基于引导滤波的车载视频图像去雾简化模型

为解决现有视频去雾模型计算量大、运算速度慢且只能处理单幅图像的问题,提出了基于引导滤波的车载视频图像去雾简化模型。对光能的大气衰减指数定律和雾霾退化的物理模型进行修正得到去雾简化模型,利用灰度图法和引导滤波法确定了模型中的雾气浓度系数和环境大气光强度,最后利用计算机仿真对去雾简化模型进行验证,结果显示,模型对连续的视频帧去雾效果显著。

基于去雾模型的红外图像对比度增强

为实现室外模糊红外图像对比度增强,提出一种基于去雾模型的红外图像增强方法。结合红外图像特点,对可见光去雾增强方法进行改进优化。采用三级高斯金字塔分解扩展实现图像快速均值滤波,获取透射率粗估计;通过图像统计信息自适应细化透射率,恢复出无雾图像;针对无雾图像整体亮度较暗现象,进一步采用背景抑制的分段对比度增强。实验结果表明:增强后图像细节信息突出,层次感丰富,人眼视觉效果良好。客观测评结果表明,该算法能有效增强红外图像对比度。嵌入式平台测试耗时28ms,可以实现实时红外图像增强处理。

融合暗通道先验与循环生成对抗网络的航海图像去雾模型

为解决基于视觉的船舶智能感知系统在海雾悬浮颗粒的散射作用下,图像信息可见度与对比度明显下降,目标检测、目标跟踪和语义分割等高层视觉任务受到严重影响,导致无法检测到目标或跟踪目标丢失的问题,创建了Maritime Haze数据集,并结合物理模型和深度学习方法,提出了融合暗通道先验知识的循环生成对抗网络图像去雾模型;利用暗通道先验去雾算法将图像分解输出透射图和去雾图像,再通过循环生成对抗网络的生成器和判别器对暗通道先验输出进行处理和判断,从而生成更好的去雾图像。实验表明,该模型峰值信噪比(PSNR)和结构相似性(SSMI)的评价指标分别达24.73和0.943,优于PSD的23.34(PSNR)和0.921(SSMI)以及CycleGAN的19.19(PSNR)和0.584(SSMI),并在视觉效果上展示出最佳的清晰度和色彩真实性,在航海图像去雾领域领先其他方法。

基于二阶变分模型的图像去雾

基于暗原色先验理论的算法可以对不同场景下的雾天图像进行有效去雾,但是去雾后图像通常含有噪声且部分细节保持效果欠佳.二阶变分模型以二阶导数为正则项,可用于图像去噪,具有良好的边缘保持效果.文中首先通过暗原色先验方法估算出有雾图像大气光值与原始的透射率图,然后将非线性扩散模型运用到透射率图的求解中,再将其分别与二阶变分模型拉普拉斯变分模型、Hessian矩阵变分模型、总广义变分模型、总曲率变分模型结合,提出了4种二阶去雾模型(H-LV模型、H-HMV模型、H-TGV模型和H-TCV模型).为了提高计算效率,文中为4种模型设计了相应的交换方向乘子算法,通过引入辅助变量,使拉格朗日乘子不断更新迭代,直到能量方程收敛,输出去雾图像.最后采用LIVEImageDefogging图像数据库对所提模型和算法进行了实验验证.结果表明,所提图像去雾变分模型得到的图像边缘保持良好,并能抑制图像噪声.

基于HSI颜色空间的单幅图像去雾算法

针对有雾图像对比度差、能见度低的情况,结合HSI颜色空间特点,提出一种单幅图像去雾算法。首先,将有雾图像从RGB颜色空间转换到HSI颜色空间;然后,依据HSI颜色空间中色度、饱和度和亮度各分量受雾影响程度的差异,建立相应的去雾模型;最后,通过分析图像饱和度,得到饱和度模型中权重的取值范围,再对亮度模型中权重进行估计,从而实现去雾效果。与其他几种算法的实验结果比较表明,所提算法运算效率提高1倍左右。同时该算法能有效增强图像清晰度,能很好地运用于单幅图像去雾。

基于暗原色先验原理的偏振图像浓雾去除算法

在浓雾天气下,针对基于常规偏振特性去雾算法去雾效果不理想的特点,提出了一种基于暗原色先验原理的颜色空间转化算法去除偏振图像的浓雾。相比传统的成像技术,偏振图像探测技术在复杂环境下的目标探测和识别处理具有独特的优势,偏振图像通常采用强度图、偏振度图、偏振角图来表征目标的偏振信息。为了达到偏振信息与去雾模型相结合的目的,采用一种颜色空间转化的方法,首先把偏振信息转化到HIS颜色空间对应的亮度、色度、饱和度等各分量中,再把HIS颜色空间映射到RGB空间;其次,结合雾霾图像的大气散射模型用暗原色先验原理求图像的暗通道图;最后,在图像的稀疏先验基础上用softmatting算法细化修正大气传输率。实验结果表明,在能见度很低时,去雾后图像的标准差、信息熵、平均梯度等指标比现有的偏振去雾技术提高很多,该方法能有效增强浓雾天气下图像的整体对比度,提高偏振图像的目标识别能力。

卫星图像的去雾研究

雾滴的散射通过三个方面对图像产生影响:雾滴对成像光线的透射衰减,空气光即非成像光线的散射及雾滴的多次散射。本文根据卫星图像中雾的特点及其对图像的影响,通过分析提出一种去雾的方法,该方法克服现有去雾模型的局限。实验表明该方法取得很好的去雾效果。

