导读:本文包含了颜色衰减论文开题报告文献综述及选题提纲参考文献，主要关键词:大气散射,图像去雾,暗通道先验,颜色衰减先验
颜色衰减论文文献综述
李倩[1]（2019）在《基于颜色衰减先验的图像去雾算法研究及FPGA实现》一文中研究指出雾和霾在我国出现的比较频繁且分布区域较广,这不仅影响室外景物的视觉呈现,而且会引起户外拍摄图像的降质,使得图像信息部分或者大量丢失。因此,有必要寻找更为有效的图像去雾技术,来减少或者消除图像中雾气的影响,提高图像的质量。本文基于颜色衰减先验的图像去雾算法,提出了一种改进的颜色衰减先验去雾算法并在FPGA上对该算法进行实现和验证。本文主要研究内容和结论如下:首先通过分析图像降质的原因,引出了可用于还原降质图像信息的大气物理模型;其次结合暗通道先验的图像去雾算法和颜色衰减先验的图像去雾算法的优缺点,提出了一种改进的算法,该算法对场景深度的模型进行了改进;最后利用本文算法和其他算法对雾化图像进行处理,通过主观和客观对比表明,本文算法对图像去雾的效果更好。利用FPGA对本文算法进行实现与验证。硬件设计主要包括透射率值的计算模块和大气光值A的估计模块。在透射率值的计算模块中,通过改进的景深模型进行相应浮点运算求得景深,然后调用指数IP核获得透射率;在大气光值A的估计模块中,首先通过所设计的最大值比较模块可以快速得到暗通道数据中的最大值,其次通过查找表的方法找到该最大值在原图像R、G、B通道中的对应位置,并获得该位置上所对应的像素值,最后通过最大值比较模块的计算,得到A的值。在Quartus II环境中对系统进行编译和综合,并在开发板DE2-115上进行板级验证。结果表明,FPGA上系统板级验证的输出结果与Modelsim中仿真的结果一致,并且算法在FPGA上的运行速度提高到了毫秒级,表明了硬件设计的正确性且达到了实时性的要求。(本文来源于《西安理工大学》期刊2019-06-30）
范迪,提璇,孟琪,王光彩[2]（2018）在《基于颜色衰减的自适应去雾算法》一文中研究指出雾霾使室外拍摄的图像、视频画质退化严重,给室外安防和交通监控等系统的正常运行带来困难;去雾算法旨在恢复图像质量,增强图像对比度和清晰度;作者提出了一种结合大气散射模型与颜色衰减先验的去雾复原模型,并以新增可见边比为评价标准,给出了模型参数的自适应求取方法,并采用引导滤波对透射率进行优化,从而较好地恢复出无雾图像;对有雾图像分别采用本文方法和3种现有去雾算法进行对比实验,从实验结果看,基于颜色衰减的自适应去雾算法可使图像清晰度、对比度得到较大的提高,与其他算法相比,在实时性和清晰度方面有一定优势。(本文来源于《计算机测量与控制》期刊2018年09期）
戢凯,王晓峰[3]（2018）在《融合暗通道和颜色衰减先验的图像去雾算法》一文中研究指出为克服基于暗通道先验的图像去雾算法不适用于包含大片天空区域图像的缺陷,提出一种新的图像去雾算法。首先,在像素点列上用自适应阈值大津算法来分割出有雾图像的天空和非天空区域。然后,对于暗通道先验不适用的非天空区域,用颜色衰减先验获取其景深值从而得到介质传输图,分割边缘处的介质传输图用均值滤波方法作平滑处理。最后,增强去雾后图像的亮度。并且提出用天空区域的方差值和来衡量该算法在解决天空区域失真问题的效果。实验结果表明,该算法能够有效去雾,解决暗通道先验去雾算法中的天空部分失真问题,具有更强的适用性。(本文来源于《现代计算机(专业版)》期刊2018年22期）
