基于超像素图像分割的暗通道先验去雾改进算法

本文针对暗通道先验去雾算法在天空等明亮区域存在明显的噪声放大和色彩失真的问题,从大气散射模型和暗通道先验理论出发修正大气光值和非暗通道区域透射率,提出了基于超像素图像分割的暗通道先验去雾改进算法.本文算法基于大气散射模型和暗通道先验理论建立雾天成像模型;通过超像素阈值分割算法将图像分为暗通道区域和非暗通道区域,暗通道区域(Dark Channel Region,DCR)即图像中符合暗通道先验理论的部分,非暗通道区域(Non-Dark Channel Region,NDCR)即图像中不符合暗通道先验理论的部分;再分别通过非暗通道区域和暗通道区域的超像素,估计全局大气光值,修正非暗通道区域透射率;最终根据大气散射模型恢复无雾图像.本文算法提高了全局大气光值的准确性,有效抑制了天空等非暗通道区域的失真,复原图像更加清晰自然,增强了视觉效果.主观和客观评价的实验表明,本文算法能够取得比传统算法更优的去雾效果.

基于明亮区域分割的图像去雾算法

针对暗通道先验去雾中存在的光晕和色彩失真问题,提出一种基于明亮区域分割的图像去雾算法。首先通过亮度阈值分割和区域生长将雾天图像分割为明亮区域与非明亮区域;然后用亮通道先验和超像素分别改进明亮区域和非明亮区域透射率的计算公式;再用加权融合的方法将这两个区域的透射率进行融合得到粗略的透射率,使用引导滤波对其进行优化,同时对雾天图像进行四叉树分割,取最终分割区域像素的亮度平均值为大气光值,通过大气散射模型复原去雾图像。实验结果表明,改进后去雾图像的峰值信噪比与改进前相比提高了6.5%,信息熵提高了2.1%,新增可见边之比提高了5.5%,梯度均值提高了5.3%。本文改进算法能够解决暗通道先验去雾中的问题,得到清晰且对比度高的去雾图像。

基于注意力机制的特征融合的暗图像增强网络

暗图像能见度低、颜色失真、细节丢失,会对计算机视觉应用造成干扰。提出了基于无参注意力、高效通道注意力、像素注意力和通道注意力的特征融合的暗图像增强网络。提出的网络使用对抗式训练,具有提高图像亮度、增强图像颜色内容和细节信息的能力。算法增强结果的结构相似度(PSNR)和峰值信噪比(SSIM)均优于所对比的算法。

基于PSO-RBF神经网络的雾霾车牌识别算法研究

给出一种雾霾环境下车牌识别改进算法.首先利用改进的暗原色先验法对雾霾天气下的车牌图像进行去雾处理;然后经预处理、定位、分割与提取,得到粗网格特征矩阵;最后采用经粒子群算法优化的径向基函数神经网络进行识别.实验结果表明,系统去雾效果良好,且能缩短去雾处理的时间,有效提高雾霾天气下车牌识别的速度和准确率.

基于加权融合策略的单幅图像去雾算法

基于暗元先验的去雾算法在利用边缘保护操作消除景深突变处产生的光晕现象时没有区分边缘的类型,导致了透射率的估计不合理,降低了去雾的质量。提出一种基于加权融合策略的透射率估计方法,通过块级暗通道和像素级暗通道的相关特性获取景深信息导向图,从而在景深突变处和非景深突变的局部合理选取像素级暗通道和块级暗通道,保护了景深边缘处的突变性,同时减少了局部纹理边缘噪声的影响,获得了更准确的透射率估计结果。实验结果表明,该算法能有效避免光晕现象,改善局部细节模糊的问题,得到更优的去雾视觉效果。

曝光融合在单幅图像去雾中的应用

针对雾天拍摄图像的降质现象,提出一种简单、有效的单幅图像去雾算法。首先利用暗原色先验知识估计出大气光亮度;然后根据雾天图像的成像物理模型,对每一像素的景深进行较高精度的亚采样,生成对应的虚拟无雾图像备选序列;最后,根据曝光融合算法提出的像素曝光评价指标,利用多分辨率形式的图像融合方法从备选序列中提取出清晰的无雾图像。实验结果表明,该算法既保证了复原图像清晰度,又具有较好的实时性。

