基于大气面纱优化和透射率修正的图像去雾

基于中值滤波的图像去雾算法不能有效去除细小边缘处的雾,且天空区域容易出现颜色失真问题。因此,提出了一种基于大气面纱优化和透射率修正的单幅图像去雾算法。首先基于阈值分割提取天空区域,并降低各颜色通道最小值图像中对应区域的灰度值,然后使用加权引导滤波得到优化后的大气面纱,从而得到较为准确的透射率,最后由大气散射模型得到复原图像。相比于其他算法,该算法在优化大气面纱的同时修正了透射率,在边缘处的去雾效果更加明显,同时解决了天空区域的色彩失真问题。

基于Non-Local means滤波的雾天降质图像恢复算法

针对目前去雾算法易导致边缘晕环效应、边缘轮廓及景物特征比较模糊问题,提出了一种景深等先验信息未知条件下基于Non-Local means滤波的雾天降质图像恢复算法。首先,根据大气散射模型将经典的场景深度估计转化为大气面纱以及天空亮度估计,避免难求的场景深度图;然后,对雾天降质图像进行雾气平均化预处理,经过预处理图像平均亮度变小;其次,依据大气面纱的边缘跟雾天图像的低频具有大的相似性,采用Non-Localmeans滤波算法估计大气面纱模型;最后,为了使恢复图像的亮度跟色度都更加接近晴天图像,进行防止对比度放大的平滑与色度调整处理。通过与已有实验结果对比表明,提出的算法可以获得更精确的大气面纱,恢复图像不但边缘轮廓及景物特征都比较清楚,而且可有效抑制边缘晕环效应。

基于引导滤波器的单幅雾天图像复原算法

基于中值滤波的单幅图像去雾算法所获取的大气面纱图像不能有效地保留雾天图像的边缘信息,也不能真实地反映场景的深度信息,因此,提出了一种基于引导滤波器的大气面纱修正方法。由中值滤波得到初始大气面纱,使用引导图像滤波器对其进行修正得到较为准确的大气面纱,去除多余的纹理信息的同时增强了雾天图像的边缘信息,由大气散射模型得到场景辐射光即复原图像,并对其进行亮度调整。与其他现有的典型去雾算法相比较,该算法在深度剧烈变化的边缘区域有更好的去雾和增强效果,且时间复杂度为线性。

一种改进的有雾图像去雾算法

针对基于大气散射模型的图像去雾算法存在的图像去雾后颜色偏暗、对比度过度增强的问题,提出一种基于灰色关联度引导滤波的图像去雾算法。首先,假设有雾图像的像素可以分为正常像素和被雾霾颗粒破坏的像素,应用灰色关联理论对雾霾图像的像素值进行判断;然后,对雾霾颗粒破坏的像素进行引导滤波,通过取对数的方法缩小原始图像和滤波以后图像像素值之间的差异,在对数域中计算雾气面纱值;最后,依据大气散射退化模型反演复原清晰的图像。实验结果表明,该算法不仅可以有效改善雾霾图像的清晰度,而且能够解决去雾后存在的亮度偏暗,色彩失真等问题。