基于暗通道先验的大气退化图像去雾新方法

在雾、霾等恶劣天气条件下采集的图像会严重降质,极大的影响图像的实用价值。为提高大气退化图像质量,针对雾天大气退化图像的去雾问题开展研究,首先探究了雾天成像的基本原理,接着,通过分析暗通道先验原理,提出了一种结合峰值信噪比的暗通道先验去雾改进算法,用以有效提高去雾后图像的细节清晰度,最后,通过与直方图均衡、多尺度Retinex等图像增强算法和传统暗通道先验算法进行仿真比较分析,来验证算法的有效性。

自然景物中大气退化模型的研究

从大气中水汽对光照的影响入手 ,探讨了自然景物图像的退化机制 ,通过对典型天气情况的观察 ,总结并推导了基于输运理论的大气光线变化的亮度、饱和度和色度变化的公式 .采用该模型对三维地形立体显示进行退化效果表现 。

大气退化图像的处理研究

大气退化图像最主要的特征是退化造成的影响和景物与相机的之间的距离相关。针对这种相关性,并结合大气退化图像的特点,提出了一种有效的处理方法,该方法对大气退化图像的处理不需要任何辅助信息。实验表明,该方法具有较好的处理效果。

大气退化的自然山体图像复原研究

不同时间段拍摄的自然山体图像存在不同的大气退化影响 .在这些图像的不同部分 ,大气退化影响的程度也不同 .这类图像的大气退化特征直接影响了图像的对比分析和理解 .文中探讨了自然山体图像由于大气原因而产生的退化现象 ,分析了图像的视觉特征 ,建立一个统一的基于输运理论的模型 .该模型可以在

基于大气退化物理模型恢复算法的露天矿车辆助驾技术

露天矿汽车运输是大型露天矿主要运输方式之一,是影响露天矿生产能力和经济效益的关键因素。本文分析了露天矿车辆运输事故原因,针对露天矿卡车运输道路环境特点与天气因素,通过安装于车体外的高清CCD摄像设备,来消除卡车盲区的安全隐患,并基于大气退化物理模型恢复算法,实现了在雨、雪、雾、灰尘等恶劣天气条件下的露天矿车辆运输道路环境探测影像增强技术,提高露天矿卡车司机的可视距离,降低事故发生率。本文的研究对于提高露天矿车辆运输安全,降低露天矿事故发生率具有重要意义,并以某大型露天煤矿为应用实例验证了其可行性。

基于加速正则化RL算法的大气湍流退化图像盲复原方法

提出了一种基于加速正则化Richardson-Lucy(RL)算法的大气湍流退化图像盲复原方法(AccRLTV-IBD)。在总变分(TV)正则化RL算法的基础上,引入二阶矢量外推加速技术对其进行加速,形成加速正则化RL(AccRLTV)算法,并将该算法应用到迭代盲目反卷积(IBD)算法中。使用长曝光大气湍流光学传递函数(OTF)的物理模型或根据图像来获取初始的点扩散函数(PSF),在灰度平均梯度(gray mean grads,GMG)的基础上定义了一个相对灰度平均梯度(relative gray mean grads,RGMG)参数作为无参考图像复原质量的评价标准.模拟图像和实际湍流退化图像复原结果表明,基于RL的IBD算法要优于基于Wiener滤波的IBD算法,并且与RL-IBD算法相比,AccRLTV-IBD收敛速度更快,复原效果更好。

采用改进的退化模型恢复湍流降质图像

采用考虑湍流内外尺度影响的退化模型来恢复大气湍流降质图像,运用包含了湍流内外尺度影响的波结构函数、折射率谱以及薄透镜成像的退化函数导出了新的退化模型。相对由Kolmogorov谱推导出的模型,该模型引入了更完整的先验约束条件,更接近大气湍流的物理特性。针对飞机目标湍流退化图像,利用约束最小二乘滤波的方法对该退化模型进行了复原验证,模拟结果表明了该模型比较理想,恢复效果较好。

大气光学

P351.1 98063992实际大气中水汽3.2μm的带吸收=Aabsorption ofwater vapor in the band of 3.2μm in real atmosphere[刊,中]/魏合理,宋正方(中科院安徽光机所.安徽,合肥(230031))//量子电子学报.—1997,14(6).

