基于高分遥感图像处理技术的公路勘查方法研究

针对公路高分遥感勘测技术中,遥感图像易受天气干扰、数据分析精确度低等问题,研究了基于高分遥感图像处理技术的公路勘查方法。设计了双行信息采样电路以及采样信息保持电路,实现了公路勘查过程中的高清图像信息采集,由此避免因自身电源频率、外部磁场等因素的干扰而产生图像噪点,保证采集图像信息的准确性。此外,采用一种暗通道先验模型去云雾技术,能够有效排除云雾天气对遥感图像采集的干扰。通过基于Storm的大数据算法,提高系统的整体数据分析及传输能力。试验结果表明,该方法不仅增强了去云雾能力,还可以还原正常图像85%左右的图像特征点。该方法具有很强的数据处理、抗干扰以及数据传输能力。

改进暗通道的水下图像复原算法

水下光学环境的特殊性导致了正常拍摄的水下图像存在雾化现象、偏色和低对比度,现有复原方法存在深度图上局部错估和透射图不精确的问题。为了更好的提升水下图像的质量,提出了一种能够平衡衰减、精确估计全局环境光的改进暗通道的水下图像复原算法。通过梯度图和通道差构建深度图,获取全局环境光;通过平衡衰减的暗通道,得到更精确的透射图;通过白平衡算法校正色偏,进一步改善图像质量。为了验证算法的有效性,在UIEBD数据集和RUIE数据集上进行了实验评估,UIQM指标分别为1.560和1.668,UCIQE指标分别为0.470和0.364。实验结果表明,本文提出的改进能有效提升水下图像的复原效果。

海面复杂背景下图像增强算法研究

该文提出一种改进的基于去雾理论的夜间低照度图像增强算法。通过对暗通道先验去雾算法在处理夜间复杂灯光图像中存在的伪光晕、亮度不准等问题进行分析,采用一种可以边缘保持的滤波方法进行暗通道求取,并针对图像特点对大气光值进行精确估计,结合采样方法提升处理效率,实现对低照度图像的有效增强。经过实验分析,该算法能有效地防止光晕现象,改善图像的亮度和噪声。

基于容差机制与高斯滤波的图像去雾算法

为了使暗通道先验去雾算法能够有效处理雾霾图像中天空等明亮区域,提升去雾后图像的抗噪性能,提出了一种基于容差机制与高斯滤波的图像去雾算法。首先,引入容差机制来修正明亮区域透射率;然后,融入高斯滤波算法来提升去雾后图像的抗噪性能;最后,适当调整图像亮度,以提升去雾后图像的可视化效果。仿真实验结果表明,改进后算法不仅能够有效处理雾霾图像中天空等明亮区域,而且能够提升去雾后图像的抗噪性能;相较于主流的同态滤波算法,改进后算法的去雾性能更优。

基于颜色增强变换和MSER检测的烟雾检测算法

在远距离烟雾视频监控中,当烟雾区域小或运动缓慢时,烟雾检测变得非常困难,为了解决这一问题,提出了一种基于烟雾增强颜色变换和MSER(maximally stable extremal regions)检测的烟雾检测算法.首先提出了一种新型烟雾增强颜色变换,可使变换后图像中烟雾区域更加突出,便于后续的分割;其次在变换图像上检测MSER区域,分割出烟雾区域,避免了基于颜色信息或运动信息等传统方法难以准确分割烟雾的缺点;最后针对烟雾的特点,提出了烟雾的静态和动态判据,并以通过静态和动态判据的次数判定是否为烟雾,并进行报警.实验结果表明,该算法可在远距离烟雾视频监控中准确地检测出烟雾区域,具有较高的可靠性.

大气散射模型的海上视频图像去雾技术

海面及天空区域对暗原色先验失效,通过控制参数在明亮区域求得透射率,从而改进了海上视频图像暗原色先验去雾算法,避免了图像的色彩失真。并且,根据海域旷阔的特点,推导了单目视觉的视频图像景深分布模型,结合大气散射模型,提出了基于单幅视频图像景深的图像去雾法。通过多个海上及陆上雾天场景降质视频图像的处理,其结果验证了算法的有效性。

基于暗通道先验和CLAHE的红外图像增强算法

红外成像设备自身特性造成红外图像具有对比度低、边缘模糊、噪声较多等特点。针对这些特点,提出一种基于暗通道先验和CLAHE的红外图像增强算法。使用暗通道先验方法对降质的红外图像进行处理,在去除图像中大部分噪声的同时保留更多图像细节。使用暗通道先验处理过的图像具有整体偏暗的特点,采用CLAHE方法对这些图像进行亮度的提升。实验结果表明,该算法的增强效果优于常见的几种红外图像增强算法。

