拍摄图像去雾与去雨系统的设计与实现VIP专享

(论文)摘 要在有雾和有雨的情况下，拍摄图像的质量会受到影响。在雾和雨的影响下，图像会变得模糊，图像的视觉效果会受到影响，图像中的关键信息也会残缺或丢失。因此，需要计算机视觉的相关算法和有关深度学习的知识，对存在雾或雨的图像进行处理，以便增强图像视觉效果，还原图像信息，为计算机后续对相关图像的处理与分析提供便利。本次设计完成了图像去雾与去雨系统，该系统有对输入图像需要进行的操作的预判断、根据用户选择或预判断对输入图像进行相应处理，并将处理后的图像返回给用户的功能。本次设计的主要工作有：第一，实现并优化基于暗通道和导向滤波的图像去雾算法，针对该算法的处理结果视觉效果差等问题，在对输入的有雾图片依次进行暗通道处理和导向滤波后，引入直方图均衡化方法优化图像效果；第二，修正并优化基于稀疏表示和字典学习的图像去雨算法用于图像去雨，具体方法为在使用双边滤波得到图像低频部分后，再依此使用高斯滤波和平滑滤波，与原图像相减后得到高频图像，高频部分继续进行进一步的字典分类和稀疏编码；第三，将基于稀疏表示和字典学习的图像去雨算法和有关深度学习的深层细节去雨网络进行主观与客观上的比较，使用 PSNR 与 SSIM 测量值作为参考；第四，进行基于已实现的图像去雾与去雨算法的系统的搭建和自动化优化，搭建 Django 项目，进行前端设计，并将前端后端的对接，并根据有雾图像和有雨图像的阈值判断实现系统的自动判断输入图像性质的功能。实验结果表明，经过改进和修正的图像去雾和去雨算法可以有效地去除雾霾与雨线，还原得到更高质量的图像；该系统也为使用者提供了一个可靠高效的图像去雾和去雨处理平台。- I -关键词： 图像去雾，图像去雨，暗通道，稀疏表示(论文)Design and Implementation of Image Dehazing and De-raining SystemAbstractIn the case of fog and rain, the quality of the captured image will be affected. Under the influence of fog and rain, the image will become blurred, the visual effect of the image will be affected, and the key information in the image will be incomplete or lost. Therefore, related algorithms of computer vision and knowledge about deep learning are required to process images with fog or rain in order to enhance the vis...