结合Lab空间和单尺度Retinex的自适应图像去雾算法
2020-03-05马文君刘金虎王小鹏孙士伟
应用光学 2020年1期
马文君,刘金虎,王小鹏,孙士伟
(兰州交通大学 电子与信息工程学院,甘肃 兰州 730070)
引言
雾霾天气下,由于悬浮在大气中浮尘颗粒、小水滴等对光线折射和散射,导致获得的户外图像对比度和饱和度降低,颜色失真,可视效果较差,影响图像后续处理[1]。如在智能交通、国防和航空领域等,视觉系统会受到影响从而导致各项工作无法正常进行。因此,如何高效地将有雾图像复原成视觉效果良好的图像具有十分重要的现实意义[2]。
目前图像去雾方法主要有3 类:图像增强、机器学习和图像复原方法。图像增强方法如Retinex算法[3]和直方图均衡算法[4],这类算法在处理图像时不考虑退化原因,只为满足视觉感知,不能实现真正意义上的去雾;机器学习方法如Cai 等人[5]提出的基于端对端系统算法,通过训练数据获得模型实现去雾,但受数据集约束,具有一定的局限性;图像复原算法以He 等人[6]提出的暗通道先验算法为代表,通过分析雾图降质机理,建立图像退化模型,充分利用图像退化的假设或先验知识反演推出无雾图像,该方法去雾效果自然,一般不会有信息损失,因此该方法目前受到国内外研究学者的青睐。
近年来,国内外学者对降质图像的复原研究已取得了许多成果,He 等人[6]提出的暗通道先验算法取得了较好的去雾效果,但由于对存在天空等明亮区域的图像透射率估计过小,容易导致复原图像出现颜色失真,且软抠图的使用增加了该算法的时间复杂度;……
登录APP查看全文
