基于暗原色与逆暗原色融合的含明亮区域图像去雾

针对暗原色先验模型对于图像明亮区域不适应,暗原色估计偏大,导致透射率估计偏小,出现色彩失真现象,本文介绍一种新的暗原色修正方法。提出一种逆暗原色概念,将雾化图像的暗原色与逆暗原色进行融合处理得到一种新的修正暗原色,从而获得比较真实的明亮区域透射率,有效消除了明亮区域的色彩失真。以有效细节强度、色调还原程度、结构信息及综合测评作为图像质量评价指标,与目前流行算法进行对比实验,本文算法的色调还原程度指标平均值提高41.1%,综合测评指标平均值提高48.7%。实验结果表明,本文算法在改善明亮区域色彩失真及提高去雾图像总体质量方面优于目前流行算法。

明亮区域的暗原色先验算法

针对暗原色先验算法在处理含有大面积明亮区域的有雾图像时,复原图像会产生严重色彩偏移的不足,提出了一种基于像素点的透射率修正方案.在分析暗原色先验去雾原理以及复原图像色彩偏移成因的基础上,对去雾模型进行推导,使用暗通道亮度与大气光数值接近度及像素通道间数值接近度作为明亮区域判定机制,得出更具普适性的透射率求取方法.明亮区域采用容差机制纠正错误估计的透射率,非明亮区域仍采用原透射率求取方式,并首次将改进算法应用到雪天模糊图像清晰化中.实验结果表明,改进算法使去雾图像清晰自然,可有效修正色彩失真.

针对明亮区域的自适应全局暗原色先验去雾

针对暗原色先验去雾算法对明亮区域失效,以及分块求取暗原色存在的块状效应、Halo现象和运算复杂度较高等问题,提出了一种基于自适应参数的全局暗原色先验去雾算法。该算法采用全局暗原色操作取代分块处理,并通过模糊逻辑控制器自适应估计明亮区域的容差参数和透射率调整因子;在非明亮区域求取大气光强度后,根据自适应容差纠正明亮区域被错误估计的透射率。与常用的3种图像复原去雾算法进行了比较,结果表明:该算法去雾图像的主观视觉效果较好,且图像对比度、信息熵和平均梯度3方面的客观评价结果也明显优于其它3种对比算法。该算法可有效解决明亮区域失真和分块处理带来的上述问题,在不增加曝光处理情况下也能获得较好的去雾效果,运算效率也有较大提升。

基于明亮区域和天空识别的图像去雾算法

针对去雾算法对存在大面积明亮区域的图像去雾效果不佳的问题,根据暗原色先验原理提出了一种基于明亮区域和天空区域识别的图像去雾算法。根据天空区域和明亮区域的特点,建立了明亮区域和天空区域的判别机制,对不同类型的图像采用不同方法求取大气光值;基于点暗原色原理,采用中值滤波和双边滤波对点透射率进行细化,与块透射率相比,采用点透射率可以保留更多的图像细节。结果显示,采用均方误差、峰值信噪比、可见边梯度和结构相似性4个参数作为图像去雾效果的客观评价指标,优化后算法的综合评价指标均优于其他算法。所提出的算法对不同类型图像均可取得较好的去雾效果,消除了去雾图像的光晕、块效应和天空区域过饱和现象。

一种改进的容差机制图像去雾算法

针对经典容差机制图像去雾算法存在的对部分明亮区域透射率提升力度不够,难以彻底消除色彩失真问题,本文提出一种改进算法。将原算法中对明亮区域透射率根据容差进行双曲线提升修正变为线性提升修正,使透射率平稳提升,并适当增大了透射率提升力度,有效消除色彩失真。以方差和色调还原度作为图像去雾的客观质量评测指标,与暗原色先验算法和经典容差机制算法进行对比实验。实验结果表明,本文算法在改善明亮区域色彩失真及提高图像去雾效果方面优于对比算法。

