（计算机科学与技术专业论文）基于粗糙集的雾天图像清晰化方法研究.pdf

独创性声明 幽illllllrljllflllllllrffllflrllllilflll l f r l l f l m u|mn t n u n u t y 18 8 0 5 3 7 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及 取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 武汉理工大学或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示了谢意。 2 0 l i g 学位论文使用授权书 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即 学校有权保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权武汉理工大学可以将本学位论文的 全部内容编入有关数据库进行检索，可以采用影印、缩印或其他复制 手段保存或汇编本学位论文。同时授权经武汉理工大学认可的国家有 关机构或论文数据库使用或收录本学位论文，并向社会公众提供信息 服务。 ( 保密的论文在解密后应遵守此规定) 研究生c 签名，：萎降稍、导师c 签名，：塔唆日期2 。生 摘要 粗糙集理论作为一种新型数学工具，已经被成功的应用到模式识别和图像 处理等各个领域中。其中，粗糙集理论对处理模糊和不确定性知识的分析和处 理能力显示出独特的优越性。论文提出了基于粗糙集理论的雾天降质图像清晰 化方法。这种方法主要是基于决策表生成智能决策规则进行图像子图划分，并 对子图进行图像增强来达到有效的图像清晰化效果。 论文在对雾天降质图像进行传统的清晰化方法分析的基础上，引入粗糙集 理论来对雾天降质图像进行分析处理。论文的主要研究工作从下述三个方面来 进行： ( 1 ) 针对雾天降质图像的模糊性和不确定性等特点，论文对目前传统的基 于物理模型的图像恢复方法进行了分析和讨论，选择基于图像增强的雾天图像 清晰化处理；另外，论文又对传统的图像增强方法从全局化和局部化两个角度 进行分析和比较，提出一种改进的基于均值分割的局部直方图均衡化方法。 ( 2 ) 研究了粗糙集理论的基本原理，并将粗糙集理论应用到雾天图像增强 处理中，取得了较好的结果。通过实验验证了基于粗糙集理论的不可分辨关系 进行子图分类处理方法在图像清晰化应用中的优越性和可行性。 ( 3 ) 针对当前基于粗糙集理论的图像增强算法存在图像特征信息模糊和子 图划分不准确的问题，论文提出了一种改进的基于粗糙集理论的雾天降质图像 清晰化处理方法来保证分割的准确性，并通过系统测试证明：在雾天条件下， 用论文中所提出的方法对雾天图像进行综合性图像特征分析，并建立决策系统， 然后利用粗糙集理论导出的决策规则对待处理雾天视频图像进行处理可以在保 证系统实时性，同时有效地清晰化图像。 论文中给出了详尽的改进算法流程步骤，并实现了一个户外雾天视频监控 系统。通过系统实验表明论文提出的方法是确实有效的，对雾天图像进行清晰 化处理可以获得令人满意的效果。最后，在对全文进行总结的基础上，论文也 提出了若干有待进一步深入探讨和研究的问题。 关键词：粗糙集理论，综合性图像特征，决策规则，雾天图像清晰化，准确性 a b s t r a c t a san e wm a t h e m a t i c a lt o o l ，r o u g hs e t st h e o r yh a sb e e ns u c c e s s f u l l ya p p l i e dt o t h ep a t t e r nr e c o g n i t i o n ，i m a g ep r o c e s s i n ga n do t h e rf i e l d s e s p e c i a l l y , r o u g hs e t s t h e o r ys h o w si t su n i q u es u p e r i o r i t yf o ra n a l y z i n ga n dh a n d l i n gv a g u ea n du n c e r t a i n k n o w l e d g e t h e r e f o r e ，t h et h e s i sp u t sf o r w a r da l li m p r o v e dc l e a r i n gm e t h o db a s e do n r o u g hs e t s ，c o m b i n e dw i t ht h ef o g d e g r a d e di m a g e sc o m p r e h e n s i v ei m a g ef e