一种基于小波变换的图像去雾方法

MATLAB小波变换的图像去雾方法

雾霾天气在生活中处处可见，常常给人灰蒙蒙的感觉，在这种情况下获取的图像，图像分辨率和对比度下降，图像大量的细节信息损失，视觉效果不佳，严重影响视觉系统对特殊目标的识别。例如，在灰蒙蒙的天气下，道路监控无法获取清晰的路况信息，对车辆方向的引导、车牌的识别以及行人的安全等存在很大的隐患。因此，越来越多的研究者开始重视这类问题，针对这类问题，文献[]对大量户外的清晰图像进行统计后提出了基于暗通道先验的图像去雾算法，这个算法可以直接从单幅图像中估计出大气光值和透射率，可是恢复出的图像存在光晕现象。为此，采用软抠图的方法对透射率进行细化处理，效果虽然有了改善，但会带来时间效率和空间效率均过低的问题。后来，文献[]又提出用引导滤波算法来解决软抠图算法耗时长的问题，其效率明显得到提升;文献[]的算法在高频部分中自适应地去除噪声并增强纹理细节，但是在复原图像中存在颜色失真现象。文献[]提出融合暗通道滤波和空间金字塔的图像去雾算法并将其用于海上红外图像的去雾。 本文利用小波变换多分辨优势，并结合单尺度Retinex算法和同态滤波算法，得到一种时间效率高并满足人眼视觉需求的去雾方法。 小波变换 Mallat算法[]是根据多分辨分析理论发展而成的小波分解和重构的快速算法。图像的Mallat算法采用了可分离的滤波器设计，实际上是分别对图像数据的行和列做一维小波变换。二维小波变换分解图像，产生一个低频图像和三个高频图像，且每一个图像仅占原始图像的四分之一，低频图像含有较多的图像信息，且与原始图像相接近;而高频图像包含信息较少，与原始图像差异较多。二维小波逆变换则是基于分解的结果得到原始图像。 Retinex 单尺度Retinex算法[]是一种常用的图像增强方法。首先构建高斯环绕函数，对图像进行滤波，接着