反馈调节机制的暗通道去雾算法

针对暗通道图像去雾算法在处理不满足暗通道先验条件的明亮区域时,估计的透射率偏小,导致去雾后的图像与原图像相比,色彩和纹理平滑度出现较大偏差的问题,提出反馈调节的暗通道去雾算法。该算法首先通过暗通道算法对原始有雾图像进行去雾,反馈出去雾后的图像与原始图像纹理平滑度的差异,使用模糊C-均值聚类算法分割出明亮的区域;然后用高斯函数调整明亮区域偏小的透射率,使其更加接近实际的透射率;最后利用调整后的透射率求得清晰的无雾图像。实验结果表明,该算法可以有效地处理不满足暗通道先验条件的区域,使得包含明亮区域的雾化图像,去雾后的色彩更加符合真实场景,视觉效果也更好。该算法可以提高户外监视系统的鲁棒性。

基于暗通道先验去雾算法的优化

在雾霾环境下获取的图像往往是不清晰的,研究人员提出了很多去雾算法以获得清晰图像。在暗通道先验去雾算法的基础上,针对现有算法在处理户外有雾图像后存在色彩偏移以及在景深突变区域出现光晕现象提出改进。首先分析之前一些经典算法易错选大气光值的原因,为此采取基于四叉树递归思想,最终选取一定大小的局部区域像素点平均值作为大气光值。接着分析了在景深突变区域产生光晕的原因提出了在估算透射率时,采用分区域最小值滤波,直接获得精细的透射率值,避免额外细化透射率的滤波算法,提升算法效率,最后结合大气耗散模型,利用改进优化后算法获得的大气光值和透射率图恢复去雾后图像。实验结果表明,改进算法不但能较好较快的去雾后效果图,并且在色彩还原和细节还原取得了很好效果,最后与其他几种经典的图像去雾算法分别进行客观与主观对比,证实了算法的可靠性。

基于FPGA的透射率快速估计去雾方法

在雾、霾等天气条件下,由光学相机所获取的原始景物会出现严重的图像退化现象,比如对比度及能见度降低、图像模糊等情况。目前在图像去雾领域,暗通道先验算法对解决上述问题具有良好的效果,但是考虑到该算法的计算复杂度以及实时性,无法将其直接移植到FPGA内。因此在暗通道先验算法基础上,首先用一种大气透射率快速估计方法来降低计算量,同时改善传统算法出现的Halo现象,然后采用自动色阶方法对去雾后图像进行对比度拉伸,改善去雾效果。实验结果表明,所提算法不仅满足实时去雾的要求,而且有效提高了图像去雾的能力。

基于暗通道先验原理的偏振图像去雾增强算法研究

在装备试验与测试中,常规光学成像系统极易受气象环境(如雾霾、沙尘等)影响,导致探测距离、成像效果、测量精度等受到大幅限制,从而严重影响目标成像效果及关键参数获取。如何增强雾霾条件下光学探测识别能力及成像质量,成为了当前急需解决的关键问题。本文利用偏振成像优势,结合暗通道先验原理,提出了基于暗通道先验原理的偏振图像去雾增强算法。该算法首先利用采集到的偏振图像提取偏振特征,计算偏振度和偏振角;同时,采用基于区域增长算法自动提取出天空区域,对天空区域进行大气光参数估计,获取大气光偏振度及偏振角相关参数估计;然后,结合暗通道先验原理,获取无穷远处大气光强,进而计算各像素点的大气光强;最后,建立在大气物理退化模型基础上,实现图像去雾增强。实例分析与验证中,通过主观评价与客观评价两种方法,对比本文提出的方法和常见其他方法,实际结果表明,本文算法去雾增强能力较强,能有效提升光学系统的探测识别能力及成像质量,对雾霾条件下武器装备关键参数获取具有重要意义。

水下光场成像清晰度增强研究

由于水介质及水下颗粒的散射吸收作用,使得水下成像图像存在分辨率与对比度低,细节特征模糊,颜色失真等问题。针对这些问题,该文提出基于光场成像的水下图像清晰度增强算法,根据暗原色先验理论和单尺度的Retinex理论建立水下散射成像模型对成像图像的清晰度进行增强处理,并利用光场成像的多视角特性对散射成像模型的图像增强效果进行优化,进一步提高水下成像图像的质量。实验结果表明,两种理论构建的水下散射模型和多视角优化算法可以有效的提高水下成像图像的质量。