基于混合对比度增强的户外图像去雾方法

雾天拍摄的户外场景图像对比度和色彩降质严重,影响了视觉监控系统的可靠性和鲁棒性。针对雾天图像灰度动态范围较窄、对比度差的问题,为提高视觉精确性,提出一种基于混合对比度增强的户外降质图像去雾方法。在分析雾天图像特征的基础上,给出了一种全局去雾模型,然后基于遗传算法的全局搜索优势,对图像进行全局优化去雾处理。根据雾天图像降质与深度密切相关的先验知识,研究了一种模糊邻域对比度增强方法,进一步实现局部细节的增强处理,并进行仿真。结果表明,提出的混合去雾方法实现简单,能够有效增强雾天降质图像的全局对比度和细节结构,较好地改善视觉效果。

全局参数估计的颜色空间转换偏振去雾算法

雾霾环境下,由于空气中悬浮颗粒等物质的散射作用导致探测器获取的图像质量下降.针对雾霾天气图像退化问题提出一种全局参数估计的颜色空间转换偏振去雾算法.首先,通过求取表征偏振信息的强度图、偏振度图和偏振角图,将其映射到HSI颜色空间增强目标特征信息,再将HSI颜色空间转换到RGB空间;其次,通过导向滤波优化暗原色先验原理求取的透射率图,运用形态学方法重建图像求取局部极大值自动估算无穷远处大气光值;接着结合优化后的透射率图估算大气光偏振度信息,并通过归一化互信息对大气光偏振度进行优化;最后通过偏振去雾模型恢复雾霾导致的退化图像.通过信息熵、平均梯度和灰度方差三个指标结果可以看出此算法要优于其他的算法,解决了人工估算参数产生误差的问题,能够明显提升雾霾图像的质量.

无人机外挂红外镜头的图像清晰化算法

以红外成像研究为出发点,根据红外图像背景、数据集和算法模型的发展方向,对红外图像增强技术展开研究,以可见光去雾模型为参照,提出了一种新的红外图像清晰化算法,并进行了具体实验。经图像清晰度评价指标的计算与评估,表明该算法有不错的去雾效果,在一定程度上解决了无人机在雨雾天气下因镜头积水积雾导致的图像数据采集效果不佳的问题,有较强的实用意义。

改进金字塔融合技术的低照度图像色彩恢复和细节提取

针对低照度图像亮度大、色彩不均衡的现象进行了改进金字塔融合技术的低照度图像色彩恢复算子的研究。该算法将原图和用去雾模型或MSRCR改善后的预处理图用金子塔技术将色彩对比度、饱和度、曝光亮度三者融合到金字塔算法中,并根据图像的信息赋予了不同的权重参数,从而能够有效地解决传统低照度图像色彩增强存在的问题。提出一种CIELAB通道内用加权最小二乘数的保边平滑滤波器平滑L通道的图像,设置不同的色调映射的参数值来提升图像细节信息的算子,使夜视中图像的信息更显眼和真实。实验结果表明,所提算法在低照度图像色彩增强中有了很好的效果,并在信息熵和PSNR评价取得了约10%的质量提升。所选择三种不同类型的图像进行实验,图形质量都得到了提高,也表明所提算法具有一定普适性。

基于区域显著性识别的弱光照图像增强方法研究

针对在弱光照条件下所采集的图像出现纹理缺失、对比度低等问题,提出了一种基于区域显著性识别的图像增强方法。对图像过度增强或部分区域增强不足问题,通过构建图像显著性特征图识别出图像中的显著区域和非显著区域,对基于暗通道先验估计出反转图像的透射图进行修正,从而通过去雾增强模型获得初步增强图像。最后通过改进的多尺度视网膜皮层(Multi-Scale Retinex,MSR)算法提高图像的整体亮度。通过主观及客观实验对比表明,该方法有效地降低了色彩失真的影响,突出了图像细节,使弱光照彩色图像具有更好的视觉效果。

一种基于反转融合框架的图像曝光校正方法

针对单幅图像中存在非正常曝光的问题,在去雾模型能够有效解决图像曝光校正问题的理论指导下,对去雾模型中的透射率进行改进,提出了一种基于反转融合框架的图像曝光校正方法。首先,对过度曝光的局部高亮光源进行雾度建模,采用改进去雾模型完成过度曝光校正任务;针对曝光不足校正问题,通过反转操作得到伪雾图像。然后联合去雾模型及视网膜大脑皮层(Retinex)理论和去雾方法间的对偶性得到曝光不足区域校正的结果图像。最后,借助多尺度图像融合技术生成新的金字塔权重图,利用拉普拉斯金字塔重建图像得到最终的校正结果。将所提方法与四种主流图像校正方法进行对比,结果表明,该方法能够有效解决单幅图像中的非正常曝光问题,并且最大限度减少图像失真、光晕伪影等因素的干扰。

基于双通道先验和光照图引导滤波的图像增强

针对低照度图像增强过程中存在的光晕伪影、边缘细节丢失和噪声放大等问题,提出了一种结合双通道先验和光照图引导滤波的图像增强算法。传统去雾物理模型仅基于暗通道先验进行图像增强,局部区域景深不同,进而导致图像过曝和光晕伪影等问题。针对该问题,采取亮暗双通道结合的方法求取大气光值和透射率。对于边缘信息易丢失的问题,采取光照图梯度域引导滤波来改善细化透射率。对于增强过程中噪声放大的问题,采取BM3D滤波进行去噪。实验结果表明,在不同情况下的低照度图像中,该算法相对于其他低照度增强算法,在去噪、光晕消除、亮度调整和边缘保持等方面都有明显的提升。