a t u r e s a n do p t i m a ld i v i s i o na l g o r i t h m t h em e t h o di sm a i n l yb a s e do nt h ed e c i s i o nt a b l et o g e n e r a t ei n t e l l i g e n t d e c i s i o nr u l e s ，d i v i d et h e i m a g e ，a n df i n a l l y e n h a n c et h e s u b - i m a g e st oa c h i e v ee f f e c t i v ef o g - d e g r a d e di m a g ec l e a r i n ge f f e c t a f t e ra n a l y z i n gt r a d i t i o n a ld e g r a d e di m a g ec l e a r i n gm e t h o d si nf o g g yw e a t h e r , t h et h e s i si n t r o d u c e sr o u g hs e t sa san e wm a t h e m a t i c a lt o o lt oa n a l y z ea n dp r o c e s s d e g r a d e di m a g e si nf o g g yw e a t h e r t h em a i nr e s e a r c hw o r ko ft h et h e s i si s a s f o l l o w s ： ( 1 ) a c c o r d i n gt ot h ev a g u e n e s sa n du n c e r t a i n t yo ft h ed e g r a d e di m a g e si nt h e f o g g yw e a t h e r , t h et h e s i sa n a l y z e sa n dd i s c u s s e st h ed i s a d v a n t a g e so ft r a d i t i o n a l i m a g ec l e a r i n gm e t h o d sb a s e do nt h em o d e lf o rt h ef o g d e g r a d e di m a g e s ，a n ds e l e c t s t h ei m a g ee n h a n c e m e n tm e t h o d i na d d i t i o n ，t h et h e s i sa n a l y z e st r a d i t i o n a lg l o b a l i m a g ee n h a n c e m e n tm e t h o d sa n dc o m p a r e st h e mw i t ht h el o c a lo n e s ，a n dp r o p o s e s t h el o c a lh i s t o g r a me q u a l i z a t i o na l g o r i t h mb a s e do nm e a ns e g m e n t a t i o n ( 2 ) t h et h e s i ss t u d i e st h eb a s i cp r i n c i p l eo fr o u g hs e t s ，a n da p p l i e si tt ot h ef o g g y i m a g ee n h a n c e m e n tm e t h o d s ，a c h i e v i n gt h eg o o dr e s u l t s t h e n ，t h et h e s i st e s t sa n d v e r i f i e st h es u p e r i o r i t ya n df e a s i b i l i t yo ft h ei m a g ec l e a r i n gm e t h o d sb a s e do ni m a g e c l a s s i f i c a t i o no fr o u g hs e t s i n d i s c e m i b i l i t yr e l a t i o ni ni m a g ec l e a r i n ga p p l i c a t i o n ( 3 ) i no r d e rt oo v e r c o m et h ep r o b l e m st