基于高斯分布的大气光估计算法

针对现有去雾算法在估计大气光向量时,所采用的方法包含的大气光候选点数量较少,导致估计结果在统计意义上误差较大这一问题,提出了基于高斯分布的大气光估计算法。该算法首先使用阈值划分的方式选取候选点以增加初始样本点数量;然后引入聚类算法对原算法所得光源点簇进行合并以提高单个点簇所含样本点个数;同时,使用比例阈值过滤掉不合理的点簇,并将各点簇视为单独光源,单独计算其对周围像素的影响,其影响通过二维高斯分布函数进行建模;最后使用大气光图取代全局大气光复原图像。实验结果表明,相对于原算法,使用高斯分布大气光图复原的结果在主观视觉上看起来更加自然,且其客观图像质量评价指标也得到了提高。

基于超像素分割的大气光估计与对比度增强的图像去雾算法

图像去雾中对大气光估计会直接影响后续过程中透射率和去雾结果,目前算法对大气光估计通常以图像中最亮的像素点作为大气光强度的经验值,会存在大气光强度误估、偏差等,导致图像去雾残留。本文提出一种基于超像素分割的大气光估计与优化对比度增强相结合的图像去雾算法。首先将图像分割成超像素块,计算每个区域的分数与相邻区域的相似度,结合图论构建图模型,不断简化图结构,根据剩余节点求取大气光强度,同时结合对比度增强与可移动引导滤波求取、精化透射率。经过实验验证,本算法能有效提高精确大气光强度,其与其他求透射率的方法相结合具有较好的去雾效果。

基于雾气分布的大气光幕估计去雾算法

由于雾霾天气下空气中介质粒子的影响,成像设备所捕获的图像通常会存在对比度低、色彩丢失等问题。针对这些问题,本文提出一种基于雾气分布的大气光幕估计去雾算法。首先,将Fade方法提取的初始雾气分布图像进行阈值分割与细化处理得到较为准确的雾气分布信息。其次,通过分析景深、雾浓度、大气光幕之间的关系建立大气光幕估计模型。最后,通过亮度权重图与自适应大气光阈值选取大气光区域,获取较为准确的大气光,进而恢复退化场景。实验与结果表明,本文算法恢复的图像清晰自然,去雾效果彻底,并且能够保留图像中的细节信息。

基于大气光鲁棒估计的无人机图像去雾方法

针对无人机(UAV)获取的图像易受雾、霾等天气影响导致图像质量降低的问题,本文提出一种基于大气光鲁棒估计的无人机图像去雾方法。首先,选取具有不同表面反照率的像素块,得到各个图像块的像素直线,利用各条像素直线与大气光共面的性质,估计得到大气光的方向;然后,利用无人机对地成像时图像各像素点的景深相似的特点,定义了图像的全局透射率,通过全局透射率和各像素直线在大气光方向上的投影计算得到大气光幅度;最后,通过对雾天图像模型进行变换得到无雾图像。为使本文方法适用于不同类型的图像,采用了自动调整图像块尺寸和条件阈值等措施来提高方法的鲁棒性。通过真实无人机图像的去雾实验证明,相比现有的图像去雾方法,本文方法在去雾的视觉效果和客观评价指标上都有较大的提升。

透射率和大气光自适应估计的暗通道去雾

针对暗通道先验理论去雾算法景深突变区域容易出现光晕、不满足暗通道先验理论区域出现颜色失真、大气光估计不准确容易导致偏色现象,提出了自适应透射率和大气光估计的去雾算法。通过Canny算子结合形态学膨胀运算确定易出现光晕效应的区域,在该区域上采用像素等级差诱导高斯核函数得到的自适应高斯滤波器来消除光晕效应。其次,提出一种天空区域透射率估计方法处理因不满足暗原色原理出现的天空区域颜色失真问题。最后,提出先估计大气光方向,再最大化大气光方向与前1%最亮像素点的相似度的大气光估计方法。实验表明,该算法获得的透射率图精细,复原图像自然,能够有效去除光晕效应,修正天空区域的颜色失真。

