基于暗原色先验与小波变换的图像去雾方法

针对雾天采集图像清晰度差、对比度低的问题,提出一种基于暗原色先验与小波变换的图像去雾方法。先利用暗原色先验规律直接从一幅有雾的图像中估计出景物透射率,恢复出比较清晰化的图像;再将图像由RGB空间转换到YUV空间,对亮度Y图像采用正交Haar小波变换进行处理,得到小波各层的分解系数,利用阈值滤波的细节系数增强法对雾天图像的高频子带小波系数进行处理,经小波重构得到增强后的亮度Y图像,最后与颜色分量U、V合并得到清晰化的雾天图像。实验结果表明:该方法对雾天模糊图像处理后,能有效提高图像的清晰度、细节和层次感,一定程度上改善了图像的视觉效果,是一种有效的雾天图像清晰化方法。

基于PSO-RBF神经网络的雾霾车牌识别算法研究

给出一种雾霾环境下车牌识别改进算法.首先利用改进的暗原色先验法对雾霾天气下的车牌图像进行去雾处理;然后经预处理、定位、分割与提取,得到粗网格特征矩阵;最后采用经粒子群算法优化的径向基函数神经网络进行识别.实验结果表明,系统去雾效果良好,且能缩短去雾处理的时间,有效提高雾霾天气下车牌识别的速度和准确率.

高分辨率遥感卫星图像不均匀云雾去除算法

针对高分辨率遥感卫星图像采用单一算法难以有效去除不均匀云雾的问题,提出一种基于图像分割和暗原色先验改进方法相结合的优化算法。采用图像分割技术将原云雾图像分割成浓雾部分和淡雾部分。浓雾部分采用加权多尺度Retinex算法进行局部增强去雾处理;淡雾部分采用改进暗原色方法,将暗原色图像去雾模型由RGB颜色空间转换到HSI颜色空间,提取亮度分量,获取准确的大气光值,并采用容差机制优化获取大气透射率,在此基础上采用自动色阶法增强处理,获取去除云雾后的图像。实验对比表明提出的算法能够很好地还原图像细节,有效恢复图像的颜色和清晰度。