h a tt h ea b o v ea l g o r i t h m sb a s e do nr o u g h s e t sh a v et h ef u z z i n e s so fi m a g ef e a t u r e si n f o r m a t i o n ，t h es u b j i e c t i v i t yo fc l a s s i f i c a t i o n t h r e s h o l ds e l e c t i o na n dt h ei n a c c u r a c yo fi m a g ec l a s s i f i c a t i o nf o rt h ed e g r a d e di m a g e s ， t h et h e s i sp u t sf o r w a r da ni m p r o v e dc l e a r i n gm e t h o db a s e do nr o u g hs e t st oe n s u r e t h ea c c u r a c yo ff o g - d e g r a d e di m a g ec l a s s i f i c a t i o n ，c o m b i n e dw i t ht h ec o m p r e h e n s i v e i m a g ef e a t u r e sa n do p t i m a ld i v i s i o na l g o r i t h m 2t h em e t h o df i r s t l yb u i l d sad e c i s i o n s y s t e ma n dd e r i v e sc l a s s i f i c a t i o nd e c i s i o nr u l e sf r o mt h ed e c i s i o ns y s t e mo nb a s i so f l i t h ed a t aa n a l y t i c a la b i l i t yo fr o u g hs e t s ，a n dt h e nd i v i d e st h ei m a g ea c c o r d i n gt ot h e m a t c h e dd e c i s i o nr u l e sa n de n h a n c e sr e s p e c t i v e l yt h es u b - i m a g e st og e tt h ec l e a r i m a g e f i n a l l y , t h et h e s i st e s t sa n dv e r i f i e st h a tt h em e t h o ds a t i s f i e st h er e q u i r e m e n t o ft h er e a l - t i m es y s t e ma n dm a k e st h ef o g - d e g r a d e di m a g e sg e tm u c hd e a r e r t h et h e s i sd e s c r i b e st h ed e t a i l e da l g o r i t h md e s i g nf l o w , a n dr e a l i z e st h ev i d e o m o n i t o r i n gs y s t e m o u rm a i nr e s e a r c hw o r ki st op r o v ee f f e c t i v e n e s so ft h et h e s i s s a l g o r i t h mt h r o u g ht h es y s t e m st e s t i n g f i n a l l y , a f t e rs u m m i n gu pt h ef u l lt h e s i s ，w e a l s op u tf o r w a r ds o m ef u r t h e rd i s c u s s i o na n dr e s e a r c hw o r k k e y w o r d s ：r o u g hs e t st h e o r y , c o m p r e h e n s i v ei m a g ef e a t u r e s ，d e c i s i o nr u l e s ， f o g d e g r a d e di m a g ec l e a r i n g , a c c u r a c y i l l 目录 摘要i a b s t r a c t i i 第1 章绪论l 1 1 课题研究背景1 1 2 国内外研究现状。