基于四阶PDE模型的暗原色理论雾天图像增强算法

针对经典的暗原色理论算法在处理雾天图像时色调和亮度失真的问题,该文提出一种基于四阶偏微分方程(PDE)模型的暗原色理论雾天图像增强算法。该方法通过容差机制对图像区域进行分割,根据阈值判断明亮和非明亮区;并引入四阶PDE模型对透射率图像进行平滑处理;再通过容差机制,实现对透射率图像的精确修正;最后采用暗原色理论数学模型求取增强后的图像。主观观察和客观评价证明,在整体和细节方面该算法比经典的暗原色算法有更好的处理效果。

基于双容差机制的快速暗原色理论雾天图像增强算法

针对经典暗原色理论算法在处理雾天图像时出现的色调和亮度失真问题,提出了一种基于双容差机制的快速暗原色理论雾天图像增强算法.该算法首先通过容差机制分割图像,并根据阈值判断图像的明亮和非明亮区;然后引入改进的高斯平滑滤波对透射率图像进行平滑处理,以此优化透射率图像;最后通过引入容差机制对透射率图像进行修正,以此得到更加清晰的图像.将本文方法与经典的暗原色算法进行对比表明,本文方法在亮度、颜色保真度和时间效率上均优于暗原色算法,因此本文方法可为雾天图像的处理提供参考.

基于暗原色理论和自适应双边滤波的煤矿尘雾图像增强算法

针对煤矿井下存在大量煤尘、水雾导致获取的视频图像伴有大量的噪声、分辨率低、模糊的问题,提出了一种基于暗原色理论和自适应双边滤波的煤矿尘雾图像增强算法。基于暗原色先验理论,采用自适应双边滤波代替softmatting过程来求取精细透射率图,并根据煤矿井下特殊环境,从新的角度求取全球大气光值、粗略透射率图,并根据图像退化模型实现图像的去噪。实验结果表明,对于分辨率为1 024×576的图像处理时间为1.9 s,与He算法(HE K,SUN J,TANG X.Single image haze removal using dark channel prior.IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(12):1-13.)相比,运行效率提高了5倍。与直方图均衡法等算法相比,所提算法有效增强了图像细节、边缘,整体上更加适合人类视觉和视频监控的要求。

基于TV模型的暗原色理论雾天图像复原算法

针对经典的暗原色理论算法在处理雾天图像时,图像的边缘光晕现象,图像的色度、色调、亮度失真等问题,提出基于全变差(TV)模型的暗原色理论雾天图像增强算法。基于暗原色理论数学模型,粗略的获取透射率图像,并在此基础上,通过引入TV模型,对透射率图像进行保边平滑优化,为避免图像中高亮度区域出现光晕失真现象,结合容差机制,判断图像中的天空区域,对透射率图像进行修正,根据暗原色理论的数学模型反向求解,获得复原后的图像。通过主观观察和客观评价,在整体和细节方面该算法比经典的暗原色算法有更好的处理效果。

基于引导滤波和暗原色先验理论透射率估值的视频去雾算法

针对雾天条件下户外采集的图像严重退化问题,解决传统的暗原色先验理论算法出现的边缘残雾、天空区域去雾效果欠佳、实时性差和鲁棒性差等问题,提出去雾效果显著的实时视频去雾算法.对大气光散射模型进行改进,以引导滤波后的灰度图作为大气光估计图;利用四叉树法和暗原色先验理论(DCP)在暗原色图中寻找浓雾区域,求得透射率估计值;利用改进的大气光散射模型复原图像.通过大量实验表明,复原出的图像去雾效果彻底,色彩鲜艳亮丽,天空区域不会出现彩色失真,景深变化大的地方不会出现白边现象,对于不同浓度的雾都有着较好的去雾效果,处理速度快且稳定,适合于实时视频去雾.

基于暗原色先验理论的无人机影像去雾研究

基于暗原色先验理论的去雾方法简化了影像去雾的物理模型,并且利用了自然界的客观规律,为去雾研究提供了新思路。针对该理论去雾过程中透射率优化复杂、耗时和清晰化后的影像出现halo效应的局限性,通过结合MATLAB平台的实验,深入探究适用于单幅无人机影像的高效、自动综合去雾方法,并且对该方法进行了主客观评价。

基于暗原色先验理论的大气能见度测量

基于暗原色先验理论在图像的去雾方面有非常好的效果,提出了一种将暗原色先验理论用于大气能见度测量的方法,克服了气象能见度仪成本昂贵且难以大范围架设的缺点。对拍摄雾霾图像的不同区域进行亮度分析以便选择合适的目标区域进行透射率估计,通过优化去雾系数并使用引导滤波细化透射率获取较为准确的透射率,从而求得大气消光系数及大气能见度。将大量雾霾图像处理的结果与前向散射仪(CJY-1G)测量的数据进行比较,二者基本一致,本方法与CJY-1G测量结果的误差在±15%之内,符合能见度观测的应用要求。

基于暗亮原色先验理论的道路能见度检测

针对现有能见度检测方法复杂度高和检测精度低的问题,提出了一种基于监控图像的道路能见度检测方法。首先,通过暗亮原色先验理论求取暗亮原色的透射率;然后,利用自适应去雾权值和自适应滤波窗口优化大气光值和大气透射率,将车道线首尾端点的透射率与优化后的暗亮原色透射率一一对应;最后,结合车道线首尾端的距离计算大气消光系数和能见度。实验结果表明,本方法可在100~600 m内实现高精度检测,相对误差小于10%。相比其他方法,本方法的检测效率更快、精度更高且更容易实现。

