基于天空识别与加权引导滤波的图像去雾算法

针对图像去雾算法在天空和景深突变区域的失效问题,文章提出一种天空识别与加权引导滤波的图像去雾算法。首先针对透射率与纹理无关的情况,利用改进的4-RTV模型平滑有雾图像,并将其作为引导图像;其次运用自适应加权引导滤波细化透射率,获取更清晰的边缘细节;最后结合天空识别的结果对透射率进行修正。实验结果表明:相比一些经典的去雾方法,该算法有效地去除了图像景深突变处的雾点,抑制了边界处光晕效应,解决了天空区域出现的失真现象。

基于二进制掩码的单幅图像天空区域识别去雾算法

针对暗通道先验去雾算法处理得到的去雾图片存在颜色失真、偏移等问题,提出了一种基于天空区域识别的改进算法。首先,利用区域窗口自适应最小化滤波器获得暗通道图像,并使用二进制掩模图进行天空区域识别。其次,对天空区域进行透射率和大气光值的设定,同时引入引导滤波器对透射率图进行优化,避免了图像恢复时天空部分色彩失真的问题。最后,利用大气散射模型对原始图像进行复原。实验结果表明,本算法能够有效对图像中天空等明亮区域进行去雾,使处理后的图像具有良好的视觉效果。

结合天空识别和暗通道原理的图像去雾

目的目前较为流行的去雾算法对天空区域的处理效果不佳,容易造成方块效应以及色彩严重失真。针对该问题,提出一种基于天空识别和暗通道原理的单幅图像去雾方法。方法天空识别算法,将雾图分为天空与非天空部分,对其分别估计透射率图,通过大气散射模型得到复原图像;针对利用暗通道原理得到的去雾图像普遍偏暗的问题,对其进行色彩重映射,以增加图像亮度,提升图像视觉效果。结果大量实验结果表明,本文算法复原的图像清晰自然,尤其是天空区域平滑明亮,取得了很好的去雾效果。结论基于天空识别,提出了一种新颖的单幅图像去雾算法。与He Kaiming以及Tarel的算法相比,去雾后图像整体效果更佳。

基于天空区域识别的图像去雾改进算法

针对暗通道先验(DCP)去雾算法去雾后物体边缘存在的“块效应”、光晕以及部分区域出现的颜色失真等问题,提出一种基于天空区域识别的DCP去雾改进算法。该方法通过设定的亮度阈值和灰度阈值识别分割出天空区域,根据天空区域在整幅图像中的占比情况合理计算大气光值,修正透射率计算公式并引入引导滤波进行优化以达到去雾目的。通过Matlab软件对算法性能进行仿真,实验表明,改进方法相比其他去雾算法不仅可以显著改善天空颜色失真和块效应等现象,并且除雾后图像具有完整的细节和较高的清晰度以及较低的运行时间。

基于统计方法的地基器测云天识别

本文从图像处理的角度,基于统计方法对地基全天空类型识别进行了研究。通过对2007年1月的397组观测数据进行统计分析,确定了5种天空类型识别的判别阈值,实现了地基全天空类型的有效识别。结果表明,样本试验的分类结果为81.36%,普适性检验的结果为79.51%。

基于先验知识的单幅图像天空检测算法

为了对图像中的天空区域进行有效识别,提出像素偏转模型评价三通道像素灰度值的特点,并结合天空先验知识进行天空区域识别。像素偏转模型可通过分析RGB三通道像素点灰度值特点,简单、准确地评价像素点3个通道之间的离散程度。天空先验是根据对大量图片中天空部分像素点的统计得出的,通过对图片中天空部分的观察发现,将天空先验与像素偏转模型相结合,可以直接判断出像素点是否为天空区域,从而准确识别出图片中的天空。该算法具有较强的鲁棒性,不仅能够识别边界清楚的天空区域,而且对于边界复杂的天空区域也有较好的识别效果。

基于像素偏转模型和机器学习的室外图像天空像素检测

图像中的天空区域对于基于视觉的地面机器人导航具有重要意义,为了识别图像中的天空部分,本文提出了一种基于像素偏转模型的BP神经网络天空识别方法。首先,制作天空图像集和非天空图像集,天空图像集由各种天气情况下的天空提取而成,非天空图像集由非天空的景物构成,主要包括建筑、汽车、树木、植物等;其次,使用提出的像素偏转模型提取天空图像集和非天空图像集的像素特征并进行处理,对天空像素点和非天空像素点进行标注,利用BP神经网络对像素特征进行训练,得到权重文件;最后,使用得到的权重文件进行天空的识别。为了更好的说明本文算法和模型的优越性,使用本文算法与Otsu算法、Ye Hu算法、Graph-cut算法和Mask-Rcnn算法模型进行了比较,并设计了两组组对比实验,第一组实验进行识别效果的主观评价,第二组实验利用Cam Vid数据集的天空类进行算法精度的定量分析。

基于强度反转和变分Retinex模型的图像去雾方法

提出一种基于强度反转变分Retinex模型的雾天图像增强方法。首先,通过反转操作将雾天图像转化为虚拟暗图像,并基于变分Retinex模型快速估计出虚拟暗图像所对应的入射分量图。然后,对雾天图像中的天空区域进行识别,并在此基础上对入射分量图进行修正,进而获取对应的反射分量图。最后,通过对反射分量图进行反转操作来获得消除雾气后的清晰图像,并引入一种图像亮度调整算法进一步提高清晰图像的视觉效果。实验结果证实了所提方法的有效性。

一种包含天空区域的图像去雾方法

针对大多数去雾算法对含有大面积天空区域的图像去雾效果不佳的问题,提出一种改进的暗通道先验去雾方法。首先,根据图像梯度信息分割出天空区域,在天空区域分割的基础上,结合大气光参考像素的高亮度和平滑性设定判别公式,合理地估计大气光值。其次,根据暗通道值的不同,采用分段线性函数对可调参数进行动态修正,解决过度去雾造成的局部阴影。然后,将亮通道模型和改进的暗通道先验模型估计的透射率进行融合,并采用导向滤波进行边缘优化。最后,结合大气散射模型,通过亮度补偿和对比度拉伸得到去雾图像。实验结果表明,改进方法能够有效地改善图像失真,增强图像的对比度和细节,尤其在保持天空区域的视觉真实性方面具有优势。