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.

基于暗通道先验的全局去雾算法

针对雾天采集到的图像存在清晰度低、对比度低等问题,提出一种基于暗通道先验的全局去雾算法。该算法首先获取图像RGB整体均值与各个通道之间的均值关系,以及RGB通道中每个像素点与其相对应通道光照均值之间的关系,结合大气散射模型进行恢复。实验表明,该算法进行在去雾效果上提升了图像的对比度和清晰度,并提高了图像的细节信息。

针对明亮区域的自适应全局暗原色先验去雾

针对暗原色先验去雾算法对明亮区域失效,以及分块求取暗原色存在的块状效应、Halo现象和运算复杂度较高等问题,提出了一种基于自适应参数的全局暗原色先验去雾算法。该算法采用全局暗原色操作取代分块处理,并通过模糊逻辑控制器自适应估计明亮区域的容差参数和透射率调整因子;在非明亮区域求取大气光强度后,根据自适应容差纠正明亮区域被错误估计的透射率。与常用的3种图像复原去雾算法进行了比较,结果表明:该算法去雾图像的主观视觉效果较好,且图像对比度、信息熵和平均梯度3方面的客观评价结果也明显优于其它3种对比算法。该算法可有效解决明亮区域失真和分块处理带来的上述问题,在不增加曝光处理情况下也能获得较好的去雾效果,运算效率也有较大提升。