基于改进暗通道先验的图像去雾算法

本文针对传统暗通道先验算法在透射率估计中存在的粗糙性及其在天空区域失效的问题,提出了一种基于改进暗通道先验的图像去雾算法。该算法在经典暗通道先验理论的基础上,采用了大气散射模型求解透射率,利用快速导向滤波技术对透射率进行细化处理,从而提高了图像去雾的精度。此外,通过加入容差机制对透射率进行动态修正,有效解决了暗通道先验在天空区域失效的局限性。实验结果表明,该算法在定性和定量测试中均表现优异,去雾效果优于对比算法,能够在复杂场景下提供更加清晰、自然的图像复原效果。

基于改进暗通道先验的海上低照度图像增强算法

针对基于暗通道先验的低照度图像增强算法在处理极端海上低光环境下图像时会存在光晕效应、色彩失真的问题,提出了1种基于暗通道先验的自适应海上低照度图像增强算法。首先,通过选取图像类型划分指标,将数据集中的图像分类,并通过Otsu方法和图像直方图分布,获取图像的区域划分阈值,将图像进行划分得到局部区域图,分析各类图像的局部区域图之间的关系;最后,通过对不同的局部区域图采用不同的改进暗通道先验算法进行处理,将1个图像中的2个增强后局部区域图合并,得到整张图像的增强结果,并对增强后图像进行主客观的图像质量评价。实验结果表明,该算法解决了现有算法在处理极端海上低照度图像时存在光晕效应和色彩失真的问题,并使不同环境下的海上低照度图像都能达到较好的恢复效果。

一种改进的暗通道先验低光照图像增强算法

针对低光照图像增强算法常见的亮度不均匀、色彩失真、图像噪点较多、细节不清晰等问题,提出了一种改进的暗通道先验低光照图像增强算法。该方法对像素值取反后的低光照图像,首先采用引导滤波,解决图像在运用最小值滤波计算暗通道时引起的块效应,其次在剔除像素为255的纯白色点干扰后进行大气光值的计算,然后引入细化系数进行透射率自适应修正使透射率更加平滑,最后采用非局部平均滤波进行噪声去除。实验表明,所提出的算法使图像的亮度增强合适,细节清晰,在Low-Light弱光图像数据集上测试图片,所得到的SSIM值比对比算法提升20.5%,PSNR值提升19.9%,无论从主观感受,还是客观评价指标等各方面,都有优化。

基于暗通道先验的井下图像复原方法

井下图像为解决石油资源在开采的过程中出现的各种问题提供了有力帮助。由于光在传播的过程中会受到水中颗粒物散射影响,从而出现对比度下降、颜色失真等现象。为了提高井下图像的清晰度,从而获取更多的有用信息。采用暗通道先验算法、限制对比度直方图均衡算法处理原始图像,将得到的处理后图像进行像素级图像融合,最后对得到的图像进行白平衡颜色校正处理,从而实现井下图像复原。通过对比实验验证,该方法能够有效提高井下图像的清晰度。

基于暗通道先验去雾的SDSS图像去噪研究

美国的斯隆数字巡天(sloan digital sky survey,SDSS)于2000年开始正式的巡天观测,目前已经产生了海量的光谱和图像数据,但受仪器设备本身和观测条件的影响可能会出现观测数据细节模糊或损失等问题.在进行后续数据分析和挖掘之前,对观测图像进行去噪处理是一个非常必要的步骤.基于此,将暗通道先验(dark channel prior,DCP)去雾算法应用于SDSS测光图像的去噪处理中,并与B2U方法进行对比分析.结果表明:与B2U方法相比,DCP算法去噪效果在峰值信噪比(peak signal-to-noise ratio,PSNR)上提高了7.98 dB,结构相似性(structural similari⁃ty,SSIM)上提高了7%.

