改进的暗通道运动图像盲复原方法

盲复原方法对于解决现实中图像运动模糊问题具有实用性,而目前运动图像盲复原算法普遍存在图像局部细节丢失、模糊核估值不够准确、复原图像存在噪声与振铃效应的问题。对此,提出了一种在多层交替模糊核框架下的分数阶暗通道点扩展函数估计模型,引入分数阶暗通道先验,在多尺度迭代框架下获取更精确的模糊核估值,降低模糊核估计时图像噪点的干扰,实现模糊图像较高质量的复原。通过实验客观评价指标与主观人眼视觉验证盲复原方法的有效性。

暗通道约束和交替方向乘子法优化的湍流图像盲复原

为提高湍流退化图像的复原效果,针对盲复原算法在最大后验概率框架下,使用梯度分布先验信息约束容易求得模糊平凡解的问题,提出了一种暗通道约束和交替方向乘子法优化的湍流图像盲复原算法。基于多尺度的思想,在每一层尺度上,对图像施加暗通道先验约束,对点扩散函数施加非负性约束和能量约束。对采用坐标下降法交替迭代估计当前尺度下的模糊核和图像,当达到最大尺度时,得到最终估计的模糊核。结合总变分模型,采用交替方向乘子法优化实现图像细节快速恢复。实验结果表明,新算法使用的先验信息约束,有利于得到清晰解,在总变分模型下能收敛到全局最优解,可以有效抑制图像复原过程中产生的伪迹,恢复出更好的目标图像细节。

基于改进的暗通道先验去雾辅助导航算法

经典的去雾算法无法满足车道线检测的实时性和准确性要求,因此提出一种改进暗通道与边缘检测融合的雾天车道线识别算法。首先对有雾图像进行对比度增强处理,突出边缘、颜色等有效信息,基于道路先验信息对图像进行感兴趣区域处理,利用暗通道先验算法对静态约束图像进行去雾操作,并通过双边滤波器细化透射率图,得到清晰的去雾图像;然后引入动态约束理念,提取车道线可能存在的区域,借助Sobel算子检测动态约束后的车道线区域,提取车道线边缘点;最后利用Hough变换进行准确的车道线拟合。实验表明,改进的去雾算法得到的图像清晰度与对比度更高,满足了车道线检测的准确性与实时性要求;去雾及车道线检测算法平均处理时间为297. 305 ms,满足无人驾驶时间要求。

基于天空区域分割和条件约束优化的图像去雾研究

针对雾天环境中成像设备拍摄的景物容易出现图像模糊、目标丢失、成像质量差等而引起图像识别率下降的问题,提出一种基于天空区域分割和条件约束优化的图像去雾方法,解决使用暗原色先验理论技术进行图像去雾而导致的天空区域出现晕圈和失真的现象。对图像进行预处理后,将图像划分为天空区域和非天空区域,用灰度直方图估计环境光,利用已知条件对非天空区域的透射率进行合理约束,通过自适应增加天空区域透射率的方法,避免天空区域出现严重的颜色失真现象,合并之后对这两部分的透射率进行滤波细化。结果表明:对于含有天空区域的雾天图像,使用本文算法去雾后的图像轮廓和细节上都有较大改进,能够达到去雾目的。这对于提高成像设备在雾天环境中的工作效率具有重要意义。

基于偏色校正和信息损失约束的沙尘暴降质图像增强算法

为了解决沙尘暴环境下拍摄的图像中存在的颜色偏移、对比度低等降质问题,提出基于偏色校正和信息损失约束的沙尘降质图像增强算法,主要包含偏色校正和对比度增强2个模块,在偏色校正模块中,通过分析沙尘降质图像的RGB 3个通道直方图分布特点,提出一个改进的基于高斯模型的偏色校正算法;在对比度增强模块中,通过结合基于暗通道先验和信息损失约束算法,提出一种基于大气散射模型的对比度增强算法.为了验证算法的有效性,通过与4种已有算法的大量实验结果对比发现:文中算法不但能够很好地增强不同种类的沙尘降质图像的对比度,而且可以有效地避免图像偏色现象,并且保持良好的色彩保真度和合适的亮度.

基于边界约束的煤矿井下尘雾图像去雾算法

现有煤矿井下图像去雾算法主要有基于图像增强的去雾算法、基于CNN的去雾算法和基于物理模型的去雾算法。前两者去雾效果差,易出现过曝光。基于物理模型的去雾算法依据大气散射模型对尘雾进行处理,但将基于暗通道的大气光值估计方法应用到煤矿井下环境中,选取的大气光值会较小,易造成图像过曝光、无法抑制点光源照射等问题。针对上述问题,将基于暗原色先验的图像去雾算法(He算法)与基于边界约束及上下文正则化的去雾算法(Meng算法)进行融合,提出了一种基于边界约束的煤矿井下尘雾图像去雾算法。首先,对输入的图像进行伽马校正,对校正后的图像进行颜色通道开运算处理,得到低分辨率的像素块,并从中选取最大亮度值作为煤矿井下的大气光值。其次,分别用He算法与Meng算法对伽马校正后的图像进行处理,对采用Meng算法得到的边界约束图进行引导滤波,得到更为清晰的边界约束图,并将Meng算法与He算法的粗透射率差值进行比较再融合。最后,对融合后的粗透射率进行上下文正则化得到细化透射率,根据得出的大气光值与细化后的透射率,通过大气散射模型得到去雾后的图像。仿真结果表明,基于边界约束的煤矿井下尘雾图像去雾算法没有出现过曝光等问题,且对浓雾图像的去雾效果更好,去雾后的图像也更明亮,颜色更加接近原图。采用峰值信噪比(PSNR)、结构相似性指标(SSIM)、特征相似性指标(FSIM)3种指标对去雾效果进行客观评价,结果表明,提出的算法在PSNR,SSIM,FSIM上相较于He算法平均提升了61.52%,36.51%,24.57%,相较于文献[9]算法平均提升了15.51%,19.27%,-0.30%,相较于Meng算法平均提升了18.93%,7.19%,1.21%,相较于文献[11]算法平均提升了18.29%,10.54%,1.19%,说明提出的算法在煤矿井下环境中去雾效果更好、图像更加明亮、细节信息保留更多。