张敏,张一凡,王园宇[4]（2018）在《基于颜色衰减先验的小波融合图像去雾》一文中研究指出针对图像去雾问题,在颜色衰减先验基础上提出了一种基于小波融合的单幅图像去雾方法。首先,通过颜色衰减先验假设建立了透射率关于图像亮度、饱和度的线性模型,估计出图像的粗略透射率信息。其次,提取雾图像灰度图的细节信息作为透射率的细节补充。最后,采用小波变换将两者进行融合,得到准确率高的透射率,进而恢复出清晰图像。该方法避免了大气散射系数的人工选择,自动化程度高。并且结合了原图像的特性,提高了透射率的准确性。实验表明该方法泛化效果好,恢复出的图像彩色自然。(本文来源于《计算机工程与应用》期刊2018年12期）
韩辉,周妍,蔡晨东[5]（2018）在《基于颜色衰减先验和白平衡的水下图像复原》一文中研究指出由于水体中悬浮颗粒对光线的吸收及散射作用,以及不同波长的光在水下的衰减程度不同,水下图像通常存在细节模糊、对比度低、颜色失真等问题。为改善水下图像质量,提出一种基于颜色衰减先验和白平衡的水下图像复原方法。首先,根据图像在HSV颜色空间中的颜色衰减先验获得场景深度图;其次,利用水下光学衰减特性估计RGB叁通道对应的背景光强度与水下透射率,以实现水下图像的清晰化;最后,采用改进的白平衡方法对清晰化后的水下图像进行颜色校正。实验结果表明,该方法可以显着提升水下图像的细节清晰度与颜色保真度,视觉效果更接近自然场景下的图像。(本文来源于《计算机与现代化》期刊2018年04期）
胡雪薇,李其申[6]（2017）在《动态大气散射系数的颜色衰减先验图像去雾》一文中研究指出针对颜色衰减先验图像去雾算法存在对较浓的有雾图像去雾效果不佳的问题,提出基于动态大气散射系数的颜色衰减先验图像去雾算法。用动态大气散射系数取代颜色衰减先验去雾算法中恒定大气散射系数的假设,定义大气散射系数为关于图像景深的指数函数。利用Middlebury stereo datasets中无雾图像和相应的景深图像得到合成有雾图像。采用均方误差(MSE)和结构相似度(SSIM)的综合评价参数MSE-SSIM确定上述指数函数的两个参数的最佳取值。实验结果表明与颜色衰减先验算法、He、Meng算法相比,该算法的去雾图像清晰颜色自然,有效地提高了去雾效果。(本文来源于《电视技术》期刊2017年Z2期）
胡雪薇[7]（2017）在《基于颜色衰减先验的去雾方法研究》一文中研究指出雾天环境下获得的图像和视频,存在清晰度差、对比度低、颜色失真等严重的退化现象,直接影响和限制了户外视觉系统的作用。因此改善雾天退化图像和视频的质量,降低雾霾等天气环境对户外视觉系统的影响,对有雾图像和视频进行有效的去雾处理,有着重要的现实意义。本文主要研究了图像去雾算法和视频去雾算法,具体研究内容如下:(1)针对基于颜色衰减先验去雾算法的不足,主要从场景深度估计和大气散射系数估计两个方面进行改进。首先详细阐述了关于场景深度估计的改进,通过建立关于场景深度的非线性模型,并利用训练样本学习得到模型的最佳系数,从而得到更加准确的场景深度。然后详细阐述了关于大气散射系数估计的改进,通过定义关于大气散射系数的函数,并利用大量图像实验得到函数的最佳参数,从而得到更加准确的大气散射系数。(2)针对现有的视频去雾方法存在去雾视频各帧在色彩和结构方面不协调,去雾处理时间长的问题,本文提出基于通用大气光值和通用透射率图的视频去雾方法。该方法利用监控视频的特性,将通用大气光值和通用透射率图应用于有雾视频的各帧图像中进行去雾。该方法首先对有雾视频提取背景图像,然后利用单幅图像去雾算法获取背景图像的大气光值和透射率图,最后将该大气光值和透射率图应用到有雾视频的每一帧的去雾处理中,从而实现视频去雾。(3)将本文图像去雾算法和暗原色先验理论去雾算法、颜色衰减先验理论去雾算法进行实验对比,从主观和客观两个角度分析本文算法的优越性。并从实验的角度说明本文提出的通用大气光值和通用透射率图的视频去雾方法的有效性。(本文来源于《南昌航空大学》期刊2017-06-01）