基于暗通道先验的多尺度融合去雾算法

针对传统暗通道先验(DCP)算法用于图像去雾时存在对比度下降、色调偏暗和过度曝光的问题,论文提出一种基于暗通道先验的多尺度融合去雾算法。首先,该算法使用图像增强暗部细节后采用阈值分割法将类似白色背景区域进行分离;然后对大面积留白背景和其他区域分别做最亮通道取反去雾处理和导向暗通道去雾处理,将去雾处理后的两部分图像进行初始融合,有效地改善了暗通道先验在大尺度高亮区域的不适用性;最后,使用拉普拉斯金字塔的多曝光融合方法,将上述去雾处理后的两幅图像、初始融合图像以及对有雾图像做导向暗通道处理后的图像进行多尺度像素级融合,获得最终去雾效果图。仿真结果表明,该算法能够有效消除传统DCP算法在处理大范围、高亮度天空区域时产生的失真现象,改善目标边缘细节,恢复图像场景的真实色彩。

基于暗通道先验引导的图像去雾网络

基于深度学习的去雾方法多数直接学习有雾图像和无雾图像之间的映射关系,未结合有雾图像自身特点,存在雾信息检测不精确、去雾不彻底的问题。针对该问题,提出一种基于暗通道先验引导的图像去雾网络(DCPDNet)。通过卷积层提取有雾图像的浅层特征;构建2个特征增强模块(FEB)来增强图像的空间特征,该模块在2个尺度上对图像特征进行增强,即利用深层特征图实现语义特征的增强,浅层特征图对实现图像细节特征的增强;为使提取的特征更关注雾的区域,基于有雾图像中雾的成像特点设计基于引导图的特征校正模块(FCB),利用暗通道先验理论构建引导图将网络学习的注意力引导到有雾区域,对提取的深层特征图做进一步的细化和校正;利用残差结构的跳转连接,将增强的浅层特征补充网络丢失的细节特征,并经过卷积操作重建去雾后图像。实验结果证明:DCPDNet可以在保持模型轻量型及运行速度较快的情况下实现良好的去雾效果。与近年先进的去雾方法进行比较,DCPDNet不仅在效率上占有优势,其去雾效果在主观视觉感受和客观评价结果上都获得了更好的效果。

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。

顾及图像分割与暗通道先验的去雾霾方法

文章针对暗通道先验去雾霾后图像存在颜色失真等问题,提出一种融合图像分割与暗通道先验规律的卫星遥感图像去雾霾方法。首先,引入高斯加权矩阵的梯度算子获取图像的梯度信息,为暗通道去雾霾提供图像分割的约束条件;其次,通过梯度阈值对梯度信息进行划分,从而改善对不同亮度区域的差异化处理;最后,依据梯度阈值修正暗通道透射率来约束暗通道先验的处理结果,实现对不同亮度区域的差异化处理。实验结果表明,无论是主观目视判读还是客观指标对于较为均匀含雾霾影像都具有较好的处理效果。

一种多尺度融合改进暗通道先验图像去雾算法

为了解决暗通道先验去雾算法在处理图像时容易出现边缘模糊、高亮区域容易生成光晕以及过饱和等问题,本文提出了一种多尺度融合的改进暗通道先验图像去雾算法。该算法通过检测图像将图像边缘进行逐像素的估计运算,非边缘区域进行逐块的估计运算,使得去雾图像边缘的伪影减弱;同时融合暗通道先验与颜色衰减先验的方法,在RGB通道赋予3个不同的衰减系数计算暗通道先验求出的前景透射率估计图;最后通过大气散射模型复原出以Sigmoid函数融合天空区域和前景区域的无雾图像。实验结果表明,边缘伪影有了很明显的降低,并且高亮区域产生光晕也有了明显的改善。客观对比其他实验,本文所提出的算法展现出更高的效率和适用性。

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象,提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发,利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计,并通过白平衡简化大气散射模型;其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计,并通过线性映射实现灰度值搬移;然后,将介质传输率的初始估计和粗略估计进行像素级融合,利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输率进行修正;最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比,本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.

