雾霾天气图像增强算法Retinex的研究与实现(2)
雾霾天气在诸多天气状况中是对监控系统成像像质影响最大的。雾霾条件下，由于空气中存在着各种大气粒子的散射作用，使雾霾天气下拍摄的图像质量严重退化。图像的对比度严重下降，动态范围减小，清晰度降低，彩色图像的色彩失真，图像整体颜色趋向于灰白色。从而使图像的细节不明显，有效特征信息被模糊或者覆盖。比如在车辆监控中，雾霾影响监控图像的质量，使得车牌信息不能有效的进行识别，从而无法对违法违章车辆进行目标识别与追踪，带来了各种安全隐患。再如，在军事侦察系统中，由于雾霾天气拍摄的图片质量严重退化，所以对图像信息的识别和处理很可能带来偏差。我们都知道军事上各种技术的要求都非常严格，所以这种偏差完全有可能带来无法估计的后果。所以对在雾霾天气状况下获取的图像进行去雾霾增强处理就有着现实的重要需求。
对雾霾天气图像的增强研究是涉及大气学，物理学、计算机视觉和数字图像处理等多个学科领域的综合研究。在近些年，由于大气污染严重，图像的去雾霾增强与复原在国际范围内都是一个比较热门的研究课题。由于当今时代科技的发展速度非常迅速，计算机的更新也十分频繁，处理速度也得到很大的提升。以前很多图像增强算法由于计算机处理速度问题，限制着其发展，不能得到有效的改进。如今计算机的处理速度加快，这对各种图像去雾霾算法的发展也是一个积极的促进因素。本文就从数字图像处理的角度对雾霾天气图像的增强算法进行了相关研究与改进。
1.2 国内外研究现状
1.3 论文结构
本论文通过对比已有的图像去雾霾增强算法，首先研究了一些常规图像增强方法的特点与增强效果。然后，深入研究了对图像去雾霾增强效果较好的Retinex算法，在了解其原理与发展过程的基础上，针对Retinex算法的一些不足之处进行改进，实现了一种尺度参数可以根据图像特征变化的Retinex算法。改进的Retinex算法达到了更好的去雾霾增强效果。
第一章主要介绍了本课题的研究背景与意义，同时简单阐明了图像去雾霾增强与复原的主要研究方向与方法，说明了国内外的研究现状。
第二章主要介绍了图像增强技术的基础，同时研究了一些常规的图像增强方法。从空间域和频率域两个方面对常规的图像增强处理方法进行了研究。空间域图像增强是直接对图像进行增强处理，频率域图像增强是先将图像进行傅里叶变换转换到频率域，然后再进行滤波处理，最后再进行傅里叶逆变换转换回到空间域。
第三章主要介绍了Retinex算法的提出与发展历程，并通过一些图像处理实例研究，了解到各种Retinex算法的特点。
第四章主要研究对Retinex算法的改进，通过图像的灰度均值与标准差设定高斯尺度参数函数调整高斯函数的尺度参数，对图像划分小块进行处理，从而达到一个比较好的效果。