【《基于暗通道先验去雾算法与Retinex去雾算法的对比分析》2600字】

基于暗通道先验去雾算法与Retinex去雾算法的对比分析目录TOC\o"1-3"\h\u9676基于暗通道先验去雾算法与Retinex去雾算法的对比分析 1285151.1暗通道先验去雾算法与Retinex去雾算法的理论对比 173011.1.1暗通道先验去雾算法与Retinex去雾算法的优点分析 1106501.1.2暗通道先验去雾算法与Retinex去雾算法的缺点分析 1282491.2暗通道先验去雾算法与Retinex去雾算法的实验对比 281481.2.1实验内容 22981.2.3实验过程及结果 3238121.3小结 91.1暗通道先验去雾算法与Retinex去雾算法的理论对比基于前面介绍的两种目前来看的经典是去雾算法，而这里是针对这两种算法在理论上的优点和缺点。1.1.1暗通道先验去雾算法与Retinex去雾算法的优点分析暗通道先验去雾算法：这个方法是目前去雾算法中比较常用并且很经典的一个算法，它的主要优点是：对于在室外获取的一般影像都有较好的去雾效果，并且不需要额外的参数，尖酸简单，处理方便快速，明显的提高了影像的对比度和清晰度，具有较好的视觉效果。Retinex去雾算法：这个方法的主要优点是：具有压缩无人机影像范围的特性，能够很好的增强影像对比度，并且，相对于上面的去雾算法这个方法比较适用于雾气浓度较低的无人机影像。1.1.2暗通道先验去雾算法与Retinex去雾算法的缺点分析暗通道先验去雾算法：这个算法目前存在的缺点主要是不能适用于全部类型的有雾影像，就像是，当影像趋近于白色时或者影像所包含的范围又大量的白色天空区域时，这种算法就存在很多的缺陷，处理效果就没有很大的优势。Retinex去雾算法：这个算法的主演缺点主要是计算量大，参数调整困难。并且处理后的影像有明显的光晕现象，除此以外，影像的颜色和色彩也存在明显的差异，当影像的雾浓度较高时，就会比较容易出现局部的颜色失真的现象，高光区域的敏感度小。1.2暗通道先验去雾算法与Retinex去雾算法的实验对比基于上两章节介绍的两个去雾算法，本章节主要是进行两个算法的实验以及实验对比分析，本次实验采用的是同一组有雾的影像，采用两个去雾算法，即暗通道先验去雾算法和Retinex去雾算法，在同一台电脑PC端上采用相同的python语言环境下进行试验，并进行了实验对比与分析。1.2.1实验内容为了展示对比实验的有效性，所有的实验过程都是在同一个电脑端上进行的，采用的都是python语言的编程环境进行实现的。本文采用的有雾影像的数据也都是从山东建筑大学测绘地理信息学院的实验室的数据库中下载的，这些影像都是用无人机在野外拍摄采集到的影像，为了更好的展示完成本次论文中两种去雾算法的对比效果，严格遵守了对比实验唯一变量的原则，采用同一组实验数据，在同一个电脑上，同一种语言环境，唯一不同之处是本实验用的去雾算法，查看两种去雾算法的得到的去雾后的无雾影像的对比度和清晰度等视觉效果。暗通道先验去雾算法：该算法使用python的语言环境下实现，实验流程大致是：对于一张有雾的低质量影像，首先点击属性查看其对比度，并观察其清晰度以及影像的内容，看是否存在大量的空白天空区域；再根据python软件，按照前面章节对暗通道先验去雾算法过程的介绍，先计算暗通道原理公式，再根据该算法的模型计算各个参数，然后对影像的图层进行精细化，最后在采用模型公式复原出无雾的高质量并且清晰影像。Retinex去雾算法：从本论文的第四章的介绍可以知道，这个去雾算法一般方法有两种，但是由于时间的问题，本论文的实验只采用了单尺度Retinex去雾算法对有雾影像进行去雾处理，这个方法的实现过程在第四章中也有涉及，对于一张有雾的低质量影像，要想对其进行去雾处理，主要分为5个步骤，首先读取有雾影像，输入已知的参数，再根据公式计算其未知参数，最后通过该方法的模型实现影像的去雾处理，得到无雾的高质量并且清晰的影像。1.2.3实验过程及结果实验结果：左图为以暗通道先验去雾算法为原理的软件去雾的结果，右图为以Retinex去雾算法为原理的软件的去雾结果。如图1.1（a）暗通道先验去雾算法处理结果（b）Retinex去雾算法处理结果图1.1影像去雾算法处理结果从结果图可以看出来，以暗通道先验去雾方法为原理的去雾软件进行的去雾实验得到的去雾结果比以Retinex去雾方法为原理的软件得到的去雾结果更优，去雾后的影像质量也明显好，这不仅仅是提高了影像的质量，更是对后期人们提取影像信息，追踪目标地物节省了不少的时间，提高了整个作业的效率。暗通道先验去雾方法得到的去雾后的影像对比度更高，清晰度更好，去雾效果更佳；而以Retinex去雾方法为原理的去雾软件得到的去雾后的影像对比度低一些，明显的看出来还是会有一些雾气，去雾效果不如暗通道先验去雾算法。实验过程：实验一：该实验是以暗通道先验去雾算法为原理，选用的影像为有雾的影像，如下图所示：根据这个算法在Python的语言环境下编译生成的去雾软件，打开这个去雾软件，等待几秒，软件打开的界面，如下图所示：等待去雾软件打开后，观察去雾软件的页面，然后点击左上角的文件，选择打开，找到实验所需要的有雾影像，选择影像并打开，此处，打开第一步所准备的有雾影像进行实验。特别说明一下，由于本人实验所用到的有雾影像是在学院的实验室下载的，然后通过qq传到自己电脑上，因此图片名称显示qq图片，这个地方如果影像名称不修改的话，较容易出现选择错误有雾影像的问题，这样就会导致实验结果无法进行比较分析。因此，可以将影像名称进行修改，将其改为容易认出并且不会和其他影像混淆的影像名称。如下图所示：选中有雾影像结束后，点击打开，然后等待软去雾件加载影像。完成影像加载后，主界面就会显示一张按原比例缩放后的预览图。如下图所示：去雾软件加载完影像后就需要开始对这张有雾影像进行处理，首先点击处理设置，选择自动去雾，接着就出现处理后的无雾影像。如下图所示：实验结果如下图所示：（a）实验原始影像（b）暗通道先验去雾算法处理结果实验二：该实验以Retinex去雾算法为原理，同样是在Python的语言环境下编译生成去雾软件，选用的影像不仅为有雾影像而且与实验一为同一组数据，如下图所示：首先打开去雾软件，等待几秒会出现操作控制台页面；如下图所示：用鼠标将有雾影像拖到控制台，会出现实验处理的有雾影像的路径，如下图所示：等待控制台显示有雾影像的路径后，按enter键命令开始处理，之后就会出现正在处理。如下图所示：显示正在处理，然后等待几秒，就会出现处理结果，同时原始的有雾影像一起出现。如下图所示：实验结果：原始的有雾影像：（a）实验原始影像（b）Retinex去雾算法处理结果1.3小结