基于颜色失真去除与暗通道先验的水下图像复原

水下图像成像过程与雾天图像虽然类似,但因水对光的选择性吸收和光的散射作用,水下图像存在颜色衰减并呈现蓝(绿)色基调,传统的去雾方法用于水下图像复原时效果欠佳。针对这类方法出现的缺点,该文根据先去除颜色失真后去除背景散射的思路,提出一种新的水下图像复原方法。结合光在水中的衰减特性,提出适用于水下图像的颜色失真去除方法,并利用散射系数与波长的关系修正各通道透射率;另外,该文改进的背景光估计方法可有效避免人工光源、白色物体、噪声等影响。实验结果证明,该文方法在恢复场景物体原本颜色和去除背景散射方面效果良好。

尺度自适应暗通道先验去雾方法

在雾、霾等天气条件下,大气粒子的散射作用使环境的能见度偏低,视觉系统采集到的图像严重降质。基于暗通道先验的图像复原方法因其去雾效果自然、约束条件少,且易于实现等优点而受到广泛关注。但是,该方法的去雾效果受尺度(暗通道的求解半径)影响很大,对于不同场景的图像,不存在一个普遍适用的最优尺度。针对该问题,文中提出一种尺度自适应方法,根据图像的颜色和边缘特征自适应地调节暗通道的尺度范围,得到像素级的暗通道求解尺度,兼顾大尺度求解色彩失真小和小尺度求解"光晕"失真小等优点。此外,针对暗通道去雾方法会使天空光估计点落到前景区域的问题,提出了一种改进的天空光估计方法,可使估计点鲁棒地落到与其物理意义相符的背景区域。对多种雾化场景图像的处理结果表明:文中方法适应性强、去雾效果自然,且对比度提升显著。

苹果采摘机器人视觉系统的暗通道先验去雾方法

针对雾霾严重气候条件下苹果采摘机器人视觉定位困难的问题,提出一种把暗通道先验（dark channel prior,DCP）原理应用于苹果图像去雾的调参和改进方法。给出了一种获取大气光系数A的方法,首先把计算得到的暗通道图结果存入矩阵,求暗通道图中的前1/1 000个最大元素所在位置,并存储在与暗通道矩阵相同大小的新矩阵中;根据新矩阵中的位置信息获得R通道矩阵相应位置的值,最后求取这些值的平均值作为A的取值。根据工程需要,该研究取去雾强度ω恒为1。通过与多尺度Retinex（multiscale retinex,MSR）方法、自适应直方图均衡化（adaptive histogram equalization,AHE）等常规方法以及其他文献的暗通道去雾使用方法进行对比试验,结论是该文的方法能获得更好的主观视觉效果。在结果图像的对比度方面,该研究使用的方法能得到平均对比度64.04,与计算速度较快的直方图均衡化方法的35.46相比,提升了81%;R通道对比度为68.525,与直方图均衡化方法得到的R通道对比度36.425相比提升了88%;该方法得到的图像直方图整体上呈现中间高两边低的形状特点,表明相对其他去雾方法,该文的方法能得到较好的去雾图像质量。时间复杂度方面,改进后的DCP方法计算640×480的图像耗时在33~37 ms之间,基本能满足实时要求。分割定位精确度方面,该文方法的综合定位精度为94.8%,高于其他方法。试验证明使用该文方法能在去雾的效率和性能方面得到较好的平衡,是一种可以用于实际采摘作业的可行方法。

一种基于暗通道先验的快速图像去雾算法

目前针对单幅图像去雾处理,暗通道先验算法具有较好的效果,但处理时间长,需要很大的储存资源与计算资源.本文在暗通道先验算法基础上提出一种快速去雾算法,首先用"边缘替代法"代替原算法中的抠图处理,显著降低了计算复杂度;然后针对明亮区域暗通道失效情况,提出了一种基于双阀值的明亮区域识别方法和透射率修正机制,提高了暗通道先验的适用范围;最后对去雾图像再采用非线性对比度拉伸进行增强处理,改善了去雾图像的视觉效果.实验表明:本文算法不仅极大地降低了计算复杂度,而且去雾能力优于原算法.

