《基於霧、霾、弱光三因子的圖像霧霾去除》是依託天津大學，由楊愛萍擔任項目負責人的面上項目。
基本介紹
- 中文名：基於霧、霾、弱光三因子的圖像霧霾去除
- 項目類別：面上項目
- 項目負責人：楊愛萍
- 依託單位：天津大學
項目摘要,結題摘要,
項目摘要
近年我國出現嚴重的霧霾天氣，造成道路環境系統的可視性變差，也嚴重降低了計算機視覺系統的特徵提取和目標識別性能。傳統去霧方法沒有考慮空氣中的霾因子、弱光增強方法不能去除圖像中的霧和霾。本項目突破了傳統方法中只能進行圖像去霧或僅對弱光圖像增強等局限，重點提出正常光照下(如白天)同時去除霧和霾的理論，並針對弱光下(如夜晚)交通事故率高的問題，提出了弱光下圖像去霧霾的方法，形成基於霧、霾、弱光三因子的圖像處理理論體系，為減少我國因霧霾造成的損失作出貢獻。本項目按照從分析到綜合的順序，研究如下內容：(1)分析霾的物理特性，研究霾的圖像形成機理和數學模型，為霧霾去除奠定基礎。(2) 分析霧和霾並發時的物理特性，研究霧霾圖像的形成機理和數學模型，從探究霧霾圖像的統計規律和傳統圖像恢復兩個角度研究霧霾去除方法。(3) 進一步分析弱光下的霧霾圖像形成過程以及噪聲特點，研究弱光下霧霾去除理論和圖像增強算法。
結題摘要
本項目以霧、霾、弱光等惡劣天氣條件下拍攝的圖像/視頻為研究對象，圍繞正常光照下圖像去霧、弱光圖像增強、弱光圖像去霧進行研究，構建霧霾圖像資料庫，提出新的圖像成像機理和數學模型，形成基於霧、霾、弱光三因子的圖像處理理論體系。有效促進圖像去霧領域理論和套用研究進展，研究成果在智慧型交通、監視系統、軍事偵察、遙感系統等計算機視覺領域具有廣泛的套用。 對於正常光照下圖像去霧，現有方法大都依賴霧天圖像成像模型，通過估計透射率和大氣光復原圖像。項目提出一種無需依賴成像模型和數學反演的圖像增強算法(IMDM)，利用兩個映射函式分別增強圖像細節並保持色彩。為了學習映射函式參數，項目組利用噴霧裝置建立了無霧-有霧圖像對資料庫。與傳統增強方法和模型方法相比，IMDM算法在清晰度提升、色彩保真等方面優勢顯著。獲取準確的先驗信息是根據成像模型去霧的關鍵，目前的各種先驗模型不能全面、準確的表征霧相關特徵。針對該問題，項目研究了基於MSCNN和Dehazenet的圖像去霧方法，將深度神經網路與暗通道方法相結合，提出了基於深度學習和透射率融合的圖像去霧算法。 對於弱光圖像增強，針對弱光條件下拍攝的圖像具有低信噪比、低對比度、強噪聲等問題，提出了基於透射率歸一化的弱光圖像增強方法。該方法運算簡單，可有效增強圖像亮度，且能保留更多圖像細節。另外，根據弱光及其反轉圖像的特點，提出了基於色調映射和暗通道融合的弱光圖像增強方法。該方法不僅顯著改善圖像亮度、增強對比度、恢復出更多的圖像細節，還能有效去除塊效應和暈輪偽影，視覺效果理想。 對於夜晚圖像去霧，目前研究相對較少。項目深入分析夜晚霧霾圖像成像規律，建立了帶有色偏因子的霧天圖像成像模型，提出了基於統計特性和亮度估計的夜晚圖像去霧算法。該算法能夠有效去除夜晚霧氣影響，提高圖像的整體亮度、對比度，恢復更多的圖像細節。另外，針對夜間圖像光照不均，整體亮度較低且色偏嚴重，提出了基於低通濾波和多特徵聯合最佳化的夜間圖像去霧算法。所提算法能夠有效去除夜間霧氣，提高圖像對比度，恢復更多細節信息，且顏色自然。
