第 1 章 绪论
1.1 课题的研究背景和意义
视觉信息是人类获取外界信息方式的主要途径，图像是对客观对象的一种表示，它包含了被描述对象的有关信息例如物体的颜色、纹理、轮廓等信息。随着计算机技术的快速发展，数字图像处理也随之的不断的更新进步，像可视电话、智能交通系统等越来越多的技术融入到现实世界中，而图像质量的好坏是决定这些技术发挥实际作用的关键。而一个不透明物体的图像的形成过程是通过入射光投射在其表面后无规则地向四面八方反射，再经过介质的散射到达成像设备。不透明物体的图像质量退化主要是因为介质与成像设备的干扰，导致不透明物体表面的边缘、纹理及颜色等特征会出现削弱或者消失的情况，造成了物体图像的辨识不清，影响了后续的计算机视觉领域中的图像跟踪、景物分析、场景重建等算法的性能[1]。
...............
1.2 研究现状
退化图像增强方法的核心思想是对物体辨识度低的图像进行清晰化处理，增强最重要、最有用、与当前任务最相关的感兴趣区域的信息，考虑到获取图像的具体应用背景，有针对性地加强全局或部分原始退化图像的特征信息，增加感兴趣部分与其他部分的差别，减少非感兴趣部分的信息，但是在算法执行的过程中有可能会造成感兴趣区域过于“突出”，与其邻域区域的颜色差较大、对比度过分明显，产生不必要的边缘信息，或者其他区域的图像颜色过饱和、纹理信息丢失。根据雾天及水下降质图像具有物体辨识度偏低、图像偏暗等特点，众多的文献主要是针对提高清晰度、亮度以及色彩均衡等多个角度进行研究的。
...............
第 2 章 相关工作介绍
2.1 光在介质中的退化过程
光在通过雾、霾或者水体等密度非均匀的介质时，由于大量悬浮颗粒的存在造成多次反射和散射现象，现实生活中很难存在理想状态下的均匀介质，由于传输过程中介质的干扰，成像设备的不完善等问题，造成成图像中物体表面的轮廓、纹理等信息会出现削弱或者丢失的情况。光通过密度非均匀的介质后进入成像设备，会造成图像不清晰，颜色偏移，对比度下降，严重干扰了后续的计算机视觉领域中的图像跟踪、景物分析、场景重建等算法的性能。雾天图像和水下图像的降质很大程度上是因为悬浮颗粒等介质的选择性吸收和散射作用引起的(如图 2-1 所示)，导致物体表面的原有颜色被遮盖，物体局部区域辨认不清所。
...............
2.2 图像融合
图像融合是将成像设备获取的两幅或者两幅以上的退化图像，采用某种融合技术生成为一幅更加准确，细节更加清晰的新图像。图像融合要求获取图像的场景必须是相同的，但是时间或者成像设备可以是不同的。图像融合一般可以分为决策级融合，像素级融合和特征级融合[47]。图像融合针对图像信息的数据重复性多和互补性强的特点，大大地提高了图像的准确性和纹理细节辨识度，从而获得一个最佳图像处理效果。由于成像设备数目的增加，因而给系统的执行增加了难度，但是系统得到更多的信息量，增加了系统的可靠性，带来了很多好处。
...............
第 3 章 基于导向滤波和图像融合的图像去雾优化算法...............20
3.1 光学成像模型...............20
3.2 大气光值的估计............... 21
第 4 章 基于暗通道先验和图像融合的水下图像复原方法................29
4.1 水下图像光学成像模型................29
4.2 基于改进的暗通道先验的水下图像复原...............31
第 5 章 实验结果及分析...............38
5.1 图像质量评价方法................38
5.2 基于导向滤波和图像融合的图像去雾优化算法结果与分析...............40
第 5 章 实验结果及分析
5.1 图像质量评价方法
在计算机技术蓬勃发展的同时，数字图像处理也随之不断的发展和壮大，像移动可视电话、智能交通管理系统等越来越多的技术应用到现实生活当中，而这些技术对于图像的清晰度有很高的要求。图像质量的好坏直接影响了人们的视觉感受和对信息的获取，因此图像质量评价的研究受到了广泛的重视。为了验证本文算法的有效性，采用一种综合性能的分析评价方法，即定性的主观评价方法和定量的客观评价方法相结合的方法。主观评价是凭借人类的视觉感受或者依据一系列规定的评价尺度来对被测试图像清晰度、对比度、亮度等方面进行评价；客观评价是使用计算机来模拟人类视觉系统的感知机制来评价图像质量，一般采用对比度、峰值信噪比、信息熵等方面进行定量评价。
...............
5.2 基于导向滤波和图像融合的图像去雾优化算法结果与分析
本节从主观评价的角度采用He等[28]、Xu等[30]、Gibson等[32]方法与本文方法进行定性对比分析如图5-1所示。从图5-1可以看出，这几种方法和本文方法都获得了较好的清晰化去雾效果，且本文方法在增强雾天降质图像的亮度和色度方面有显著的效果。He等[28]去雾效果明显，但是存在复原后图像对比度偏低颜色偏暗的问题。Xu等[30]方法的处理后的图像亮度和对比度明显提高，但是在汽车和树木周围有明显的Halo效应。Gibson等[32]复原图像的颜色偏暗，图像质量相对较差。本文算法防止了光晕效应及黑斑效应的发生，增强了雾天图像的色度和对比度。
...............
结论
图像成像过程中，由于介质的干扰，成像设备的不完善等问题，造成成图像质量退化，物体表面的纹理、颜色等信息会出现削弱的现象，直接导致了物体表面局部区域的纹理细节信息的丢失，影响了后续的数字图像处理中的图像分割、特征提取等算法的性能，因此非均匀介质传播中的图像清晰化处理技术是至关重要的。在排除设备的干扰情况下，考虑到介质的不同会对图像质量的退化产生不同程度的影响。例如雾霾中存在的各种细小微粒以及水体介质对光线的吸收和折射等作用，导致大气混浊和人眼可视范围降低，并且水下环境照明不均匀、能见度低，所以相机等成像设备所获取的雾天和水下降质图像通常偏灰暗，对比度较低。这些问题极大地限制和影响了雾天图像清晰化处理对户外作业系统的作用以及水下图像处理在海洋军事、海洋能源勘探、海洋环境监测与保护等领域的应用。因此，针对非均匀介质传播中的雾天和水下图像清晰化处理技术具有有十分重要的作用。
参考文献（略）