基于暗通道先验的大气退化图像去雾新方法

在雾、霾等恶劣天气条件下采集的图像会严重降质,极大的影响图像的实用价值。为提高大气退化图像质量,针对雾天大气退化图像的去雾问题开展研究,首先探究了雾天成像的基本原理,接着,通过分析暗通道先验原理,提出了一种结合峰值信噪比的暗通道先验去雾改进算法,用以有效提高去雾后图像的细节清晰度,最后,通过与直方图均衡、多尺度Retinex等图像增强算法和传统暗通道先验算法进行仿真比较分析,来验证算法的有效性。

基于暗通道先验的图像去雾算法改进

为了实现基于物理模型的图像复原去雾算法,文中提出了一种改进的基于暗通道先验的图像去雾算法。介绍了雾天图像退化模型和基于该雾天图像退化模型的几种去雾算法。详细介绍了何恺明提出的基于暗通道先验的去雾算法,该算法在估计光线传播图时使用的基于导向滤波的软抠图非常耗时,经过改进,直接使用景深估计光线传播图,算法运行时间大大减少。最后,使用MATLAB对改进的去雾算法进行仿真,并与原算法的运行时间进行比较。结果显示新方法对光线传播图的估计可靠,运行时间对比改进前大约下降60%,实时性大大提高。带有天空的有雾图像去雾后色斑和光晕大幅减少,取得了很好的效果。改进的去雾算法运行速度快、去雾效果好,新提出的光线传播图估计方法可靠,并且去雾过程中得到的光线传播图可以用于其他应用。

结合自适应暗通道先验和图像融合策略的单幅图像除雾方法

为解决暗通道先验统计学模型在一些情况下存在"光晕效应"、颜色偏暗和在雾浓度高区域处理效果不佳等问题,针对暗通道先验方法进行改进,并结合图像融合策略来增强可视化区域的视觉效果.利用像素块加权插值法来计算每个像素点的暗通道值,进而消除软抠图或导向滤波方法所带来的光晕效应;利用高斯模型对待恢复图像的暗通道像素值进行模拟,从而自适应地恢复天空和其他明亮区域;通过图像融合策略增强高浓度区域的图像信息.实验结果表明,与其他几种经典算法相比,改进方案不仅能够显著提高有雾图像的可见度,而且具有更好的鲁棒性.

基于背景动态更新与暗通道先验的火灾烟雾检测算法

烟雾检测在现代智能消防中有着重要的应用前景,随着计算机视觉和模式识别技术的发展,基于视频图像的火灾烟雾检测算法不断被提出。针对目前检测方法适应性不强、在复杂环境下检测性能不高的问题,提出了一种基于背景动态更新和暗通道先验的烟雾检测算法。算法首先通过改进的背景动态更新算法提取运动前景;然后,结合暗通道先验知识确定前景中的疑似烟雾区域;最后,利用烟雾颜色特征、旋转不变的LBP纹理特征和HOG特征的线性融合通过最近邻分类器(KNN)进行识别。通过在多个视频场景下的实验,表明该算法受环境因素影响较小,且具有良好的烟雾检测能力。

一种结合暗通道先验和图像融合的水下图像复原算法

针对一般水下图像增强方法易使得图像失真,颜色过饱和,传统的去雾方法用于水下图像复颜色偏暗等问题,本文提出基于暗通道和图像融合的水下图像复原方法.首先根据水下成像特点,建立水下光学成像模型,利用水下图像光学成像模型与大气模型相似的特点,修正背景光值,利用优化的暗通道先验算法对图像进行清晰化处理得到复原图像.其次,用直方图均衡化方法对水下图像进行提高对比度、色彩平衡处理得到增强图像.最后,根据对水下复原图像和增强图像的特点进行像素级融合.实验结果证明,该方法在保留图像细节信息的同时,提高图像清晰度和对比度,修正色彩不平衡.