决了同态滤波所存在的缺陷，最终提高了图像的分辨率和对比度，并通过仿真验证得到非常好的增强效果。5.3.3 实验结果图 图5.3.1（a） 原图 图5.3.1（b） 红外 图5.3.1（b） 同态滤波 图5.3.2（a） 原图 图5.3.2（b） 红外 图5.3.2（b） 同态滤波 图5.3.3（a） 原图 图5.3.3（b） 红外 图5.3.3（b） 同态滤波 结论表5.1 去雾方法对比分析类别子类去雾方法优点缺点基于图像处理的雾天图像増强方法全局化增强全局直方图均衡化算法简单对单景深图像的复原效果好难反映景深多变的图像中局部景深的变化同态滤波能去掉由光照不均所产生的黑斑暗影能较好地保持图像的原始而貌需耍两次傅立叶变换，占用较大运算空间暗通道能较好地增强图像的细节光亮的地方细节处理效果一般 表5.1是主要去雾方法的优缺点比较。这些方法尽管在解决问题的思路上存在着根本的区别,但是由于各种方法各有优缺点,所以在实际应用中,根据需要多采用“累试法”进行处理。即对于一幅有雾图像,根据研究人员的判定来处理,如果采用增强方法改善灰度对比度的效果好,就釆用增强方法;若采用图像复原方法可行,就依据退化模型进行复原处理。为了直观地考察各种算法的清晰化效果,我们对上述几种典型的基于图像处理的增强方法和最新提出的基于物理模型的图像复原方法进行了实验仿真,图1-3即为各算法的清晰化效果示例。 图6.1 原图 图6.2 同态滤波 图6.3 直方图 图6.4 暗通道 图6.5 红外 图6.6 红外+同态滤波 观察图片，可知这个去雾算法的效果优劣。图6.6的去雾效果最好，它既应用了红外技术，提高高频，又应用同态滤波，在保持图像原貌的同时，使得图像的细节处理更加细腻。若要使图片达到更好的清晰度，需结合多种算法，叠加运行。 致谢 时光飞逝，大学里的最后一个学期很快过去了，经历了毕业设计的整个过程让我感觉到自己在这个过程中过得很充实、很愉快。 本文是在北方工业大学理学院的郭芬红老师的悉心指导和帮助下完成的。从选题到寻找相关资料、到开题答辩、中期检查、到过程中的编程实现，再到最后的论文定稿以及答辩，郭老师一直都是很耐心、竭尽所能的帮助我们。从前期资料查询准备，到开题答辩书写修改与答辩准备，到后来代码运行，论文成文修改，郭老师一直拽着我们前进。 郭老师总是很及时的将毕业设计相关的信息和通知第一时间的告知我们。在论文撰写和程序设计方面，老师非常仔细，我们每个人的论文都是老师一字一句认真仔细的阅读并帮助我们标注出不恰当的地方，指导我们做出修改，帮助我们精益求精。在这里真诚地感谢导师郭芬红无私的付出。 朱喜玲学姐在同态滤波代码修改中，挤出自己的时间来无私的帮助我改正代码。对此，表以深深地感谢。 在这一个学期的学习过程中，也少不了同学之间的互相帮助，家人的支持和鼓励，更少不了那些为了这个课题刻苦钻研的工作者和学者们的付出，我们现在所做的学习和研究真的是站在巨人的肩膀上，是这些人让我们看得更高，走的更远。 谨以此在本篇论文完成之际，感谢身边每一位的帮助过我的老师、家人、同学和朋友，致谢！32参考文献1陈春宁，王延杰.在频域中利用同态滤波增强图像对比度J.微计算机信息，2007，23（2）：265-2662武英.利用同态滤波改善光照不足图像J.南京晓庄学院学报，2007（6）：70-713胡窦明，赵海生，李云川，等.一种基于同态滤波的红外图像增强新方法J.红外技术，2012，34（4）：224-2284禹晶，徐东彬，廖庆敏.图像去雾技术研究进展J.中国图形学报，2011，16（9）：1561-15765范有臣，李迎春，韩意，等.波的同态滤波在图像烟雾弱化中的应用J.中国图象图形学报，2012，17（5）：635-6406马龙，张成义.基于Matlab的同态滤波器的优化设计J.应用光学，2010，31（4）：584-5887李云红，张龙，廉继红.红外图像增强方法的研究J.西安工程大学学报，2010，24(4)：517-5208杨靖宇，张永生，邹晓亮，等.利用暗原色先验知识实现航空影像快速去雾J.武汉大学学报，信息科学版，2010，35(11)：1292-12959史经俭，王盼攀.改进后的同态滤波图像处理技术中的应用J.中国科学，2010，7：432-43410嵇晓强.图像快速去雾与清晰度恢复技术研究D.长春：中国科学院长春光学精密机械与物理研究所，201211郭璠.图像去雾方法和评价及其应用研究D.长沙：中南大学信息科学与工程学院，201212许欣.图像增强若干理论方法与应用研究D.南京：南京理工大学，201013廖欢.雾天降质图像的增强方法研究D.广东：华南师范大学，201214张锐.雾天或背光条件下图像清晰化算法研究及硬件实现D.哈尔滨：哈尔滨工业大学，200815王恒进.基于小波的遥感图像薄云