基于边界约束的双滤波透射率优化图像去雾

在大雾条件下,密度不均匀的介质使得光在传输过程中形成散射、反射和衰减,图像出现严重的退化现象,导致无人机航拍获取图像信息存在困难。为了解决该问题,提出了一种基于边界约束的双滤波透射率优化图像去雾算法。首先,对图像进行颜色校正,增强图像的色彩鲜艳度;其次,根据传输函数的固有边界约束,进行边界约束构造,该约束与上下文正则化相结合,求解图像的初始化透射率,并对其反复求解进行细化;然后,将求解细化后的透射率进行高斯加权,将噪声干扰降到最低,经双边滤波器处理得到最优透射率;最后,对图像的全局大气光进行求值并运用暗通道理论方法对图像进行去雾处理,得到清晰化图像。主观视觉效果和客观数据实验分析表明,所提方法能够有效地去除退化图像中的雾化现象,与现有新颖的图像去雾算法相比具有显著的优越性。

结合边界约束和引导滤波的航空图像去雾算法

针对尘雾天气条件下,航空图像受大气粒子的散射作用而导致对比度和色彩保真度差等问题,提出一种结合边界约束和引导滤波的航空图像去雾方法。该方法基于暗通道优先原理估算出大气光强度,通过添加边界约束条件来解目标函数,进而求出透射率,再用引导滤波对透射率进行精细化调整,达到去雾目的。与Fattal、Tarel、He和Meng算法对比分析表明,本文方法运算速度快,能够提高图像的细节清晰度,增大去雾深度,有效克服颜色过饱和现象,去雾图像自然逼真。

高斯加权暗通道及边界约束的航空图像去雾算法

针对雾天情况下,所获取的航空图像清晰度和保真度易丢失,以致于目标难以被检测到的问题,提出了一种基于不同远近景的高斯加权融合暗通道图结合边界约束的图像去雾处理方法。首先在暗通道先验基础上构造不同远近景有不同权值的高斯加权函数,高斯函数对暗通道图在不同景深位置赋予不同权值,利用边界约束对场景透射率粗估计,再利用上下文正则化对场景透射率细化得到更准确的透射率值,最后得到复原的无雾图像。实验结果表明,该方法能够有效地复原出雾天图像的对比度和真实色彩,具有较强的鲁棒性。

基于天空区域分割和边界限制L0梯度最小化滤波的图像去雾算法

针对经典的暗原色理论算法在处理带有天空区域的雾天图像时会出现光晕和亮度损失的问题,该文提出基于天空区域分割和边界限制L0梯度最小化滤波的图像去雾算法。首先根据雾天图像的直方图特性分割出天空区域,求解全局大气背景光;其次,根据辐射立方体法则推导出边界限制条件,规整得到初始透射率图像,并运用L0梯度最小化方法对透射率图像进行平滑处理;最后,通过优化的暗原色理论模型求取增强后的图像。通过对算法的有效性、天空区域的失真和细节特征进行分析,发现该算法比改进的暗原色算法处理效果更好。

结合内外先验知识的低照度图像增强与去噪算法

目的现有大多数低照度图像增强算法会放大噪声,且用于极低照度图像时会出现亮度提升不足、色彩失真等问题。为此,提出一种基于Retinex(retina cortex)的增强与去噪方法。方法为了增强极低照度图像,首先利用暗通道先验原理估计场景的全局光照,若光照低于0.5,对图像进行初始光照校正;其次,提出一种Retinex顺序分解模型,使低照度图像中的噪声均体现在反射分量中,基于分解结果,利用Gamma校正求取增强后的噪声图像;最后,提出一种基于内外双重互补先验约束的去噪机制,利用非局部自相似性原理为反射分量构建内部先验约束,基于深度学习,为增强后的噪声图像构建外部先验约束,使内外约束相互制约。结果将本文算法与6种算法比较,在140幅普通低照度图像和162幅极低照度图像上(有正常曝光参考图像)进行主观视觉和客观指标评价比较,结果显示本文方法在亮度提升、色彩保真及去噪方面均有明显优势,对于普通低照度图像,BTMQI(blind tone-mapped quality index)和NIQE(natural image quality evaluator)指标均取得次优值,对于极低照度图像,NIQMC(no-reference image quality metric for contrast distortion)、峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity index,SSIM)3种指标均取得最优值,其他算法的峰值信噪比在8~18.35 dB,结构相似度在0.3~0.78,而本文算法可达到18.94 dB和0.82,优势明显。结论本文算法不仅可以增强不同光照条件下的低照度图像,还可以有效去除图像中的噪声,效果稳定。

基于边界限制加权最小二乘法滤波的雾天图像增强算法

针对经典的暗通道理论算法在处理雾天图像时天空区域出现光晕和亮度损失的问题,提出了一种基于边界限制加权最小二乘法滤波的雾天图像增强算法。该方法根据雾天图像的直方图特性,分割出天空区域,并求解出了全局大气背景光;根据辐射立方体法则推导出边界限制条件,得到了初始的透射率,运用加权最小二乘法滤波方法和容差机制,对透射率进行了平滑处理;利用暗通道理论的模型,求取了增强后的图像。研究结果表明,在去雾效果和图像的可视度方面,所提算法优于现有的暗通道算法。