张敏[8]（2017）在《基于颜色衰减先验的小波融合图像去雾方法》一文中研究指出人类的生产生活对自然环境造成了严重影响,导致雾霾天气出现的日渐频繁。雾天气条件下拍摄的照片模糊不清,对各类视频监控系统的使用带来了不便,因此对图像进行去雾处理,恢复出清晰的图像,是现在的研究热点,也是很有实际价值的课题。根据颜色衰减先验知识进行去雾是近两年提出的一个新的去雾方法,该方法快速有效,极大的提高了去雾速度,具有推广价值。笔者在实验过程中发现,该算法中大气散射系数的选择对最终的去雾结果影响很大,需要进行人工调整。而且,颜色衰减先验知识,在雾浓的区域失效,因此对雾浓的图像处理效果不佳。本文针对这两个问题进行了改进。本文在颜色衰减先验知识的基础上,提出了基于小波融合的图像去雾算法。首先,建立了透射率关于图像亮度、饱和度的线性模型。其次,选用400幅图像及其准确的景深信息用于训练样本的生成,并将大气散射系数的概率分布直接融入到训练样本中,保证了训练样本生成的准确性,随后采用机器学习中的监督学习算法估计出图像透射率,然后用小波融合算法将估计出的透射率与图像灰度图的反转图像融合。最后,用细化后的透射率信息对图像进行去雾处理。直接对透射率进行建模的过程,避免了大气散射系数的选择,用图像灰度图的反转图对透射率进行细化,提高了透射率的准确性,最终提高了对雾浓图像的处理效果。实验结果证明本文算法可行有效。此外文章采用通用的去雾图像质量评价方法将本算法与先进的去雾算法进行了比较。实验结果表明,本文算法提高了透射率的准确性,改善了浓雾区域的恢复效果。具有适用性好,计算复杂度低的特点。本文的主要贡献为以下几点:(1)建立了透射率关于图像亮度饱和度的线性模型,避免了去雾过程中对大气散射系数的人工选择。(2)得到大气散射系数的分布直方图,并将其代入训练样本中,从而获得准确度高的训练样本,保证训练出模型的可靠性。(3)提出图像灰度图的反转图能够作为透射率对图像进行去雾处理,尤其对雾浓的图像,处理效果较佳。(4)利用小波算法将估计出的透射率与图像灰度图的反转图融合,提高透射率的准确性,保证最终的去雾效果。(本文来源于《太原理工大学》期刊2017-06-01）
陈小丽[9]（2017）在《基于暗通道和颜色衰减先验的图像去雾算法研究》一文中研究指出图像去雾技术是图像处理与计算机视觉领域中的研究热点之一。图像去雾技术即通过采用特定的方法和手段,增强雾霾图像的对比度、提高图像场景的可见度、改善图像的视觉效果、降低甚至消除雾霾天气下空气中的悬浮微粒对图像的影响。该技术在智能汽车、户外监控系统、遥感拍摄、军事侦察等方面,具有很高的应用价值。基于大气散射物理模型的去雾方法是重要的一类图像去雾方法,其中常用的方法是通过一定的先验信息反向求解大气散射模型,得到去雾后的图像。本文在分析了大气散射模型的基础上,深入研究了基于暗通道先验的去雾算法和基于颜色衰减先验的去雾算法。针对暗通道算法求取的大气光值容易受到图像中前景区域白色物体的影响,选取符合条件的所有点的平均值作为全局大气光强度值,避免去雾后的图像偏暗或失真,提高大气光强度值的可靠性。针对暗通道先验理论不适用于图像中的天空或大片白色区域这一问题,对图像的透射率进行修正,能有效地减少该区域复原后的失真现象。通过分析暗通道先验去雾算法和颜色衰减先验去雾算法的优缺点,提出了一种基于暗通道和颜色衰减先验相结合的去雾方法。