论文部分内容阅读
随着现代计算机和视觉技术的进步,图像处理被广泛应用在军工,交通监控,行人检测等领域。然而,图像采集易受户外环境的干扰,特别是在雾霾天气下,空气中存在许多影响光直线传播的悬浮颗粒,造成采集的图像降质,主要表现为清晰度下降,特征提取难度增大,颜色失真等问题,将降质后的图像直接进行处理会严重影响结果分析。因此,雾霾天气下如何有效的进行去雾已经越来越引发人们的关注。本文对雾霾天形成原因进行分析,并基于大气散射模型和暗通道先验理论提出改进后的去雾算法,主要研究内容如下:（1）针对暗通道先验理论自适应性不足,去雾后易出现光晕效应的问题,本文提出自适应滤波与最优化加权算法。首先通过自适应窗口滤波求取图像暗通道,引入亮通道概念并结合暗通道求取加权后的通道图;然后提出一种去雾综合评价模型,根据模型的最优值确定亮暗通道的权重,得到改进后的大气光强;最后通过高斯曲率滤波对透射率进行优化。实验表明,该算法去雾后的图像过渡平滑,细节信息丰富,可以有效解决去雾后的光晕效应。（2）针对暗通道先验理论对天空区域失效,去雾后图像色彩暗淡且易失真的问题,本文提出基于天空分割与空间转换的融合去雾算法。首先,采用泛洪算法分割天空区域,引入天空判别机制在天空区域求取大气光值;然后进行YCb Cr空间转换求取Y通道,将Y通道去雾后图像与RGB原图去雾后图像相融合;最后进行伽马矫正提升亮度。实验表明,该算法可准确分割天空区域,复原后图像天空区域失真问题得到解决,并且雾气去除均匀,颜色自然,在天空与非天空区域均取得较好的去雾效果。（3）针对传统行人检测在雾天下检测精度较低的问题,本文将改进去雾算法与行人检测相结合。首先,对雾天下采集的图片作去雾处理;然后基于YOLOv3模型进行检测。实验表明,雾天图片训练的模型行人检测精度为80.61%,去雾后训练的模型行人检测精度为90.13%,行人检测精度提升了9.52%,增强了行人检测在雾天下的适用性。