结合光源分割和线性图像深度估计的夜间图像去雾

夜间有雾图像通常具有对比度低、光照不均匀、颜色偏移以及噪声较多等现象,这些退化现象使得夜间图像去雾具有极大的挑战性。针对夜间图像存在的退化问题,本文提出了一种能够在夜间图像中有效去雾并提高图像质量的方法。首先,将图像分解成光晕层和有雾层,并对有雾层进行颜色校正。其次,通过一种新提出的带有伽马变换的图像光源分割方法来分割光源,并设置分割阈值作为像素点属于光源区域的概率值。然后,将得到的概率值与最大反射先验相结合来估计光源和非光源区域的大气光值。最后,根据图像深度与亮度、饱和度以及梯度之间的关系建立线性模型,进一步估计透射率的值。实验得到的分割阈值为0.07,线性深度估计参数分别为1.0267、−0.5966、0.6735、0.004135。实验结果表明本文方法在夜间图像去雾、消除光晕、减少噪声,以及提高可视度方面取得良好的效果。

火星沙尘环境光学图像增强方法

针对火星探测器着陆时沙尘天气对机器视觉的影响,提出一种去除沙尘天气对光学成像影响的方法,为视觉系统提供清晰输入图像。首先对受沙尘天气影响的图像建立模型,然后求取模型中大气光值与透射系数值。对于大气光值的计算采用基于四叉树细分的方法,在最小值图像上搜寻指定阈值面积中灰度均值最大的区域,在初始图像中相同区域计算各通道均值,作为大气光值。在此基础上计算透射系数,完成清晰图像的恢复。通过对受沙尘影响图像测试表明,该方法能够将受沙尘影响的图像恢复成清晰的图像。即使在复杂的环境中,该方法对光照变化、沙尘强度变化和场景变化等仍具有较好的效果。与其他方法相比,本文方法在去除沙尘对光学图像影响方面效果较好,在恢复图像评价指标等方面优于其他方法,能够进一步提高图像清晰度,为光学图像的后期处理提供更丰富信息。

基于自适应天空区域分割的图像去雾算法

针对暗通道算法在处理图像中天空区域时会出现色彩失真和光晕现象以及大气光值错误估计的问题,提出一种改进的暗通道先验去雾算法。利用雾图中天空区域的物理特征粗略分割图像天空区域,从天空区域中对大气光值进行估计;设计一种自适应双阈值分割方法用于天空区域的精细分割,提出一种基于亮通道先验的透射率估计方法,将亮通道先验模型估计的天空区域透射率值和暗通道先验模型估计的前景区域透射率值进行融合;引用一种快速引导滤波器对融合后的透射率进行边缘细化,基于大气散射模型完成图像的复原。实验结果表明,该算法很好地克服了暗通道算法的缺陷,保留了复原图像的视觉真实性。

结合天空分割和雾气浓度估计的图像去雾

针对图像去雾算法在天空区域出现恢复不真实以及雾气浓度估计精度不足等问题,本文提出天空区域分割和雾气浓度估计的去雾算法。首先,为了提高透射率的估计精度以及提升去雾效果,利用梯度阈值和亮度阈值分割天空区域。其次,采用改进的暗通道先验和四叉树细分法估计大气光值。最后,针对天空区域和非天空区域采用不同的透射率估计方法,对于天空区域采用亮通道先验方法,对于非天空区域提出了线性雾气浓度估计模型。结合像素点概率分布得到透射率并采用引导滤波方法进行边缘细化,利用大气散射模型获得最终复原图像。实验结果表明,去雾后的图像在主观和客观质量评价方面表现良好,所提出的算法能够使天空区域恢复自然,去雾更加彻底,增加了图像细节的清晰度。本文算法的运行速率与当前主流算法相当,针对不同有雾场景去雾表现的稳定性优于其它算法。

基于天空分割和暗通道先验的图像去雾算法

针对传统暗通道先验算法对天空区域去雾时出现的颜色失真等问题,提出一种基于天空分割和加权计算大气光值的去雾算法。首先基于有雾图像中天空区域梯度小、对比度低和亮度高的特征实现天空区域的分割。其次基于天空分割的结果加权计算大气光值,有效避免了图像中小面积高亮区域对大气光值预估的影响,防止恢复的图像偏暗。最后通过对不同区域透射率的结合,实现图像的复原。实验结果表明:该算法能够对包含天空区域的有雾图像有效复原,解决了天空区域颜色失真的问题,且去雾后的图像细节清晰、颜色自然。

基于边界限制的无人机图像快速去雾方法

针对无人机在作业时图像质量易受雾霾等天气影响的问题,并考虑到无人机图像常有大面积天空等明亮区域的特点,改进了一种基于边界限制的去雾算法。该算法以四叉树分割遍历来准确估计大气光值,基于边界限制来估算粗透射率,并加强了明亮区域的边界限制。在细化透射率时,融入梯度信息引导滤波,降低了去雾复原图像中的光晕现象。实验结果表明,该算法去雾的视觉效果良好,各项指标均有提升,且运行速度更快,能满足实时去雾的需求。

