全套480元
大气中雾的存在导致相机等视觉传感器捕捉到的图像质量降低，不仅影响图像的视觉效果，同时也影响了人工智能及自动化过程中图像细节信息的获取，如目标检测、目标识别、图像分割、图像分类等。本文以烟雾检测实际项目为背景，以排除烟雾检测过程中雾的干扰为目的，通过对现有去雾算法的研究与分析，选择基于暗通道先验原理的去雾方法，研究其在实际应用中的实用性，并根据实际应用中遇到的问题以及项目需求，对暗通道去雾算法进行改进及补充。通过实际应用，本文解决了暗通道去雾算法针对单图像去雾效率较高，但不适用于视频图像的实时去雾的问题；通过提出一种快速天空分割方法，解决了烟雾检测中云误检以及暗通道去雾算法对天空区域去雾效果较差的问题；同时，也解决了该算法针对同一天中不同时刻拍摄到的不同亮度的雾图不具有普适性的问题。另外，我们提出一种图像分类方法，将输入图像分为无雾、轻雾、浓雾三类，系统针对不同类别图片分别处理，优化了结合去雾算法的烟雾检测系统的效率。
关键词：烟雾检测； 去雾； 暗通道先验原理； 图像分类； 天空分割
目 录
摘 要 - 1 -
Abstract - 2 -
1 绪论 1
1.1 研究背景及意义 1
1.2 文献综述 2
1.2.1 图像去雾 2
1.2.2 天空区域分割 3
1.2.3 雾图分类 3
1.3 问题描述 4
1.4 本文结构 5
2 基于暗通道先验原理的去雾算法（DCP） 6
2.1 DCP算法简介 6
2.1.1 雾图形成模型 6
2.1.2 暗通道先验原理 7
2.1.3 大气光 A 9
2.1.4 透射图 t(x) 9
2.1.5 透射图 t(x)的细化 11
2.1.6 构建无雾模型 12
2.2 实验及参数优化 12
3 基于暗通道先验原理的天空分割算法 15
3.1 原理描述 15
3.2 方法描述 15
3.3 实验结果 19
4 雾图检测及分类 22
4.1 相关背景简介 22
4.1.1 基于半逆图的雾区检测 22
4.1.2 基于透射图的雾浓度判定 23
4.2 雾图分类 27
4.3 实验及分析 29
5 总结 31
参 考 文 献 33
致 谢 35
