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.

基于大气光鲁棒估计的无人机图像去雾方法

针对无人机(UAV)获取的图像易受雾、霾等天气影响导致图像质量降低的问题,本文提出一种基于大气光鲁棒估计的无人机图像去雾方法。首先,选取具有不同表面反照率的像素块,得到各个图像块的像素直线,利用各条像素直线与大气光共面的性质,估计得到大气光的方向;然后,利用无人机对地成像时图像各像素点的景深相似的特点,定义了图像的全局透射率,通过全局透射率和各像素直线在大气光方向上的投影计算得到大气光幅度;最后,通过对雾天图像模型进行变换得到无雾图像。为使本文方法适用于不同类型的图像,采用了自动调整图像块尺寸和条件阈值等措施来提高方法的鲁棒性。通过真实无人机图像的去雾实验证明,相比现有的图像去雾方法,本文方法在去雾的视觉效果和客观评价指标上都有较大的提升。

基于暗原色先验的无人机遥感图像去雾算法

无人机航拍、测绘等技术以其诸多优点,得到越来越广泛的应用。但在部分地区因天气条件或大气污染等因素雾、霾天较多,使得采集的图像严重降质。针对该问题,提出一种基于物理模型的无人机遥感图像去雾算法。首先,通过比较无人机遥感图像和普通景物图像,归纳无人机遥感图像的主要特点,根据这些特点并结合现有一些去雾算法的优点,给出了大气光矢量的模、大气光矢量的方向、全局透射率等去雾参数的计算方法。实验结果显示,该算法能够在多个指标上取得较好的效果。这表明该算法有效可行。