基于图像增强和复原的图像去雾方法研究

雾霭等天气下获得的图像存在对比度低、颜色退化、景物模糊等一系列图像退化的问题,直接影响了对图像信息的有效利用。因此,对雾天图像进行有效的去雾处理,有效改善降质图像的质量,具有一定的实际意义。分析讨论基于图像增强的多尺度Retinex算法和利用图像复原原理的基于暗原色先验理论的去雾算法,并对具有不同特点的单幅有雾图像进行去雾仿真。实验结果表明,不同理论基础的两种去雾算法各有特点,基于暗原色理论处理得到的图像去雾效果更显著,算法运行速度更快。

一种改进的结合边缘检测的去雾新方法

暗原色去雾算法复原的图像会出现边缘效应,为此提出了一种改进的基于暗原色理论的去雾算法.首先计算出图像的暗色图,并使用小波分解算法将暗色图像向下采样一次;然后在小波分解的平滑部分计算大气光和图像的暗原色,提取出平滑部分的边缘信息,并使用形态学对其进行膨胀获得相应的二值边缘图像;接着对二值边缘图像所在区域的暗原色及非边缘处的暗原色分别进行优化;最后,将优化后的暗原色使用小波重构算法向上采样,并据此计算出图像透射率,结合去雾模型复原到清晰的无雾图像.实验证明,该方法在很好地去除边缘效应的同时,极大地减少了算法时间复杂度,满足实时要求.

基于天空区域分割和边界限制L0梯度最小化滤波的图像去雾算法

针对经典的暗原色理论算法在处理带有天空区域的雾天图像时会出现光晕和亮度损失的问题,该文提出基于天空区域分割和边界限制L0梯度最小化滤波的图像去雾算法。首先根据雾天图像的直方图特性分割出天空区域,求解全局大气背景光;其次,根据辐射立方体法则推导出边界限制条件,规整得到初始透射率图像,并运用L0梯度最小化方法对透射率图像进行平滑处理;最后,通过优化的暗原色理论模型求取增强后的图像。通过对算法的有效性、天空区域的失真和细节特征进行分析,发现该算法比改进的暗原色算法处理效果更好。

水下光场成像清晰度增强研究

由于水介质及水下颗粒的散射吸收作用,使得水下成像图像存在分辨率与对比度低,细节特征模糊,颜色失真等问题。针对这些问题,该文提出基于光场成像的水下图像清晰度增强算法,根据暗原色先验理论和单尺度的Retinex理论建立水下散射成像模型对成像图像的清晰度进行增强处理,并利用光场成像的多视角特性对散射成像模型的图像增强效果进行优化,进一步提高水下成像图像的质量。实验结果表明,两种理论构建的水下散射模型和多视角优化算法可以有效的提高水下成像图像的质量。

结合OSTU阈值法的自适应DCP图像优化算法

图像是获取信息的重要途经,对于雾霾天气导致的可见度低的图像,DCP理论算法能进行去雾处理,但结果会出现光晕现象,缺少部分特征信息,存在一定不足。为了解决该问题,提出一种融合OSTU阈值法的自适应DCP图像优化算法,利用改进的OSTU阈值算法分割图像的前景与背景;基于心理灰度公式估计大气光值,利用最小值滤波与中值滤波融合最佳阈值估计透射率,得到自适应的透射率估计值,利用双指数滤波器进行精细化处理;最后基于DCP理论得到去雾后的图像。结果表明算法的去雾效果明显,能有效地保护边缘信息,恢复图像的细节特征,算法处理效果具有较大优越性。

基于自适应维纳滤波的快速单图像去雾

本文通过把大气散射模型与暗原色先验理论相结合,并且对图像中的白色区域采用自适应调节参数的方法估计透射率,使复原后的图像更加接近真实情况,有效去除了图像复原后所产生的晕环效应。自适应维纳滤波去雾方法的速度比现存的单一快速图像去雾方法的速度快50到100倍,而且主观上证明了此方法和我们常用的暗原色先验理论有相同的效果。

一种快速高效的实时视频去雾算法

为解决现有去雾算法中存在的透射率过估计、天空区域颜色失真、实时性差等问题,提出了一种基于金字塔模型的快速高效实时视频去雾算法。采用金字塔向下采样获取缩小后的图像,引入伪去雾图像与暗原色置信度作为修正因子,获取缩小图像的粗透射率;然后将缩小图像还原至初始尺寸,利用联合双边滤波对纹理进行细化;最后结合大气光散射模型及帧间视频去雾理论复原降质视频。实验结果表明,该算法的去雾效果彻底,可对多种场景进行有效去雾。相比其他算法,本算法的峰值信噪比和平均结构相似性分别提高了20.153%和14.056%,且处理快速、运行稳定,可用于实时视频去雾。

基于保留边缘的à-Trous小波修正单一图像去雾

为解决有雾场景图像复原过程中目标边缘存在细节模糊及丢失的问题,结合暗原色先验理论、引导图像滤波和保留边缘的à-Trous小波滤波方法,提出一种保留边缘的à-Trous小波修正的单一图像去雾算法。先对暗原色先验的引导图像滤波去雾算法进行复现,再引入保留边缘的à-Trous小波滤波算子,用三级小波滤波后的残差结果补偿暗原色先验的引导图像滤波算法去雾的结果。实验结果表明,相较于暗原色先验的引导图像滤波去雾算法,采用可见边对比度作为客观衡量标准,新增的可见边之比至少提高69.5%,可见边的规范化梯度均值提高30%,饱和黑色或白色像素点的百分比降低一半以上。通过主观辨识,去雾算法生成的结果中保留了图像的边界和纹理细节信息,恢复出来的图像颜色更贴近实际生活,去雾效果有较大改善,纹理边缘更加细腻。