首先利用颜色衰减先验获取图像深度信息,选取深度图像中亮度值最高的前0.1%的像素点,利用对应原始雾霾图像中的像素点计算出这些像素点的平均值,将其作为大气光值。利用场景的深度信息对雾霾图像进行天空和远景浓雾区域分割;对前景部分,采用暗通道先验方法计算透射率,并利用最小化信息损失对透射率进行约束,求解最优透射率;对天空和远景浓雾区域,利用深度信息估计透射率;然后采用导向滤波对透射率进行细化,得到最优透射率。最后通过求得的大气光值和最优透射率,求解大气散射模型,恢复出无雾图像。实验结果证明,基于暗通道和颜色衰减先验相结合的去雾方法对含有天空等白色物体和远景浓雾区域的雾霾图像有较好的去雾效果,去雾后的图像对比度较高,细节信息较丰富。(本文来源于《重庆大学》期刊2017-04-01）
顾振飞,李秋[10]（2017）在《一种基于颜色衰减先验的航拍图像去雾方法》一文中研究指出针对雾霾天气下航拍图像的降质机理,文章提出一种基于颜色衰减先验的航拍图像去雾算法。首先构建雾气浓雾量化图,并结合聚类技术将有雾图像分解为子场景集,进而提出一种改进的全局大气光估计方法,通过建立候选区的方式有效提高其估计精度。本文设计一种线性的航拍图像深度结构估计模型,通过利用航拍图像的景深特征可以高效获得深度图,并进而利用引导滤波器提高深度图的边缘结构。依据所得到的全局大气光和深度图,通过大气散射模型可以估计出场景反照率并进而得到所恢复的无雾图像。实验结果对比验证了所提算法的高效性、鲁棒性及有效性。(本文来源于《信息化研究》期刊2017年01期）
颜色衰减论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
雾霾使室外拍摄的图像、视频画质退化严重,给室外安防和交通监控等系统的正常运行带来困难;去雾算法旨在恢复图像质量,增强图像对比度和清晰度;作者提出了一种结合大气散射模型与颜色衰减先验的去雾复原模型,并以新增可见边比为评价标准,给出了模型参数的自适应求取方法,并采用引导滤波对透射率进行优化,从而较好地恢复出无雾图像;对有雾图像分别采用本文方法和3种现有去雾算法进行对比实验,从实验结果看,基于颜色衰减的自适应去雾算法可使图像清晰度、对比度得到较大的提高,与其他算法相比,在实时性和清晰度方面有一定优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
颜色衰减论文参考文献
[1].李倩.基于颜色衰减先验的图像去雾算法研究及FPGA实现[D].西安理工大学.2019
[2].范迪,提璇,孟琪,王光彩.基于颜色衰减的自适应去雾算法[J].计算机测量与控制.2018
[3].戢凯,王晓峰.融合暗通道和颜色衰减先验的图像去雾算法[J].现代计算机(专业版).2018
[4].张敏,张一凡,王园宇.基于颜色衰减先验的小波融合图像去雾[J].计算机工程与应用.2018
[5].韩辉,周妍,蔡晨东.基于颜色衰减先验和白平衡的水下图像复原[J].计算机与现代化.2018
[6].胡雪薇,李其申.动态大气散射系数的颜色衰减先验图像去雾[J].电视技术.2017
[7].胡雪薇.基于颜色衰减先验的去雾方法研究[D].南昌航空大学.2017
[8].张敏.基于颜色衰减先验的小波融合图像去雾方法[D].太原理工大学.2017
[9].陈小丽.基于暗通道和颜色衰减先验的图像去雾算法研究[D].重庆大学.2017
[10].顾振飞,李秋.一种基于颜色衰减先验的航拍图像去雾方法[J].信息化研究.2017