论文摘要
在雾天影响下,图像采集设备所获取的图像往往出现对比度减弱、颜色退化等问题,以致图像可视性急剧下降,若直接应用到计算机视觉系统(如道路监控)中,必然对系统的鲁棒性、准确性造成不利影响。当前已有的去雾方法一般不考虑噪声的作用,而低成本相机采集的图像常常包含大量噪声,在去雾处理后噪声被不同程度地放大,极大抑制了去雾方法的视觉增强效果。本文系统研究了基于退化模型的图像去雾方法。针对低成本相机获取的雾化噪声图像增强问题,从提升噪声图像去雾效果和提高去雾算法效率两方面提出两种新的雾天图像增强算法。论文主要工作和取得的研究成果包括:(1)、提出一种基于多尺度图像融合的暗通道先验去雾改进算法。本文认为理想的透射率图像应当整体平滑、保留显著边缘以及不含纹理细节。算法将点估计透射率图采用基于0L梯度最小化的保边缘图像平滑算法进行处理;将块估计透射率在降采样条件下采用大尺寸高斯滤波去除高频假边缘信息后进行上采样;最后进行图像融合,得到最终透射率图像用于去雾增强。经对比实验显示,改进算法增强效果优于现有的去雾增强算法,既抑止了Halo效应出现,同时能对退化图像中有前景干扰的小面积景深突变区域的雾进行有效去除;算法速度上也有显著提升,相对于经典暗通道先验加速去雾算法的加速比可达7.52。(2)、提出了一种基于透射率的非局部均值去噪优化算法,旨在完成暗通道先验去雾后,进一步去除图像中的噪声。本文认为图像的相似模式应出现在深度相同或相近的区域,而透射率与场景深度存在指数关系。算法首先利用暗通道先验去雾过程中得到的透射率完成相似性像素预筛选,构造像素相似性权重修正因子;然后依据所提出的基于全局和局部梯度均值差的参数优化模型,为不同区域自适应确定合适的去噪参数。实验数据表明,优化算法在去噪的同时能够有效保留图像细节,改善了原始非局部均值算法的去噪性能,相比于现有的去雾去噪算法具有更好的效果。(3)、基于CUDA实现了提出算法的GPU并行加速算法,通过纹理绑定,将分块暗通道计算、透射率修正细化以及像素相似性权重计算等耗时操作,交予GPU进行任务级、像素级并行加速,进一步提高算法处理速率,使算法达到实时性的要求。相比于原始去雾去噪算法,加速比可以达到134以上。