利用curvelet变换和高斯逆滤波进行图像去雾

资 源 简 介

利用curvelet变换和高斯逆滤波进行图像去雾

详 情 说 明

图像去雾是一种常见的图像增强技术，旨在消除由大气散射导致的雾霾影响，恢复清晰、高对比度的图像。结合Curvelet变换和高斯逆滤波的方法能够有效处理这一问题。

### 方法概述 Curvelet变换：Curvelet变换是一种多尺度几何分析工具，适合捕捉图像中的曲线和边缘特征。在去雾任务中，Curvelet变换可以分离雾霾的低频分量（全局亮度变化）和图像细节的高频分量。 高斯逆滤波：基于大气散射模型，高斯逆滤波用于估计雾霾的退化函数，并逆向恢复原始清晰图像。该方法假设雾霾在频域中服从高斯分布，通过逆滤波减少雾霾的影响。

### 实现思路 预处理：将输入图像转换至合适的色彩空间（如HSV），提取亮度分量进行处理。 Curvelet分解：对亮度分量进行Curvelet变换，分离不同尺度和方向的系数。 雾霾估计：在低频子带中，利用高斯模型拟合雾霾分布，估计退化函数。 逆滤波恢复：对低频分量进行高斯逆滤波，抑制雾霾效应，同时保留高频细节。 重构图像：将处理后的Curvelet系数反变换回空间域，合并色彩分量，最终输出去雾图像。

### 效果评估 通过对比原始雾图和去雾结果，可以观察到： 全局亮度趋于自然，避免过度增强。 边缘和纹理细节得到保留，如建筑物轮廓或树木枝叶。 色彩保真度较高，无明显色偏。

此方法在轻度至中度雾霾场景下表现良好，但对于浓雾或极端低光照条件可能需要进一步优化参数或结合其他去雾策略。