单幅图像去雾方法研究

介绍了单幅图像去雾方法的研究现状、分析了基于增强方法和基于复复方法的一些经典图像去雾算法,指出了各种算法的优缺点。综合评价得出基于复原的图像去雾方法优于基于增强的图像去雾方法。针对现有的基于图像复原去雾方法提出了仍需要深入研究的问题,并从建立全面物理模型、探索模型求解的先验知识、设计基于人眼视觉机制的模型求解方法和图像去雾质量评价等几个方面分析如何突破图像去雾的关键技术。最后,对现有技术的发展趋势进行了分析,指出了去雾技术的研究方向。

快速图像去雾新方法

由于原始Koschmieder模型中的变量都无法获得精确解,其求解是一病态问题,结合大气退化模型提出了一种弱化的Koschmieder模型,并基于该模型提出了一种快速图像去雾新方法。该方法避免求解晴天时所获图像的场景色度、大气传递效率和场景景深,与Dark Channel方法相比,在速度上取得了较大提升,同时能够保持场景的颜色恒常性,而且在提升图像对比度上得到了近似甚至更好的效果。

基于能量泛函的快速去雾算法

为了快速复原雾霾退化图像场景辐照图,提出一种基于能量泛函的模型求解算法。利用大气退化模型,首先估计降质图像的大气光;针对图像是否包含天空区域分开进行求解,较传统固定模式的求解算法更为准确有效;通过白平衡运算简化求解模型,建立新的环境光项表达式;尔后利用暗通道先验估计暗通道图像;根据假设和先验信息,构建暗通道图像与环境光项的能量泛函模型,引入L1和L2范数变换模型,通过切分Bregman迭代算法求解图像的环境光;最后将环境光项代入简化模型中反解出复原图像。通过实验验证,算法对于雾霾退化图像恢复效果较好,且较传统复原算法具有更高的运算效率。

融合估计与评估网络的去雾算法研究

针对由于雾霾天气影响造成拍摄的图像出现模糊不清、低对比度和色彩暗淡等问题,提出一种融合估计与评估网络的去雾算法。根据大气退化模型将雾霾图像输入到两个联合且独立的估计网络模型中,分别得到透射图与大气光图的估计值;将估计得到的透射图与大气光值输入到雾图成像公式中,得到去雾图像;通过生成式对抗GAN网络中的鉴别器来联合鉴别,生成更好的透射图与大气光值;最后,通过雾图成像公式反演恢复出清晰的无雾图像。实验结果表明,该算法去雾后的图像变得清晰,对比度得到提高,且图像质量评价指标峰值信噪比和结构相似性指数分别达到了22.14dB,75.3%。

基于全变分Retinex及梯度域的雾天图像增强算法

雾天交通能见度低,对于道路交通和行车安全而言十分不利,容易引发交通事故,因此需要利用技术手段使图像在雾天可以增强。本文将通过目前研究领域常见的全变分Retinex和梯度域两种算法对雾天图像进行增强,并对增强结果进行分析,为雾天图像增强和像素取值技术提供参考和支持。

基于低秩稀疏分解的湍流退化图像序列的盲去卷积算法

针对湍流退化图像序列存在像偏移、像抖动和像模糊的问题,提出一种基于低秩稀疏分解和多帧去卷积的图像复原算法。首先分析大气湍流下图像序列的退化特征,然后在低秩稀疏分解的思想下,采用非增广拉格朗日乘子(IALM)法优化由低秩矩阵的核范数和稀疏矩阵的Frobenius范数之和构成的目标函数,将湍流退化序列分解为低秩稳像和稀疏湍流两部分;最后利用多帧去卷积算法复原对齐的稳像。实验结果表明,本文算法能够有效校正湍流像素偏移,在提高复原质量和速度方面取得了明显的效果。

基于双向多尺度特征融合的湍流退化图像快速复原

提出一种基于双向多尺度特征融合的生成对抗网络(GAN),利用该网络对各种地基望远镜拍摄的受大气湍流影响的目标天体图像直接进行盲复原处理。首先通过长曝光大气湍流退化模型与清晰图片进行卷积来构建数据集,并进行网络训练,在模拟湍流图像数据集中测试网络性能。同时,实际获取了Munin地基望远镜(卡塞格林型望远镜)拍摄的受湍流影响的国际空间站图片,并用所提神经网络模型进行测试。各项图像复原评价指标表明:所设计的网络实时性较强,在0.5 s内可以输出复原结果,相比传统非神经网络复原方法要快10倍以上;所提网络的峰值信噪比(PSNR)提高2 dB~3 dB,结构相似性(SSIM)提高9.3%左右,对受真实湍流影响的退化图像也有较好的复原效果。