用于眼底视网膜图像的去雾状杂散光算法

针对眼底视网膜图像存在雾状杂散光导致血管细节不清晰的问题,本文提出了一种基于暗通道理论并结合Gamma变换的眼底视网膜图像去雾算法,在不丢失血管细节信息的同时提高了图像的清晰度。该算法通过分别处理R、G、B通道来对图像去雾。首先,通过自适应窗口最小值滤波算法计算暗通道图像,按照亮度取前最大0.1%像素的平均值作为大气光照强度值;然后,求解图像的粗略透射率,并此基础上使用改进后的导向滤波算法对透射率进行优化;最后,通过大气散射模型和Gamma变换复原出无雾图像。实验结果表明,不同视场复原图像的信息熵、平均梯度分别平均提高18%、24%。本算法能够快速有效地去除眼底视网膜图像中存在的雾状杂散光,复原后的图像清晰自然,保留了视网膜血管细节信息。

基于天空检测和超像素分割的图像去雾方法

针对经典图像去雾算法在边缘区域易产生光晕效应、天空等明亮区域还原失真、色调偏移等问题,提出一种基于天空检测和超像素分割的改进暗通道图像去雾新方法(Dark Channel Prior based on Sky Detection and Super Pixel,SSPDCP).首先对雾图采用HSV变换提取亮度分量进行自适应阈值分割;然后应用图像连通分析技术识别天空域;接着利用天空域估计大气光值,针对天空和非天空区域分别建立各自的透射率计算模型,并基于构建的超像素级透射率融合模型获得融合透射率图,以促进边界区域的平滑过渡,采用多尺度引导滤波精化透射率图;最后应用大气散射模型完成图像复原并进行亮度增强处理,实现无雾图像的自然恢复.该方法识别的天空区域较为连续完整,以超像素代替方形窗口可以有效克服局部块效应的影响,大气光值和透射率图估计更为客观准确.从主观定性和客观定量评价方面来看,该方法复原的图像具有整体误差小、信噪比优良、结构相似度高等优势.本文所提出的图像去雾新方法能有效抑制边缘区域的光晕效应,且复原的天空区域明亮自然,图像去雾质量相比现有方法有进一步提升.

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。

基于自适应天空区域分割的图像去雾算法

针对暗通道算法在处理图像中天空区域时会出现色彩失真和光晕现象以及大气光值错误估计的问题,提出一种改进的暗通道先验去雾算法。利用雾图中天空区域的物理特征粗略分割图像天空区域,从天空区域中对大气光值进行估计;设计一种自适应双阈值分割方法用于天空区域的精细分割,提出一种基于亮通道先验的透射率估计方法,将亮通道先验模型估计的天空区域透射率值和暗通道先验模型估计的前景区域透射率值进行融合;引用一种快速引导滤波器对融合后的透射率进行边缘细化,基于大气散射模型完成图像的复原。实验结果表明,该算法很好地克服了暗通道算法的缺陷,保留了复原图像的视觉真实性。

一种用Sigmoid函数进行加权融合的图像去雾算法

为了解决图像去雾过程中在前景和天空区域过渡不平滑以及透射率融合不精确、恢复图像色彩不自然等问题,提出了一种用Sigmoid函数进行加权融合的图像去雾算法。该算法在R、G、B共3个通道上使用不同的衰减常数,并以Sigmoid作为权重函数将基于颜色衰减先验对天空区域的估计透射率和基于暗通道先验对前景区域的估计透射率进行融合,最后通过大气散射模型恢复出无雾图像。实验结果表明,该算法对包含有天空区域的雾图的去雾效果更优,复原后的图像清晰而且色彩自然,提升了图像的主观视觉效果,同时客观对比也表明了该算法的有效性和适用性。

基于改进AOD-Net网络模型的车载图像去雾方法

基于现有去雾算法存在去雾效果不佳和去雾效率低等问题,提出了一种改进AOD-Net网络模型。首先对输入图像进行随机噪声添加,提高图像模型去雾鲁棒性。接着对不同尺度的卷积核进行多线程处理,同时将图像中的特征信息提取,然后利用注意力机制进行权重分配,采集图像中的纹理信息和细腻化特征信息,提升图像的质量。最后对提取的特征信息利用AOD-Net模型的前两层卷积进行二次特征提取,估计出联合参数,输出去雾后的图像。实验结果表明,采用本算法得到的第一组和第二组图像峰值信噪比分别为20.05和16.92,结构相似性分别为0.85和0.83,IE熵值分别为7.48和7.75,各项数值均有提升,图像去雾效果更好,证明了本算法的有效性。

