自适应地空背景图像去雾技术研究与实现

123456aa · 发表于 2022-5-3 07:33:48

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
地空背景图像容易受到天气环境的影响，在雾天、雨天和雪天等条件下获取的图像会出现对比度降低、色彩信息弱化和边缘纹理信息损失等降质现象，不利于人们的观察和判断，对于后续的智能图像处理如目标检测跟踪等算法造成困难。本文从天气影响和图像采集系统自身缺陷两方面深入研究地空图像的特点：总的来说，地空背景图像中的地面部分纹理复杂，空中背景较为单一，起伏平缓；低空的图像，如户外监视系统、交通监控等，其成像景深范围宽，近景清晰，远景受烟雾或粉尘等影响会比较模糊；飞机、探空气球和飞艇等载体对地空背景的成像，由于成像的高度较高，受大气环境的影响较大，在雾天雨天环境下，整幅图像中的景物会模糊不清。针对上述特点，首先对比了目前国内外较流行的图像增强算法，包括：基于子块部分重叠的直方图均衡算法（POSHE）、Retinex算法以及深通道优先去雾增强算法（DCP），通过实验发现POSHE算法无法完全避免块效应并且对雾颗粒噪声的增强过大； Retinex算法加后续的增强处理会引入高频噪声；DCP算法基于的模型并不能解决模糊题目。本文针对DCP算法的雾天成像模型，深入讨论雾天成像过程，将多散射模型引入去雾处理，通过对多散射模型的分析与解读，发现相比于晴朗天气，雾天成像所获得的图像含有较少的信息量。提出了一种新的基于细节补偿的图像去雾算法：快速滤波算法。该算法利用了传统的雾天成像模型，加入了多散射因素。算法经过后期的优化可以在PAL制式视频信号上达到实时处理。经过实验验证，快速滤波算法能够实现对地空图像的自适应增强处理，在有雾、透光不均系统所获取的图像上均能取得较好的效果，能够自动提取局部的细节量，最大亮度值等参数，算法鲁棒性强，运算效率高，适于FPGA实现。实验部分使用能量梯度值、熵、信噪比和运算时间作为客观评价指标，统计各算法的优越性，快速滤波算法各项指标均处于较高水平。

自适应地空背景图像去雾技术研究与实现

天涯海角也要找到Ni：自适应地空背景图像去雾技术研究与实现

相关帖子

QQ微信同步：1144766066。

服务

网站

战略合作