2 1 3 图像清晰化概述4 1 4 论文主要研究内容及结构6 第2 章图像清晰化技术。8 2 1 基于模型的图像复原技术8 2 2 全局化的图像增强方法。1 1 2 2 1 直接灰度变换的图像增强1 1 2 2 2 全局直方图均衡化1 3 2 2 3 基于滤波的全局图像增强方法1 5 2 3 局部化的图像增强方法1 7 2 3 1 局部直接灰度对比度增强方法1 7 2 3 2 局部直方图均衡化1 8 2 4 改进的局部直方图均衡化算法1 9 2 5 实验结果及分析一2 1 2 6 本章小结：2 2 第3 章基于粗糙集理论的图像增强算法2 3 3 1 粗糙集基本理论2 3 3 1 1 知识表达系统和决策表2 3 3 1 2 不可分辨关系2 4 3 1 3 近似与粗糙集2 5 3 1 4 知识约简2 6 3 2 基于粗糙集理论的图像增强算法2 7 3 2 1 基于不可分辨关系的子图划分2 7 3 2 2 基于粗糙集理论的图像平滑2 8 3 2 3 利用粗糙集理论和属性直方图的图像增强方法2 9 3 3 实验结果及分析3 0 3 4 本章小结3 2 第4 章基于粗糙集理论的降质图像清晰化方法3 3 4 1 综合性图像特征分析3 3 4 1 1 颜色特征分析3 4 4 1 2 纹理特征分析3 5 4 2 基于粗糙集理论的降质图像清晰化方法3 8 4 2 1 决策信息系统的知识表达与获取4 0 4 2 2 条件属性离散化。4 0 4 2 3 属性约简及规则生成4 2 4 2 4 规则分类区域子图像清晰化。4 4 4 3 实验结果及分析4 4 4 4 本章小结4 6 第5 章户外雾天视频监控系统实现与测试4 7 5 1o p e n c v 介绍4 7 5 2 系统功能和架构4 7 5 3 系统模块设计与实现。4 8 5 4 系统测试5 2 5 5 本章小结5 4 第6 章总结与展望5 5 6 1 总结5 5 6 2 展望5 6 致谢5 7 参考文献5 8 附录6 0 武汉理工大学硕士学位论文 1 1 课题研究背景 第1 章绪论 雾是一种常见的自然现象，即便是在天气晴朗的情况下地球表面水分的蒸 发也会产生薄薄的雾。由于雾又是一种具有灾害性的天气，它使得大气能见度 下降，在一定程度上会给户外的工程施工、工业生产等造成困难，甚至给人类 的生活带来令人难以想象的安全隐患。雾也使得光学物理器件拍摄的图像质量 削减，给图像中的信息的充分提取带来困难。雾天环境下获取的图像不清晰的 根本原因是由于大气粒子的散射造成景物的反射通量部分被大气粒子反射或吸 收，从而使得进入观测者的入射光在一定程度上削减了。在图像中主要表现为 像素点的灰度值分布比较集中，图像的对比度削弱了，即较高的灰度值被减弱 而较低的灰度值被增强了。因此，深入研究和探讨雾天降质图像的清晰化处理 的有效途径，凭借现有的高性能软硬件的有利条件，有效扩展人类视野的可观 测范围，在一定程度上减少不利气候环境对工程施工、工业生产等领域的影响 具有非常重要的理论研究意义和实际应用价值。 目前，一些带有共性的问题普遍存在于雾天图像的清晰化处理方法中，比 如雾天图像处理的效果和实时性的冲突等诸多问题有待改善与解决。为了更好 的服务经济与社会发展，提出新的思想来有效解决这一课题已迫在眉睫。而粗 糙集理论由于其创新的思路，独特的方法，已成为智能信息处理方面的一种重 要的技术，该理论能够定量地分析处理不一致、不精确和不完整的信息。由于 雾天图像包含的信息之间自身的复杂性及其很强的相关性，采用一般图像清晰 化处理方法图像各层次很可能会导致不精确和不完整地问题。在某些场合，将 粗糙集理论应用到雾天图像处理方面会得到令人满意的效果，与一般的硬计算 方式相比表现出其优越。例如刘昶等人利用粗糙集理论处理不完整和不确定性 知识的能力，提出了基于粗糙集理论的图像平滑算法，通过判断像素属性，利 用不可分辨关系将图像像素区域进行分类，即噪声像素和原像素，并对噪声像 素进行中值滤波而保持其他像素灰度值不变，该方法较好地去除了图像噪声同 时又保留了图像的细节信息。 因此，针对雾天图像信息包含了大量的模糊信息特性，论文吸取刘昶等人 的思想，引入了粗糙集理论的思想方法进行雾天图像清晰化处理，提出了一种 武汉理工大学硕士学位论文 基于粗糙集理论的雾天降质图像的清晰化技术。该技术考虑雾天图像信息的模 糊性、不精确性和不确定性，以及不同图像分类效果的差别与图像本身信息之 间的相关性，利用不同的图像信息特征以及图像阈值分割比较的结果建立符合 要求的信息决策系统，然后再利用粗糙集理论的思想对决策系统进行处理，导 出分类决策规则，进而通过该规则匹配分割图像得到准确的分割子图，最后对 不同子图进行图像增强处理并合并，最终建立基于粗糙集理论的雾天降质图像 的系统化清晰化处理方法，并开发出了符合实际应用的软件，有力地促进图像 处理研究领域的发展。 