采用改进暗通道先验算法的高速公路能见度检测

为提升高速公路雾天能见度检测精度,考虑大气透光强度、透射率、大气消光系数和图像中某点到摄影机的实际距离,通过能见度检测原理改进现有的暗通道先验算法。首先结合矩形区域测距和实际场景物体大小来解决高速公路二维场景到三维场景重构的问题,并利用K⁃means聚类的方法,并找出聚类后的视频图像中分界线的最小景深点,结合所构建的测距模型得到该点到摄像机的实际距离。其次通过发现传统暗通道先验理论在求取大气透光强度方面的不足,提出了基于图像分割的局部熵法来求取大气透光强度,再利用暗通道先验理论求出透射率,然后由能见度检测原理计算出能见度。最后,根据日兰高速公路K113+000处雾天下的视频图像,对改进暗通道先验算法与传统暗通道先验算法进行实验对比,并以能见度检测仪的检测结果为参照。结果表明:当实际能见度为100 m左右时,改进算法检测的平均相对误差(MRE)为6.25%,比传统算法减小了2.38%;当实际能见度为150 m左右时,改进算法检测的MRE为6.17%,比传统算法减小了3.06%;当实际能见度为200 m左右时,改进算法检测的MRE为5.71%,比传统算法的减小了3.41%。随着光照强度的增加,改进暗通道先验法的检测精度提升越来越明显,能更好地适应日间大雾天气下的高速公路。

基于光线散射衰减模型的低照度图像增强

针对传统图像增强算法在总体照度低且光照分布不均的环境内易造成图像过度增强和自然度保存能力弱的问题,提出了一种基于光线散射衰减模型的低照度图像增强算法。首先,本文提出了光线散射衰减模型,该模型合理解释了非均匀光照分布的成像过程,其次,通过Max-RGB滤波器分别估计每个像素的照度,初始化照明图,然后,根据光照随图像分割区域入射角、入射距离平滑衰减的特性,利用深度信息和梯度信息优化光照分量,获得精确照明图;此外,利用暗通道先验中的透射率所具有的局部相似性来约束反射分量估计;最后,通过提出的光线散射衰减模型融合优化光照分量和反射分量,获得最终的低照度增强图像。通过与NPE,LIME,HE,ALSM,MSRCR,MF,WV_SIRE算法比较,在不同场景的低照度图像上,无参考各向异性质量评估器(BIQAA)最大为0.019 6,模糊检测累积概率(CPBD)最大为0.680 1,无参考空间域图像质量评估器(BRISQUE)最小为21.471 5,自然图像质量评估器(NIQE)最小为2.699 5,综合性能优于其他对比算法。实验结果表明,本文算法能够有效抑制噪声,提高图像对比度和亮度,更好地保留图像自然度。

融合暗通道先验的去雾目标跟踪算法

针对雾霾场景下,拍摄图像出现质量下降和背景信息模糊导致的跟踪漂移问题。在孪生网络框架下,融合暗通道先验提出一种新的去雾目标跟踪算法。通过对输入的模板图像和搜索区域图像去雾,继而利用卷积神经网络对其进行特征提取,根据其特征相似度匹配程度估计目标位置。此外,针对有雾场景数据集不足问题,在已有测试数据集OTB100的基础上人工合成有雾数据集(OTB-H、OTB-M、OTB-L),最后在各数据集上与现有算法进行对比实验。实验结果表明该算法在雾霾场景下有着更出色的跟踪性能,在数据集OTB-H下跟踪精确度为0.713,跟踪成功率为0.519,相比于SiamFC跟踪精确度提升了35.6%,成功率提升了33.4%,且满足实时性的要求。

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。

基于改进分布估计的算法在井下监控系统中的应用研究

视频监控系统在煤矿井下综采工作中应用广泛,而视频监控采集图像质量的高低直接决定工作人员安全和生产工作效率。目前,受井下粉尘、水汽和光源分布不均等因素的影响,采集的图像信息存在雾气较大、图像过曝光和对比度低的问题。传统的暗通道先验去雾算法具有计算速度快、修复效果好的优点,广泛应用于井下去雾,但在处理煤矿井下尘雾大、光源分布不均的图像时会导致图像信息大量丢失和光源区域纹理受损等问题。针对这些问题,提出了一种改进透射率分布估计的井下去雾算法。通过利用暗态点光源模型,结合暗通道可信度权值因子和最优暗通道去雾图像,对透射率分布进行改进,对井下有雾图像进行去雾处理。试验结果表明,改进的透射率分布估计去雾算法相较于Retinex算法,峰值信噪比、信息熵、标准差和平均梯度分别提高了16.25%、31.39%、17.17%、48.47%,相较于传统暗通道先验去雾算法分别提高了47.24%、35.24%、21.64%、51.79%。实验数据表明改进的透射率分布估计去雾算法处理后的井下图像纹理细节损失小,对比度和清晰度都得到了有效提升。

改进Retinex算法的带雾航片去雾与三维建模研究

针对航测作业过程中遇到云雾等恶劣气候条件时,会产生影像色彩失真、饱和度低、背景模糊不清等问题,本文进行了影像去雾与影像增强算法的研究,提出了一种改进Retinex算法,并以重庆某山区为例,与两种传统经典算法进行比较分析。结果表明,本文算法可对带雾影像进行有效处理,获得更真实准确的细节、更清晰真实的光感色彩;使用去雾与增强后的影像进行三维建模,从而生成高分辨率三维网格。分别从主观和客观开展对影像效果的评价,所得到的优化影像与三维模型都有良好的效果。