雾霾天气条件下的机器视觉图像清晰化研究

针对机器视觉图像清晰度在雾霾天气条件下受到严重影响的问题,提出一种基于暗原色先验的机器视觉图像去雾算法。以大气散射模型和暗原色先验理论为基础,在带雾图像的暗原色图上指定某一灰度区间,选取其中出现频率最高的亮度值作为大气光亮度值。将带雾图像转为灰度图像,采用直方图均衡化的方法对其进行增强,尽可能多地展现带雾图像所包含的结构信息,进而以增强后的灰度图像作为引导图像进行导向滤波,进一步优化透射率,加快运行速度。实验结果表明,该算法可获得较好的去雾效果,同时具有较高的运算效率。

基于成本函数的对比度优化去雾霾算法

针对雾霾条件下的模糊图像,提出一种对比度优化去雾霾算法。基于一般情况下雾霾图像对比度较低的特点,通过增强其对比度恢复模糊图像。然而,过度补偿退化的对比度可能会截断像素值,导致信息损失,为此制定一个包括对比度和信息丢失的成本函数,通过最小化该成本函数,该算法更优化地提高了对比度并保存了信息。实验结果表明,该算法有效去除了雾霾。

融合暗通道滤波和空间金字塔的图像去雾算法

针对红外摄像机在有雾天气下红外图像降质的问题,本文提出一种融合暗通道滤波和空间金字塔的图像去雾算法(Dark channel filtering and spatial pyramid algorithm,后文简称DCF-SP)用于海上红外图像的去雾。首先,对海上红外图像进行自适应的海天分割,再将天空区域均分为四个子空间,定位灰度均值最大的子空间,重复迭代上述过程,将三级分割后的最亮子块中邻域像素亮度最大的值视为大气光估计值。接着,对清晰和带雾红外图像进行最小值滤波,得到清晰红外图像暗通道值趋于零的先验知识,最后估计出暗通道透射率,实现红外图像去雾。实验结果表明,对比现有去雾算法,DCF-SP算法鲁棒性更高运行时间更短,且更能保留图像目标的边缘信息,EPI和SSIM指标分别达到0.95和0.9425。

利用中通道补偿的单幅图像去雾

针对雾天图像对比度低和细节模糊等问题,将图像分解为纹理层和结构层,对含有大部分雾气的结构层进行去雾,对纹理层进行增强.为了避免大气光估计易受白色物体影响,提出一种RGB空间立体判决图,并设计基于自适应阈值约束的大气光估计方法,可有效区分天空和非天空区域;针对暗通道先验处理大面积天空、浓雾区域失效问题,提出一种基于中通道补偿的透射率估计方法,可有效克服去雾后图像颜色失真;同时,基于侧窗导向滤波对上述透射率进行修正,能够较好地保持细节.实验表明,本文方法能有效去除雾气,去雾后图像颜色自然,细节保持良好.

暗通道去雾技术和聚类算法的优化研究

在交通运输行业中,每当天气中含有大量雾尘的时候,大气会发生散射,会对驾驶人员的视觉造成一定的干扰,对交通安全有着极大隐患;为避免交通事故的发生,我们在原有算法的基础之上,结合机器学习中的K—means聚类算法进行了优化研究,对含有雾的图像进行了去雾处理,使得图像的能见度增加;根据现实研究当中问题的实际情况,我们建立了暗原色模型,并利用暗原色算法拟合透射率,用K—means算法进行聚类分析进行处理强化图像的特征,结合估计出来的大气光强,利用去雾算法得到最终的无雾图像;最后我们通过Matlab进行分析演示,并且与其他算法的去雾处理图像进行对比与分析,图片更加清晰,可以很好的应用在航海交通,公路运输,气象遥感等方面的去雾领域,具有一定的应用价值。

基于透射率融合与多重导向滤波的单幅图像去雾

为了避免图像去雾后细节模糊和噪声放大,将图像分解为结构层和纹理层,并只对其结构层进行去雾。基于频域滤波思想提出透射率融合方法,解决了现有透射率估计方法中普遍存在的块效应问题和复原图像中存在的晕轮伪影问题。针对透射率优化过程中存在的计算量大、透射率平滑与细节保持之间难以平衡等问题,提出了多重导向滤波透射率优化方法。同时,针对目前大气光估计易受图像中白色物体的影响,提出自适应大气光估计方法。实验结果表明,该算法得到的图像去雾彻底、细节清晰、颜色自然,不仅有效抑制噪声和晕轮伪影,而且显著提高场景对比度、饱和度。