一种计算图像暗通道的优化算法

图像的暗通道是由图像的分块区域中最低颜色分量值组成的图像通道。图像的暗通道在图像去雾、估算物体距离和计算图像中雾霾浓度等方面有着重要的作用。根据暗通道定义计算图像暗通道时,图像中的每一个像素点都需要被处理,算法比较耗时。针对这一缺点,进一步分析暗通道的原有计算方法,提出一种基于暗点优先膨胀的计算图像暗通道优化算法。实验结果表明,该优化算法只需要处理部分像素点就可以得到与原算法相同的结果,并在处理速度上比原算法提高了一个数量级。

无人机视角下的红外图像去模糊算法

针对油气长输管道采用无人机巡检时所拍摄的红外图像去模糊问题,利用图像通道的先验知识提升模糊图像质量,分别基于双边滤波和非盲去模糊网络NBDN去除人工伪影的方法达到更佳的图像复原效果。首先,基于暗通道先验知识,在最大后验的优化框架中添加暗通道的L_(0)正则项;然后使用图像梯度的L_(0)正则项,代替图像像素的L_(0)正则项作为潜在图像的正则化约束,使用迭代交替估计图像模糊核和中间潜在图像;采用半二次分裂方法和查表法间接优化求解,估计中间潜在图像;采用双线性插值估计图像模糊核,通过对图像进行上下采样,构建图像金字塔,进而利用共轭梯度法直接优化求解。最后,利用估计的模糊核,使用基于超拉普拉斯先验的图像非盲去模糊方法得到潜在图像I_(1);使用基于L_(0)正则化的非盲去模糊方法得到潜在图像I_(0);计算估计的潜在图像I_(1)和I_(0)之间的差值映射,从I_(1)中减去双边滤波过滤后的差分图,得到最终的潜在图像I。将本文算法在低照度图像、含有饱和像素的图像、真实图像以及红外摄像图等图像数据上进行实验,相对于其他图像去模糊算法。实验结果表明:所提出的方法在多种模糊图像复原效果上均具有较强的竞争力。

基于暗通道及双流卷积网络的监控视频质量评估算法

受光照、气象、污损、视频压缩以及网络传输的影响,视频监控的质量可能会大幅降低,给后继的信息获取造成困难。为实现对监控视频质量的精确评估,本文提出了基于暗通道及双流卷积网络的监控视频质量评估算法,首先计算监控视频关键帧的暗通道图像,然后与原始图像合并,并利用双流卷积网络进行监控视频质量评估。该算法可准确评估监控视频中出现的模糊、块效应、噪声等质量缺陷。

改进YOLOv5模型下农作物虫害图像识别算法仿真

由于环境和光线等条件影响,虫害图像识别难度较大,为此提出改进YOLOv5模型下农作物虫害图像识别算法。通过K-means算法改进并优化暗通道图像去雾算法,利用优化后的暗通道图像去雾算法对农作物虫害图像展开处理,以此避免因水汽或光照不均等因素造成的图像清晰度低的问题;对原始YOLOv5模型中的注意力机制和损失函数展开优化,通过优化注意力机制提高农作物虫害图像特征提取的精度,根据优化后的损失函数调整预测框的位置以此锁定虫害目标;将去雾后的农作物虫害图像输入改进后的YOLOv5模型中,实现农作物虫害图像的识别。仿真结果表明,经过所提算法改进后的YOLOv5模型IoU有所提高,且特征提取精度和图像识别效率高。

基于透射率修正的暗通道去雾改进方法

针对暗通道先验去雾算法在景深突变处和天空区域透射率估计不准确,从而造成景深突变处产生光晕现象和天空区域色彩失真,提出利用最小值像素暗通道和局部窗口暗通道分别求取透射率,然后在景深突变区域使用两者的加权值修正透射率,在天空区域采用容差机制修正透射率。实验结果表明,该去雾算法能够有效缓解光晕现象和天空区域的色彩失真。

基于HSV色彩空间的遥感图像快速云检测

对可见光波段遥感图像进行HSV色彩空间变换,结合图像的亮度特征和饱和度特征,对饱和度通道和亮度通道分别进行同态滤波和直方图均衡化处理,增强目标云区对比度;转换为RGB色彩空间之后,接着进行2%的线性拉伸,结合云的暗原色通道特性生成暗通道图,不断突出云区与非云区对比;最后进行otsu阈值分割提取云区。实验依托实际项目需求,针对原始影像波段少的特点,选取3幅压缩后全色遥感影像为实验数据,并与阈值法进行目视判别和精度统计对比。实验结果表明该方法可以快速、较高精度地检测出云区,所提出的方法对检测数据质量和波段数要求低,检测快速,检测云区较为完整准确、实用性强。

基于暗通道图像质心偏移量的去雾算法

提出了一种基于暗通道图像质心偏移量的去雾算法。该算法对雾天图像暗通道进行了聚类分析,按场景划分图像并分析和计算了每个场景暗通道图像的质心偏移量,以用于场景的透射率修正。结合四叉树搜索算法,提出了基于景深阶跃图的大气光值估计方法,使估算大气光值的位置不受白色或平坦物体的影响而落到景深较大的区域。实验结果表明,所提算法能有效地恢复明亮区域的原本色调和细节信息,复原图像亮度适宜且颜色自然。在主观上,复原图像有较好的视觉效果;在客观上,所提算法的复原图像评价指标整体优于暗通道先验算法。

光学遥感影像DCM-HTM去雾算法研究

针对卫星遥感影像的雾区检测和校正问题,提出了一种暗通道图像DCM与雾厚度图像HTM结合的DCM-HTM遥感影像去雾算法。算法基于暗通道原理,采用mean-shift均值漂移滤波和直方图自动阈值来检测雾区域;同时通过不重叠窗口获取HTM;最后在检测出的雾区内实现去雾校正处理。实验结果表明,算法能较准确地检测出影像上的雾区域,能在影像正常区域不受影响的前提下,有针对性地对受雾影响区域进行校正,校正效果较整幅影像的去雾校正有较大改善。

Accelerated haze removal for a single image by dark channel prior

Haze scatters light transmitted in the air and reduces the visibility of images.Dealing with haze is still a challenge for image processing applications nowadays.For the purpose of haze removal,we propose an accelerated dehazing method based on single pixels.Unlike other methods based on regions,our method estimates the transmission map and atmospheric light for each pixel independently,so that all parameters can be evaluated in one traverse,which is a key to acceleration.Then,the transmission map is bilaterally filtered to restore the relationship between pixels.After restoration via the linear hazy model,the restored images are tuned to improve the contrast,value,and saturation,in particular to offset the intensity errors in different channels caused by the corresponding wavelengths.The experimental results demonstrate that the proposed dehazing method outperforms the state-of-the-art dehazing methods in terms of processing speed.Comparisons with other dehazing methods and quantitative criteria(peak signal-to-noise ratio,detectable marginal rate,and information entropy difference)are introduced to verify its performance.