基于暗原色先验模型的Retinex算法

现有雾天图像增强的Retinex算法采用固定滤波器,无法适应多种景深和雾化程度的情况.对此,本文提出一种基于暗原色先验模型的Retinex算法.暗原色先验模型反映了雾天图像中雾的分布与景深信息.受此启发,根据局部区域暗原色值设计一种尺度可变滤波器,针对不同景深和雾化区域采用不同尺度的滤波器估算雾天图像的照度分量,实现对雾天图像的增强.分别使用主观观察和客观数据分析方法,将本文算法与HE算法、固定尺度MSR算法进行对比,本文算法在细节增强以及图像整体效果上均优于HE算法和固定尺度MSR算法.

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.

基于改进暗原色先验模型的快速图像去雾方法

为了解决雾天图像质量退化问题,结合改进的暗原色原理与容差机制提出一种快速图像去雾算法。该算法首先基于暗原色先验估计大气参数,然后利用插值算法和最大最小估计法改进暗原色先验模型进而准确计算出不同场景深度的透射率,最后结合容差机制基于大气散射模型恢复无雾图像。实验结果表明,相比于原有的暗原色先验算法,该算法的计算速度可提高至少30倍,并且能够同时实现明亮与暗色区域的有效去雾,去雾图像清晰自然。基于插值算法与最大最小估计法改进的暗原色先验去雾模型可同时保证去雾处理的鲁棒性和实时性。

基于先验知识与大气散射模型的图像增强算法

针对现有图像增强算法大多不具备处理多种类型降质图像的能力,提出一种基于先验知识与大气散射模型的快速图像增强算法.首先,通过大量实验统计,提出一种新的图像先验—明亮通道先验,即高质量清晰图像中每个像素邻域都极有可能存在白点;随后,对散射模型所存在的缺陷加以改进,并结合明亮通道先验与黑色通道先验,推导出场景反射率的恢复公式;最后,针对黑色通道先验失效情况,提出一种基于可靠性预测的容错机制,以提高其适用范围.实验结果表明:本文算法不但可以有效的突出纹理细节,还具有一定的色调恢复功能,能够处理多种不同类型的降质图像.

基于邻域相似性的暗原色先验图像去雾方法

针对雾天图像对比度和颜色严重退化的问题,提出了一种应用暗原色先验去雾的简便方法。该方法首先根据暗原色先验得到雾天透射率图;然后,通过暗原色值与邻域暗色值的差值来判断边缘,取颜色最相近点的暗色值为新的暗原色值,同时利用暗原色图像直方图自动获得大气光线值;最后,根据大气散射模型得到清晰图像。实验证明,该方法能够有效去除雾对图像的影响。

改进的基于雾气理论的视频去雾

为了进一步提高有雾视频的可用性,提出了一种改进的基于雾气理论的视频去雾方法。该方法以雾气理论为基础,利用暗原色先验知识以及Retinex方法和图像融合的方式,将从视频背景图像求取的大气光值和介质传播图应用于视频的所有帧以便去除雾气。从主观定性评价、客观定量评价和运算速度3个方面对视频去雾效果进行了评价。结果表明,对分辨率为480×640的视频,本文方法的运算速度为5.45frame/s,不仅获得了较快的处理速度且能有效避免复原视频中出现颜色跳变的现象。由于本文采用区间估计的方式对大气光值进行估计,同时利用图像复原和图像增强的方法求取介质传播图,因此,复原视频的清晰度和对比度比典型的视频去雾方法有所提高,颜色效果也比较好。

基于物理模型的低照度图像增强算法

针对低照度图像反转后为与雾天图像相似的伪雾图,其雾的浓度由光照情况而非景深决定这一特点,提出一种基于物理模型的低照度图像增强算法。该算法根据光照情况给出一种更加准确且快速的新方法估计伪雾图的透射率。首先,采用暗原色先验规律对伪雾图的环境光值进行估计,并基于光照情况对透射率进行估计;然后,基于大气散射模型还原出无雾图像;最后,对无雾图像反转得到低照度图像的增强结果,并对该结果进行细节补偿得到最终的增强图像。大量实验表明,与基于暗原色先验的增强算法、基于去雾技术的增强算法及带色彩恢复的多尺度Retinex算法相比,该算法处理效率更高且效果良好,信息不会丢失,可有效提高图像分析识别等系统的工作效率。

快速去除单幅图像雾霾的算法

运用黑色通道先验知识(DCP)计算出整体大气光,然后通过该整体大气光和估计的大气散射光求解出介质传输率,最后由大气衰减模型得到复原结果。该算法集DCP估算整体大气光较为精确的优点和大气散射光计算快速的优点于一体。实验结果表明,该算法不仅能在视觉效果上取得较好的复原结果,而且使得去除雾霾的时间大大缩短。