1 2 国内外研究现状 自2 0 世纪6 0 年代以来，随着计算机技术的快速发展以及计算机的广泛应 用，数字图像清晰化处理的研究进入了高速发展阶段。目前国内外对雾天图像 清晰化处理所采用的方法无论基于模型的图像复原还是非建模的图像增强方 法，在计算速度和处理效果上都有了很大的提高。例如基于模型的图像复原方 法如光照、大气等一系列模型为了克服场景深度获取的困难，出现了基于两幅 图像的模型参数估计法和差图像放大法【1 1 ，后来发展到基于- - n 图像的交互式输 入方法来实现图像的复剧2 】p 】1 4 】；非建模的图像增强方法如全局直方图均衡化方 法【5 1 1 6 】，以及以该方法为基础提出来的各种局部直方图均衡化【7 】【8 】【9 】【1 0 】1 1 l 】优化方 法。这些方法不仅在算法实现上更加容易了，而且清晰化效果也得到了很大的 改善。然而这些传统的方法对雾天图像进行处理都很难获得良好的处理效果和 处理速度的统一，不能有效地解决雾天给人类的生活和工作带来的困难。因此， 开展针对雾天图像自身特性的有效的清晰化技术的研究，延伸和扩大人类视力 观测的可达区域范围，在一定程度上减少大气状况对施工、生产的影响，具有 非常重要的意义和应用价值。 粗糙集理论【1 2 】作为一种新型数学工具，已经被成功的应用到模式识别和图 像处理等各个领域中。而且，粗糙集理论对于分析和处理模糊性及不确定性知 识显示出独特的优越性。应用粗糙集理论时可以把雾天图像看做包含了很多不 确定知识的信息库，人们所要做的主要工作就是根据某种方法产生的分类规则 对这些相关联的信息分类，以便找到他们所感兴趣的知识从而获得令人满意的 图像清晰化处理的效果，这是一种全新的、与传统完全不同的图像处理技术。 目前国外的专家学者有关粗糙集理论的研究主要涉及约简的优化算法及其 2 武汉理工大学硕士学位论文 与模糊集、人工智能等技术的结合，和与粗糙逻辑等有关交叉学科课题上。从 上世纪9 0 年代初开始，有些国外学者就已经研究粗糙集在图像处理领域的应用 问题。w o j c i k ，z m i ”1 最早将粗糙集理论应用于图像边缘增强滤波，并基于其不 可分辨关系进行图像信息分类，并利用粗近似精度及方向模板来检验和测试边 缘的方向及连续性，然后根据粗近似精度分类并处理；p e t h a l a l 【s h m i l l 4 j 等将粗糙 集理论应用到了医学领域图像，提出了基于粗糙集理论的乳腺x 线特征提取的 实际应用；s s h e k 1 5 】把图像视为一个信息系统，依据粗糙集理论的不可分辨关系 把图像分割为不同的区域；j i a n g j i a f u 【1 6 1 将神经网络与粗糙集理论相结合运用到 了图像分割的研究中。 与国外相比较，国内开始对粗糙集理论的研究起步比较晚，清华大学、中 国科学院等高校院所在该领域中做了一些研究并且取得了一定的成果。目前粗 糙集理论在图像处理等相关领域的研究工作已经展开了，张海玲【1 7 j 等提出了基 于粗糙集理论的目标地物的分类分区增强处理，该方法研究地学实地调查中获 取的彩色图像，利用粗糙集理论对彩色图像信息进行处理从而实现了对目标地 物的分类分区的增强及区域边界划分，该方法在一定程度上实现了对图像进行 分区处理和边界划分，处理结果比较令人满意；l i u 1 8 】等人提出了基于粗糙集理 论的图像分割算法，运用粗糙集的相似性关系解决图像分割中的聚类问题；叶 灵伟【1 9 l 等人根据属性对图像进行粗糙分类并增强处理，从而获得增强了的输出 图像，这种基于粗糙集理论的图像增强方法在边缘细节清晰度和灰度层次方面 与传统的增强方法相比较表现出了明显的优势；吕振肃四l 等人根据图像像素点 的粗糙集近似相似度来对像素所属的掩膜进行选取，最后利用所选择的掩膜对 图像平滑处理，这种基于粗糙集理论的图像平滑方法不仅保持了图像的细节信 息，而且有效地增加了图像的对比度和除去了噪声；李众立1 2 1 j 提出了基于粗糙 集理论的彩色图像的滤波算法，这种算法在消除彩色图像的椒盐噪声方面效果 很好，并且很好地保留了图像的边缘等细节信息；徐立中【2 2 】提出了一种基于粗 糙集图像增强方法，依据属性把图像分割成不同的子图，并对这些子图进行对 比度增强；陈铁民【2 3 l 等人提出了基于粗糙集理论的阴影边缘方法，该方法依据 最大邻域差、梯度以及噪声等这些特征作为信息系统的条件属性，利用粗糙集 理论将一个图像分割成不同子图像并各自做必要的处理以获得阴影边缘点的信 息，最后对边缘点再做细化、跟踪处理并去除伪边缘点，从而获得需要的阴影 边缘图像。 纵观雾天图像清晰化处理和粗糙集理论的国内外研究现状，能够发现虽然 3 武汉理工大学硕士学位论文 国内外粗糙集理论已提出并在各个领域已有涉入，但是其在图像处理领域还没 有进行广泛而深入的研究与应用，因此人们需要做的工作还很多。 1 3 图像清晰化概述 在我们日常生活中常见的是模拟图像，它是不能够直接利用计算机来处理 的。