基于超像素暗通道和改进导向滤波的农业图像去雾方法

针对传统暗通道先验算法运算速度慢以及适用性差的问题,提出了一种基于超像素级暗通道先验和自适应容差机制改进导向滤波算法的农业图像去雾方法。首先利用超像素分割获得具有一致颜色和亮度属性的超像素块并估计不规则区域块的透射率,引入导向滤波算法并利用自适应平滑参数细化透射率得到更为细致的边缘信息,加入自适应容差机制,使其能够根据图像明亮区域的变化和雾霾的浓度对透射率进行自适应补偿修正,得到最优透射率。最后对局部大气光估计和适应性调整,根据大气散射模型得到质量更高的复原图像。试验以6幅农业场景图像为例进行去雾研究,采用主观和客观评价指标评价去雾结果,与传统去雾算法相比,本文方法恢复的图像色彩更真实,细节更丰富,并且在一定像素范围内具有较高的实时性,可为农情信息解析提供研究基础。

改进的暗原色先验理论视频去雾算法研究

针对暗原色先验算法出现的边缘残雾、天空区域彩色失真、去雾后图像偏暗以及实时性差等问题,提出了一种基于点暗原色先验和引导滤波的视频去雾算法。采用逐点式最小值滤波来消除块效应,并利用四叉树法来快速准确地估计大气光值,结合直方图均衡化技术来增强图像,改善视觉效果,同时利用图像采样技术和引导滤波优化算法提高速度。实验结果显示,该算法的去雾图像清晰,运算量小,适用范围广,鲁棒性好,适合实时视频去雾。

基于暗通道先验的图像去雾算法改进研究

目前,基于暗通道先验原理的图像去雾能够取得较好效果,但仍存在图像景物交界处产生光晕、天空及白色物体区域去雾后色彩失真等问题。鉴于此,提出改进的基于暗通道先验去雾算法:首先,对暗通道图进行非重叠式滤波,消除最小值滤波导致图像交界边缘产生的光晕;然后,对输入雾霾图像进行直方图分析,能够自适应获得分割天空区域的亮度阈值;再对透射率图天空区域进行像素变换,去雾后可消除颜色失真;最后,采用非线性亮度提高的方法提升去雾图像的视觉效果。结果表明,改进算法去雾后的图像真实、天空自然。

一种基于FPGA的实时去雾系统建模与设计

雾霾会导致视频图像质量下降,对比度降低,使其显得模糊不清,这为视频图像的观看以及特征提取增加了困难.针对这一问题,使用现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)芯片,利用基于模型的设计方法搭建了一套实时去雾系统.首先针对FPGA芯片性能特性,对暗通道先验原理公式进行研究及优化,然后根据优化后的公式,在Simulink环境下利用Vision HDL Toolbox工具,搭建了基于像素流处理的去雾算法模型,之后通过Matlab自动代码生成的功能自动生成Verilog代码,烧录到FPGA芯片中,最后对设计的实时去雾系统进行实验.实验结果表明,该系统可对480p、60帧/秒的视频图像进行去雾处理,且具有良好的实时性,以及较低的功耗.

一种高分辨率遥感图像去雾霾方法

基于遥感多光谱图像中不同谱段对雾霾的不同探测能力,利用对雾霾敏感的蓝谱段构建了雾霾图和非雾霾图;利用对雾霾不敏感的红谱段并采用mean-shift分割来识别亮目标,并对雾霾图进行了修正和补偿,完成了去雾霾处理。以国产高分辨率遥感图像为测试对象,基于常用高分辨率遥感图像质量参数对校正效果进行了评价。研究结果表明,各谱段去雾霾处理后遥感图像质量参数较校正前均得到了提升,非雾霾区域校正后的图像光谱色彩特征与校正前保持了良好的一致性,校正后雾霾区域的细节信息得到了恢复。

基于各向异性扩散的单幅图像去雾算法

针对单幅图像去雾算法容易产生光晕现象且去雾后图像细节不突出的问题,提出了一种基于各向异性扩散的去雾算法.首先在基于像素的暗通道先验假设的基础上计算出初始大气传输函数,使用Perona-Malik偏微分方程模型求解出精细化的大气传输函数,再经过最小值校正,最终得到准确的大气传输函数。为了估计大气光,对基于像素的亮通道图像进行像素排序,从中选取出可靠的大气光向量。实验结果表明,提出的算法能够恢复更多的图像细节,同时有效地抑制了光晕现象。