基于暗通道先验的单幅图像去雾新算法

由于暗通道先验去雾算法会使天空等明亮区域产生颜色失真、偏移等问题,对此文中提出基于暗通道先验的单幅图像去雾新算法,提高了图像去雾效果。首先,根据图像的大小设计了一种自适应滤波窗口;其次,为了防止图像中的高亮像素对大气光值估计的影响,利用变差函数去除这些高亮像素,并结合去除高亮像素后图像的暗通道图,估计大气光值;然后,提出了一种结合结构相似性的暗通道先验去雾改进算法,并对透射率进行优化、修正;接着,利用大气散射模型恢复出无雾图像;最后,利用RGB模型和HIS模型的相互转化,增强恢复图像的亮度。实验结果表明,该算法不仅能对图中景物进行较好的去雾,还能较好地处理天空等明亮区域,使处理后的图像有很好的视觉效果。

基于双容差机制的快速暗原色理论雾天图像增强算法

针对经典暗原色理论算法在处理雾天图像时出现的色调和亮度失真问题,提出了一种基于双容差机制的快速暗原色理论雾天图像增强算法.该算法首先通过容差机制分割图像,并根据阈值判断图像的明亮和非明亮区;然后引入改进的高斯平滑滤波对透射率图像进行平滑处理,以此优化透射率图像;最后通过引入容差机制对透射率图像进行修正,以此得到更加清晰的图像.将本文方法与经典的暗原色算法进行对比表明,本文方法在亮度、颜色保真度和时间效率上均优于暗原色算法,因此本文方法可为雾天图像的处理提供参考.

基于暗原色先验的快速单幅图像去雾算法

针对基于暗原色先验理论的单幅图像去雾算法中,由于某些场景下的雾天图像存在大面积明亮区域(如天空、水面或偏白色物体等)不满足暗原色先验假设,从而导致去雾处理效果不好的问题,基于暗原色先验理论,提出了一种改进的单幅图像去雾算法。首先利用统计截断的方法估计出大气光值;然后对暗通道图进行中值滤波得到粗略估计的透射率图,并对明亮区域的透射率图进行自适应校正处理;最后将这些参数代入大气散射成像模型完成去雾处理。实验结果显示,相较于原算法而言,所提算法可以准确地选取出天空区域的像素点对大气光进行估计,有效降低了明亮区域的色彩失真。通过不同算法对不同室外场景下采集的雾天图像的去雾效果的对比可知,所提算法在对明亮区域的处理上更加合理,可以较好地处理一些带有光源的图像,恢复出的图像具有很好的细节保持,视觉效果显著提高。所提算法对含有大面积明亮区域的雾天图像具有很好的增强处理效果,可以为图像分割、语义检索、智能分析等图像处理工作提供有效的预处理手段,对于交通监管、视频监控、行车视频记录、视觉导航等研究领域具有重要的意义。

基于暗原色优化算法的去雾研究

针对基于传统的暗原色先验去雾算法中,由于某些场景下的雾天图像存在大面积明亮区域无法满足暗原色先验的假设,导致去雾效果不佳。文中就此问题提出了一种改进的去雾算法,基于McCartnet的理论建立大气散射模型,根据暗通道理论粗略估计透射率,之后引入容差参数并设置阈值,重新计算明亮区域的透射率,从而实现对明亮区域透射率的自校正。针对于复原图像色彩较暗的问题,采用改进的线性亮度调整方法来调节图像的亮度。实验结果显示,相较于原算法而言,改进算法可以有效的对大气光值进行估计,降低明亮区域的色彩失真,复原的图像可以保持足够的亮度,同时不丢失图像的细节,视觉效果显著提高。

基于边界限制的自适应双边滤波单幅图像去雾算法

传统图像去雾算法在处理亮度不均匀区域时可能会出现光晕现象,为了解决该问题,提出了一种基于边界限制的自适应双边滤波去雾方法。通过直方图分析方法,获得了明亮区域分割的阈值点,进而实现对明亮区域的分割,并求取了全局大气背景光的值。构造了自适应边界限制方法,获取了初始透射率图像,通过优化的自适应快速双边滤波方法对透射率图像进行了优化。运用改进的暗原色理论方法,获取最终的去雾结果。通过主观和客观实验分析,可得该方法在视觉效果和效率方面优于当前的去雾方法。