计算机只适合于处理数字信号，为了使计算机能处理模拟图像，把模拟图 像转换成数字图像后再交给计算机去处理就能带来很大的便利。换句话说，对 于模拟图像，为了方便计算机处理，一种科学可行的办法就是将各种模拟图像 进行适当的数字化处理，也就是将模拟图像转换成计算机擅长处理的矩阵形式， 在一个坐标内用一对数字坐标来表示数字图像每个像素的灰度值和亮度，即所 谓的数字图像。说的具体点，我们可以对一幅模拟图像进行适当的分割，对一 幅简单的画进行分割后可以用图1 - 1 粗略地表示，其中一个个的小区域表示像元 或者像素，并且各小区域的灰度值用整数进行表示就构成了一幅标准的数字图 像模型。从以上讨论中可以得知，将模拟图像进行数字化处理大致需要两个过 程：一个过程是抽样；另一个过程就是量化瞄j 。 像素( 抽样点) 数字化 = = = 图像( 模拟图像)数字图像正方形点阵 图1 - 1 模拟图像数字化 所谓抽样，就是把空间上和时间上连续的图像经过某种处理，转换为离散 抽样点的集合，这些点被称为转换后形成的数字图像的像素。由于大多数图像 都是二维分布的信息，如果要对这样的二维图像进行抽样，就必须将图像的二 维信号转换成一维信号之后再进行抽样操作。其操作过程就是首先依据经过预 先规定的间隔沿着垂直方向从上至下的顺序的逐行进行扫描，从而得到各个水 平线上的灰度值一维扫描线，接着再对得到的线信号按照某种间隔进行抽样， 4 - - 一 。i。謇 - - - - - 武汉理工大学硕士学位论文 这样就得到了离散的抽样剧2 5 1 。经过抽样后就可以得到一系列的行像素和列像 素，如果每行像素的个数为m 个，每列像素的个数为疗个，那么可以称这幅图像 大小为m 刀个像素。 选取合适的抽样间隔在进行抽样操作的过程中是相当重要的，这是因为抽 样间隔的选取涉及一个很重要的问题，那就是一幅图像经过一定间隔的抽样后 得到的图像与原图像两者之间相似度的问题。通常的做法是，如果一幅图像中 具有较多的微小细节，就应该选取较小的抽样间隔。根据一维的抽样原理，在 一维信号g ( ，) 的最大频率为的情况下，若选择t = 1 ( 2 ) 为间隔作抽样，当抽 样操作完成后就可以依据抽样的结果g ( ，) ，= 一l o ，1 ，则能完全恢复先前的 g ( f ) ，也就是 g ( f ) ；g ( i ) s ( t i 丁) ， s ( f ) ；s i _ n i ( 2 a r _ t o t ) 一z刀毪玎 在完成抽样过程以后，就需要进行量化过程。这是由于，虽然在空间上和 在时间上经过抽样后的模拟图像都全部被转换为离散化的像素，然而，这些经 过抽样后的像素仍是连续性的，则还必须进一步处理这些像素，从而实现将这 些连续的像素离散化成整数数值，常称这个过程为量化过程。对于一幅数字图 像，可以用g 表示图像的不同灰度值的数目，也称为灰度级数，如果量化的灰 度级数g = 2 5 6 = 2 8 ，通常灰度值的范围为0 ，2 5 5 的整数值。人们一般可以用8 b i t ( 即一个字节) 就可以表示每个像素经过量化后的值，因此可以将由黑到白的所有 灰度值量化到0 2 5 5 ，也就是2 5 6 个灰度级。 对数字图像利用计算机进行处理，其清晰化处理主要涉及到两种图像处理 技术。一种是基于模型的复原的方法幽，其对大气的散射规律进行初步分析的 时候需要从物理因素的角度入手，然后构建图像的退化模型，并且借助必要的 先验知识对场景实现复原。在某些情况下，当大气条件的精确信息和场景的深 度已知时，较好地去除天气条件对一幅图像造成的影响已经被一些专家和学者 证明是行得通的；在计算机视觉研究领域中，已经研究出的算法可以在不考虑 已知场景深度和大气信息的条件下，通过在气候恶劣的条件下捕获的两张及两 张以上的图像能够自动地计算并复原出场景的色度以及对比度。 另外一种就是是非建模的图像增强方法【2 4 1 ，这种方法的主要思想是通过对 降质图像的对比度进行增强以求获得令人满意的视觉效果从而达到图像清晰化 的目的。作为基本数字图像处理技术，图像增强技术是在忽略图像质量降低的 具体原因的情况下，仅仅将图像中人们所感兴趣的特征进行选择性地突出，同 5 武汉理工大学硕士学位论文 时减弱不重要的特征，进而就可以使处理的图像更加满足人类的视觉特性或者 计算机识别系统的需求。 对于户外的视觉系统在有雾等恶劣气候条件下拍摄的自然场景图像的缺点 是颜色饱和度和对比度不令人满意，这种情况伴随着场景深度的增加而更加严 重。出现这种现象的主要原因在于，在天气有雾的时候空中悬浮粒子半径比较 大，这种具有较大半径的粒子对传播光线的散射作用是不能忽略的。由于大气 粒子的散射作用，图像中本来较低的灰度值被加强了，而本来较高的灰度值却 被减弱了，这样就造成雾天图像灰度级的分布集中了，从而导致了对比度降低； 另外就是，图像在从三维空间转换为二维平面的映射过程中，由于丢失了图像 的深度等大量信息而造成雾天采集的图像边缘轮廓具有模糊性。