结合天空分割和超像素级暗通道的图像去雾算法

为了提升去雾图像质量,提出了一种基于天空分割和超像素级暗通道的单幅图像去雾方法。首先提出一种简单有效的多阈值天空分割方法,可将图像划分为天空区域和非天空区域;其次,根据天空区域估计大气光值;然后分别估计两类区域的透射率,对天空区域利用该区域无雾和有雾时暗通道值间的线性关系直接估计其透射率,对非天空区域则通过计算超像素级暗通道值来估计透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,与现有方法相比,本文方法能更准确地分割天空且阈值自适应性强,大气光和透射率估计也更准确高效。采用本文方法得到的去雾图像具有对比度高、颜色自然、细节清晰等优点。

基于暗通道先验的自适应超像素去雾算法

传统基于暗通道先验的图像去雾算法不能有效去除有雾图像在景深突变处的雾点,边界处容易引起光晕效应,对此提出一种基于暗通道先验的自适应超像素去雾算法.首先,在暗通道的获取过程中引入自适应方法判断当前像素邻域内是否具有多个景深物体,若仅存在相同景深物体,则直接求取此像素的暗通道,若存在多个景深物体,则引入超像素分割算法区分不同景深物体,减小景深变化对暗通道获取的影响,以求取更准确的暗通道;然后,估计粗略的透射率,并根据上下文约束细化透射率;最后,通过图像降质的逆过程求解去雾图像.实验结果表明,所提出的算法与暗通道先验单幅图像去雾(DCP)算法、基于边界邻域最大值滤波的快速图像去雾(EMDCP)算法、基于自适应暗原色的单幅图像去雾(ADCP)算法、带边界约束和上下文正则化的高效图像去雾(BCCR)算法相比,可将客观质量综合评价准则提高10%,能够抑制光晕效应,提高有雾图像的视觉效果.

基于暗原色先验的图像快速去雾

目的针对暗原色先验去雾算法出现的边缘残雾、天空色彩失真以及速度较慢问题,提出一种快速有效的图像去雾算法。方法舍弃传统分块的思想,采用逐像素处理的方法估计透射率,并对估计值过低的透射率进行适当的增强。大气光采用效率更高的四叉树算法来求解。结果有效地解决了边缘残雾和天空色彩失真问题,相比其他算法,去雾后的视觉效果有所提升。透射率和大气光的求解速度都得到一定程度的提高,去雾速度是暗原色先验去雾算法的近4倍。结论实验结果表明,本文算法在保证良好去雾效果的前提下能大幅提升去雾的效率,节省去雾所花费的时间。对于大部分有雾图像,本文算法都能够达到较好的去雾效果,但在处理具有较大景深的图像时,远景部分的去雾效果欠佳。鉴于速度上的优势,本文算法适用于对实时性要求比较高的去雾场合。

基于全变分和暗像素双正则多通道图像盲复原

基于单一全变分正则的多通道图像盲复原算法容易使复原图像产生振铃效应、丢失高频细节信息。针对这个问题,利用模糊图像暗像素的非稀疏性,提出一种基于全变分和暗像素的多通道图像盲复原算法。针对全变分和暗像素双正则模型求解难的问题,使用分裂Bregman优化算法确保结果收敛,将全局问题分解为独立的子问题,通过交替迭代图像和点扩展函数复原出目标图像。实验结果表明,所提算法能够有效去除图像模糊,抑制振铃效应,复原出高质量的清晰图像。与采用单一全变分正则项的算法相比,所提算法的峰值信噪比提高了0.12 dB^5.86 dB,结构相似度提高了0.014~0.125。

基于雾线暗通道先验改进的图像去雾算法

针对现有图像去雾算法中大气光值和透射率估计不准确导致图像去雾后失真的问题,提出了一种基于雾线暗通道先验改进的图像去雾算法。首先,根据HSV空间雾浓度与亮度和饱和度差值的关系计算图像的全局相对雾浓度,并结合暗通道图对应的高像素值来设置能够自动选择合适的大气光值的权重系数;其次,利用暗通道先验得到的粗略透射率值对每条雾线中最大半径透射率进行修正,然后引入容差参数对明亮像素的透射率进行优化,引入快速引导滤波对透射率图进行进一步优化;最后,根据大气散射模型获得最终的无雾图像。实验结果表明,所提去雾算法在主观视觉效果和客观数据上均优于其他算法。