基于暗原色先验及运动检测的视频去雾方法

为了解决视频实时去雾的问题,提出了一种基于暗原色先验及背景差分运动检测的实时视频去雾方法。获得高清视频的背景,采用背景差法获得前景运动目标,利用多线程及GPU加速技术分别求得背景及前景的透射率,将两者的透射率进行融合,根据融合后的透射率还原出无雾视频。实验结果表明,该方法去雾效果明显,对于高清视频(1280*720像素),可以达到20帧/秒以上的处理速度,满足视频实时处理的要求。

排水管道图像雾气及光斑干扰去除方法研究

近年来,管道内窥摄像检测是常用的排水管道缺陷检测技术,由于大部分管道内部具有一定污水充满度,管道图像往往存在白雾以及光斑等干扰,影响图像缺陷的识别和解译,为此,提出了一种排水管道图像雾气及光斑干扰去除方法,首先结合管道雾气特征,构建暗通道先验算法去雾,针对去雾后的色偏问题,使用一种多尺度Retinex色偏恢复算法,最后改进二维伽马函数,通过降低镜头污染,实现对图像光斑的压制。实验结果表明:所提方法能有效去除排水管道内视频图像中的雾气和光斑的干扰问题,提高排水管道图像的可视度、对比度和清晰度,从而提高排水管道病害解译准确度。

基于三区域划分的单幅图像去雾算法

雾致退化给图像在监测监控、遥感航拍等领域的应用带来困难。针对现有去雾算法在天空区及交界处存在的问题,提出对图像进行天空、非天空及过渡三分区,并根据各区特点分别采用大尺度Retinex算法、暗通道先验去雾及两种算法结果加权融合的去雾算法框架。实验结果表明,算法较好地解决了天空区颜色紊乱、光斑等问题,去雾后的天空清晰平滑;过渡区在保持图像细节的情况下,克服了区域交界处的虚假边缘问题。与几种常见算法的对比实验结果显示,算法兼顾了不同区域的特点,去雾效果在整体上优于对比算法。

基于天空区域改进的暗通道先验算法研究

针对天空区域不满足暗通道先验理论从而导致求解的透射率不够准确、去雾后颜色失真的问题,提出一种基于天空区域改进的暗通道先验算法。首先利用像素的分布规律排除白色物体的干扰,解出准确的大气光,再利用暗通道先验理论估计出图像的透射率,然后利用图像的原始信息对透射率进行修正、优化,得到较为准确的透射率图,最后求解得到清晰图像。通过样本实验,说明该算法在细节强度、图像平均梯度和峰值信噪比方面有较好的效果,能作为图像去雾的一种有效辅助手段。

基于暗通道先验的雾天车载图像增强算法研究

针对原始的暗通道先验去雾算法对天空及明亮区域处理时容易出现失真以及处理后图像偏灰暗的弊端,提出一种改进算法:基于暗通道先验估计大气光、利用阈值判断对天空区域透射率进行修正、使用直方图均衡化增强克服处理后图像偏灰暗。实验结果表明,改进算法提高了图像清晰度,同时还原了图像中更多的道路信息,弥补了传统暗通道算法的不足。

一种针对光晕优化的暗通道去雾算法

为了更好解决传统暗通道去雾算法在景深突变区域容易产生光晕的问题,提出一种针对光晕优化的去雾算法。算法首先对输入图像的灰度图进行边缘检测并膨胀;其次,根据得到的边缘图将输入图像划分为边缘区域和非边缘区域;最后,自适应选择窗口大小来进行去雾处理;实验结果表明改进算法可以有效提高景深突变区域的去雾效果。

基于明暗通道循环GAN网络的单幅图像去雾

针对现有的深度学习去雾算法参数多,训练时间长,无法应用到实时计算机视觉系统等问题,本文提出了一种基于明暗通道的循环GAN网络(bright and dark channel CycleGAN network,BDCCN).BDCCN以CycleGAN为基础,采用固定参数和训练参数相结合方式,基于明暗通道先验理论,改进循环感知损失,实现图像去雾.实验结果表明,本文算法计算量小,收敛快,在合成数据集和真实数据集上均表现优异.

基于FPGA的图像去雾算法优化设计

针对传统去雾算法的不足,且还需要满足去雾系统的实时性要求,提出了一种改进后去雾算法并结合FPGA进行设计。首先,采用高斯低通滤波器保留图像低频信息;其次,结合暗通道先验理论求取有雾图像的粗糙透射率图并对其进行双边滤波获取细化透射率图;最后,通过雾天成像模型进行计算得到去雾后的图像。同时,结合FPGA对改进后的算法进行优化设计。实验结果表明,改进后的去雾算法相较于其他去雾算法,对含有高亮区域图像的去雾效果有明显增强。在FPGA平台上进行视频图像去雾处理时,速度可以达到60 f/s,能够满足实时性要求。