利用现有的图 像清晰化方法已不能很好的解决应用局限性等问题，很难使得增强的图像感兴 趣的特征、提高的降质图像的对比度和可识别度方面的视觉效果令人满意。 因此，我们迫切的需要深入研究，针对不同特性的图像，充分且完整的考 虑有关雾天降质图像信息的相关性与复杂性，确定一个切实可行的科学的标准 的方法进行图像增强处理，从而使雾天图像的清晰化研究取得实质性的进展， 为图像处理研究的良好发展做出坚实的铺垫，为与我国经济社会密切相关领域 的发展提供有力技术支撑。 1 4 论文主要研究内容及结构 本课题是校研究生创新项目“基于粗糙集理论的雾天图像清晰化算法的研 究”中的一部分。 论文研究在雾天环境下，基于粗糙集理论的清晰化过程。在对粗糙集理论 进行深入研究的基础上，结合雾天图像的信息特点，建立图像信息知识表达系 统；依据图像信息相关性分析分割图像，并对实验分割效果进行比较，基于图 像知识表达系统基础上建立信息决策表；然后利用粗糙集理论对该决策系统进 行处理导出分类决策规则；最后根据决策规则通过图像信息特征匹配得到分割 方法，分割图像得到准确的分割子图，对不同子图进行增强处理。根据上述规 则模型，最终建立一个基于粗糙集理论的雾天降质图像清晰化系统，以更加清 晰地视觉效果来服务于人类的生产和生活，希望能为户外的工程施工、生产的 进行带来保证，从而为高效率生产和生活做出一些贡献。 论文的组织结构如下： 6 武汉理工大学硕士学位论文 第1 章阐述了论文研究背景，分析了目前图像清晰化方法研究存在的不足， 说明了基于粗糙集理论进行雾天图像清晰化研究的现实意义，并介绍了相关研 究现状。 第2 章首先介绍了图像在雾天天气下质量降低的原因，并基于退化模型对 图像恢复作了简单地分析和讨论，选择了对于雾天图像可从图像增强的角度进 行图像清晰化处理。然后对图像增强方法从全局化和局部化两个角度分析并讨 论了传统的图像增强技术，并提出了一种改进的基于均值分割的局部化直方图 均衡化方法。 第3 章首先介绍了粗糙集理论的基本概念和一些性质。其次，将粗糙集应 用于图像处理方面的传统算法的基本思想进行了分析及其实现，并对实验结果 进行分析发现这些传统算法应用的局限性和不稳定性。 第4 章针对基于粗糙集的传统图像增强算法存在的局限性和不稳定性，结 合粗糙集分析处理模糊性和不确定性知识的能力，对图像进行综合性特征分析 进而提出了改进办法，即论文中基于粗糙集理论的雾天降质图像清晰化方法。 第5 章实现了户外雾天视频监控系统，并介绍了该系统的架构及其包含的 各模块视频监控模块、视频回放模块、监控管理模块、自动监控模块和视频 增强选择模块的功能等。最后利用开发的户外雾天视频监控软件对论文中提到 的各种视频增强方法进行了测试，验证了论文提出算法的有效性。 第6 章总结了论文的主要工作，并展望下一步所需要做的工作。 7 武汉理工大学硕士学位论文 第2 章图像清晰化技术 2 1 基于模型的图像复原技术 图像复原的过程在很大程度上可以视作为一个反闯题求解的过程，针对导致 降质图像的退化原因，利用降质过程中的相关先验知识对图像退化的过程进行 估计，从而建立退化的物理模型，然后再使用相反方法来补偿在退化过程导致 的失真，以获取原始图像的最优估值或者是没有退化的原始图像，以此来改善 图像的视觉效果【掣。在图像退化原因已确定的情况下，可以认为图像退化的逆 过程是可以有效实现的。然而在大多数情况下，图像退化的确切情况人们并不 知道；此外，在退化过程的同时也伴随着噪声干扰等情况，这些不能充分估计 的情况给人们进行图像复原造成了很大的困难和不可预见性。 我们可以将降质过程视为对原图像f ( x ，) ，) 进行线性运算，把图像的退化过程 设想为一个系统日或者称作算子，那么，原图像厂o ，y ) 就可以通过这个系统日来 得到退化图像g ( x ，y ) ，此过程可表示为g o ，j ，) g i gh 木f ，j ，) 。 另外，在将加性噪声刀o ，y ) 影响的考虑进去情况下，退化过程见公式( 2 1 ) 。 g o ，力一h f 似力+ 刀 ，力( 2 - 1 ) f ( x ，y ) n ( x ，y ) r 。呖。杉八 7 良琶l7 弋0 图2 一l 图像退化模型 其中，常常约定退化系统日为一个线性位移不变系统。 常用的几种图像复原相关方法如滤波处理方法，最大熵方法，神经网络的 方法p 丌。这些方法是通过上图2 - 1 退化模型进行图像恢复，该类模型没有考虑雾 天对图像降质的特殊物理机理，即忽略了雾天对图像成像过程干扰的整体性， 无法准确地反映雾天图像退化的本质，因此造成模型难以求解；同时，采用该 模型来复原场景时，天气条件的复杂性和随机性造成图像退化过程非常复杂， 从而雾天降质图像退化过程难以用一个统一的退化函数表达，因此对雾天降质 图像用一般的退化估计都会存在很大的误差。