1.2.1 基于图像增强的雾天降质图像清晰化技术研究现状

1.2.2 基于模型复原的雾天降质图像清晰化研究现状

1.3本论文的章节安排

    本论文针对目前雾天图像图像的低对比度的特点，主要从图像增强方面进行了研究。从传统的图像增强算法，如直方图均衡化，局部直方图均衡化，插值自适应的直方图均衡化，经典的POSHE算法到较为流行的Retinex算法，如单尺度Retinex算法，多尺度Retinex算法都进行了分析和研究，并且给出了部分仿真的效果图，对各种算法都进行了分析和对比。

第一章  绪论。介绍了本课题的研究背景、内容和意义、国内外目前的研究现状，最后介绍了本文的章节安排；

第二章 传统的图像增强算法。这一章主要介绍传统的图像增强方法，其中主要介绍图像对比度增强方面的方法；

第三章 基于Retinex图像增强算法。这一章介绍了Retinex算法，包括算法的提出和后续改进的算法，并对当前的单尺度和多尺度的算法进行了仿真，取得了很好的效果；

第四章 总结。本章对前几章的内容做了总结和回顾。

2  传统的图像增强算法

2.1概述

目前，图像增强方法主要分为空域增强和频域增强两大类。

空域增强是指处理的对象是图像本身，即在原图像上对图像进行操作和运算。一般来说可以分为两种，一种是在图像上逐点操作，即操作的对象是点。另一种是在与像素有关的邻域中进行，称为局部运算，例如卷积运算。空间图像增强技术可以描述为g(x,y)=f(x,y)×h(x,y),其中f(x,y)为原图像，h(x,y)表示空域的一个运算函数，g(x,y)为处理后的图像。

空域处理主要包括以下几种方法：灰度变换、直方图变换、邻域平均、空域低通滤波、中值滤波、递归滤波、空域高通滤波。

频域滤波是指应用变换技术如傅里叶变换、小波变换将图像变换到频域，把变换后的图像乘以传递函数得到变换后频域里面的图像，最后通过反变换得到增强后的图像。频域增强技术可以描述为G(u,v)=H(u,v)*F(u,v)。然后再用傅里叶反变换得到增强后的图像。

   频域处理主要包括以下几种方法：低通滤波、高通滤波、同态滤波。

2.2 对比度拉伸源]自{优尔^*论\文}网·www.youerw.com/

对比度拉伸在图像处理中是一个较为简单却又非常重要的技术，这种方法是按照一定的规则逐点来修改图像的灰度值，从而来改变图像的灰度范围。可以利用它来提高图像的动态范围，同时也可以压缩图像的动态范围，或者在某一个灰度范围内动态范围压缩，在另外一个灰度范围内进行动态范围提高。设输入图像为r，处理后的图像s，则对比度增强可以表示为：

                                          (2-1)

T表示输入图像和输出图像对应像素点灰度映射关系。

对比度拉伸对于雾天天气提高对比度有很好的作用。由于雾天情况会导致图像的对比度降低，因此可以采用对比度拉伸的方法来提高图像的对比度。

2.3 线性变换

如果原来图像r(x,y)的灰度范围为[m,M],变换后的图像s(x,y)的灰度范围为[n,N]，则图像的线性变换函数[2]可以写为

            (2-2)

系数 性质不同，则处理后的效果不一样。若   1，则变换后的图像比变换前的图像动态范围大。若 1,则变换后的图像灰度动态范围被压缩。若 1，变换前后的动态范围差不变，只是整体的将图像灰度级增加或减少，在对比度方便没有提高图像的对比度。