基于透射率融合与优化的水下图像复原

由于光与水体介质的相互作用的固有复杂性,所拍摄的水下场景图像发生降质退化,这导致诸如水下图像的低对比度以及色彩失真等问题.尤其是对于污染较为严重或者高浑浊度水体下获得的图像,典型的水下图像处理方法有一定的性能缺陷,而其根本原因在于其无法对于散射造成的色彩失真问题进行有效处理,同时也未充分考虑对比度信息带来的影响.因此,本文提出了一种透射率融合与优化方法,并由此给出有效的水下图像复原方案.该方案考虑各通道在水下衰减差异性,建立了基于颜色衰减差异的水下图像形成模型,其场景环境光由成像光源计算得到.首先,利用色彩校正算法来处理水下图像存在的色彩失真的问题,并利用灰度色调算法对场景光源的颜色进行估计;接着,基于水下场景约束,提出水体透射率估计方法,同时基于对比度先验提出对比度透射率估计算法;然后,将上述两种透射率进行融合,并使用多方向梯度加权正则化进行细化;最后,通过求解基于颜色衰减差异的水下图像形成模型复原图像.通过多次实验,所提出的基于透射率融合优化的水下图像复原方法得到的图像不仅具有相对自然的颜色,同时保持着良好的细节和对比度信息.

基于透射率修正的暗通道去雾改进方法

针对暗通道先验去雾算法在景深突变处和天空区域透射率估计不准确,从而造成景深突变处产生光晕现象和天空区域色彩失真,提出利用最小值像素暗通道和局部窗口暗通道分别求取透射率,然后在景深突变区域使用两者的加权值修正透射率,在天空区域采用容差机制修正透射率。实验结果表明,该去雾算法能够有效缓解光晕现象和天空区域的色彩失真。

结合天空分割和金字塔融合的多尺度图像去雾

针对传统图像去雾方法存在对比度下降、色调偏暗和过度曝光的问题,提出一种结合天空分割和金字塔融合的多尺度图像去雾方法。利用含有梯度的分水岭算法分割天空区域,使用均值滤波计算天空区域得分,运用最高得分所对应最亮天空区域的平均灰度值获取更准确的大气光值。为了规避传统图像去雾方法估计的透射率强度值偏低或整体强度值偏高造成的负面影响,提出一种基于图像金字塔的多尺度透射率融合方法,通过拉普拉斯图像金字塔分别将暗通道先验和具有曝光特性的图像去雾算法估计的透射率图分解为多个尺度,采用感知融合方法融合拉普拉斯图像金字塔的每一层,重建融合透射率图的高斯图像金字塔,高斯图像金字塔的最底层即为融合后的透射率图;最后将所估计的大气光值和融合透射率代入大气散射模型,复原无雾图像。实验结果表明,所提去雾方法能够避免所复原无雾图像中存在的对比度下降、色调偏暗和过度曝光的问题,在SOTS室内外合成测试集上的PSNR和SSIM分别比排名第2的对比方法高出8.13%、0.59%和1.75%、1.57%。

区域透射率融合的暗通道图像去雾方法

针对传统基于暗通道先验的去雾方法容易导致边缘区域和天空区域分别出现伪影和颜色失真的问题,提出了一种基于区域透射率融合的暗通道图像去雾方法。首先,将含雾图像分为非天空、天空及过渡边缘等3个区域。其次,在暗通道结合块透射率估计和点透射率估计分别对非天空区域和过渡边缘区域进行融合,并利用梯度域引导滤波进行平滑处理,得到融合后的暗通道透射率。然后,合成天空区域的亮度透射率和暗通道融合透射率,以获得最终的透射率。最后,利用得到的透射率和改进后的大气光值对图像进行复原,得到去雾结果图像。实验结果表明,与传统暗通道方法相比,所提方法明显更优,其在有效抑制边缘伪影的同时能够较好地保留含雾图像的颜色特征。所提方法得到的去雾图像在主观评价和客观评价方面均能取得更好的结果。

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。

基于亮度模型融合的改进暗通道先验图像去雾算法

针对暗通道先验在天空区域的失效问题,提出了一种基于亮度模型融合的改进暗通道先验图像去雾算法。首先通过Canny算子分割得到天空区域与非天空区域;其次,利用亮度模拟景深,重构亮度透射率,并通过与暗通道透射率的融合构成天空区域透射率,最后的透射率图经由快速引导滤波进行精细化处理;大气光值选择抗干扰能力更强的天空区域中像素强度值前0.1%的像素中值;最后,经由大气散射模型恢复出无雾图像。实验结果表明,该算法针对含雾图像能够有效地恢复出图像的细节并抑制光晕现象,明亮度适宜,颜色自然。

基于自适应小波融合的单幅图像去雾算法

为了更加有效地去除场景中的雾气,提出了一种基于小波变换的自适应透射率融合算法,对图像中的远景部分和近景部分分别进行处理,并将两者有效结合。首先基于雾天成像原理,构建二次衰减模型近似估计出远景和近景的透射率,进而将两者进行小波变换,将得到的低频信息采用自适应高斯函数进行加权融合,而高频信息则采用取较小值的方案减小纹理效应;再根据小波逆变换获得透射率的最优解;最后结合大气散射模型和改进的大气光值复原出清晰的无雾图像。实验结果表明,该方法可以有效提高雾天场景清晰度,与已有算法相比,对天空区域的色彩还原准确,并且具有相对较低的时间复杂度。

基于双通道及图像质量评价模型的去雾方法

针对传统暗通道先验去雾算法易产生明亮区域失真、去雾图像整体偏暗等问题,提出一种基于双通道及图像质量评价模型的去雾方法。首先,划分出图像的明亮区域与非明亮区域;其次,利用双通道先验算法准确估计出大气光值;接下来,将暗通道先验的透射率作为非明亮区域的透射率,在明亮区域单独构建透射率,将二者融合细化,得到带有参数的透射率;最后,通过构造参数驱动图像质量评价模型,迭代选取最优的无雾图像。实验结果表明,算法去雾效果良好,可以有效地抑制Halo效应,避免区域的失真,改善复原图像的综合质量。

一种包含天空区域的图像去雾方法

针对大多数去雾算法对含有大面积天空区域的图像去雾效果不佳的问题,提出一种改进的暗通道先验去雾方法。首先,根据图像梯度信息分割出天空区域,在天空区域分割的基础上,结合大气光参考像素的高亮度和平滑性设定判别公式,合理地估计大气光值。其次,根据暗通道值的不同,采用分段线性函数对可调参数进行动态修正,解决过度去雾造成的局部阴影。然后,将亮通道模型和改进的暗通道先验模型估计的透射率进行融合,并采用导向滤波进行边缘优化。最后,结合大气散射模型,通过亮度补偿和对比度拉伸得到去雾图像。实验结果表明,改进方法能够有效地改善图像失真,增强图像的对比度和细节,尤其在保持天空区域的视觉真实性方面具有优势。