所以，下面论文将结合雾天大气 8 武汉理工大学硕士学位论文 粒子的散射作用来深入分析和认识导致雾天采集图像发生退化的原因，以选定 有效的方法进行雾天降质图像清晰化处理。 在雾天的情况下，大气粒子的散射作用主要表现在两个方面。其一，由于 大气粒子的散射作用，导致天空的自然光散射进入观察者的视线范围内而附加 到了有关目标图像上；其二就是大气粒子的散射作用造成到达观察位置的目标 光的能量产生衰减，从而使得目标光的强度也降低了。由于这两种作用的共同 干扰，就造成了目标图像的分辨率和对比度都大大降低。依据m i e 大气散射理 论，可以用以下两个模型对这种作用进行表示：就是大气光成像模型以及入射 光衰减模型，这两种模型是了解有关雾天图像呈现低对比度、不清晰等特性 的基础，还是进一步认识雾天图像降质机理以及还原降质图像的主要依据。 其中，衰减模型很好地描述了有关从景物点反射的光由于大气粒子的散射 作用而导致衰减的过程。另外，随着距离观察者的景深的逐渐增加，大气散射 所导致的场景点辐射衰减的程度会表现出指数性衰减规律，见图2 2 。通过数学 知识可得b o u g u e r s 指数衰减法则，见公式( 2 2 ) 。 e ( d ，a ) 一e a 弘 ( 2 - 2 ) 一似( ) 矗 其中，e “，a ) 为x 处光束通过厚度为d 的薄片的辐射度，z o ( x ) 表示入射光 束在x = 0 处的辐射度。q ) 表示跟波长相关的辐射系数。 图2 2 入射光束受到散射的衰减模型 通常假定大气条件为空间一致的，在观察的场景范围是在短距离的范围内 的情况下，上式( 2 2 ) 就可被简化成公式( 2 3 ) 。 e ( d ，a ) ae “a ) 口一卢o y ( 2 3 ) 而当在雨、雾、雪等某些动态天气情况下，因为它们带来大量的多散射现 9 武汉理工大学硕士学位论文 象，这时候b o u g u e r s 指数衰减法就将会失去作用。 导致雾天图像降质的另外一个主要原因就是大气光成像。大气光成像模型 很好地描述了在大气中各种光由于大气粒子发生散射对在观测点观察到的光强 所造成的影响。大气光主要包括天空漫射的光线、直射的太阳光以及地面反射 的光线等，见图2 - 3 。 图2 - 3 环境光参与成像 标物体 大气光成像模型可表示成公式( 2 4 ) 。 e ( d ，a ) - e * ( a ) ( 1 一e - j ( ) , t ) ( 2 - 4 ) 其中，b ) 一g l * ( a ) ，三* ( a ) 表示距离观测者无穷远处的大气光辐射率，g 为 相机参数。 以上部分是对大气光成像模型以及入射光衰减模型的具体描述，但是很多 时候这样的两种现象是并存的。所以，在雾天的情况下，从视觉传感器上捕获 得到的总辐射度是进入成像系统的环境光辐射度和入射光发生衰减之后到传感 器的辐射度这两者之和，见公式( 2 5 ) 。 e ( d ，a ) 一眈( d ，a ) + 易( d ，a ) ( 2 - 5 ) 且勘( d ，a ) ；e o ( ；l ) e - p o ) d ，e o ( d ，a ) 一e * ( a x l 一e 一卢( f ) 。 上式( 2 5 ) 表示了雾天环境下图像退化的成像的逆过程，即雾天环境下图 像的退化模型。通过对模型进行分析可以得出如下结论，假如可以从观测的亮 度中除去有关环境光成像的那部分，并且对衰减进行补偿的话，那么就可以获 得较好的图像复原效果。 从前面对基于模型的图像恢复方法进行详细的介绍和分析中，可以充分地 1 0 武汉理工大学硕士学位论文 认识到雾天图像降质机理以及还原降质图像原理。但是，如何获取模型参数的 问题和计算的复杂度限制了这种设计思路实现的算法在实际中的广泛应用。特 别在雾天的情况下，由于信息模糊而导致所获取图像的信息更加不确定的问题 使其表现得尤为突出，鉴于此，论文就可以采用一种新的思路来简单而有效地 解决图像清晰化处理的有关问题，这也就是说可以摆脱首先要对大气模型的建 立的束缚，直接对图像的细节信息进行增强，从而实现对图像进行清晰化处理 的目标。 2 2 全局化的图像增强方法 图像增强的一个首要目标即为突出图像中的“有用”信息，即将某些信息的辨 别能力进行增强，而其余的那些“无用”信息就被消除或者减弱，从而有效地拉大 图像中不同特性信息之间的差异，进而较好地改善图像的视觉效果。由于在雾 天的条件下捕获到的图像的对比度在大多数情况都严重下降，为能够有效地提 高图像的清晰度，论文需要选取适合的图像增强方法。有关图像增强的方法通 常可以划分为两类：即全局化的图像增强方法和局部化的图像增强方法。 全局化的图像增强方法的基本思想是基于整幅图像的统计信息对图像的灰 度值进行调整变换，被调整点与其邻域是没有关联的，实现起来通常比较简单。 但是雾天条件下图像的退化程度和场景深度是相关的，并且幅图像包含深度 信息通常比较复杂，在这种情况下全局化的图像处理方法常常收不到预期的效 果。但是在图像场景相对简单的情况下，全局化