自适应透射率的暗原色先验图像去雾算法

针对传统的暗原色先验在估算透射率时的不足,提出一种结合平均梯度和暗原色先验的图像去雾算法。通过分析暗原色先验理论,得出雾的透射率和去雾图像,结合平均梯度算法,达到自适应调整雾的浓度系数的目的,得到精确的透射率,解决因雾的浓度系数是固定值,不能有效估算有雾图像透射率的问题。将该改进算法与Fattal算法、He算法进行实验比较,比较结果表明,改进算法具有很好的去雾效果。

基于自适应透射率修复的去雾算法研究

雾气环境下获取的图像往往对比度低、色彩弱化,严重影响了其后续应用。已有的去雾算法存在运算速度慢、色彩失真等问题。该文对基于暗原色先验的图像去雾算法进行了改进。(1)通过边缘检测得到图像边缘和非边缘区域,并分别采用不同大小的窗口计算透射率,提高透射率计算速度;(2)通过采用自适应调节的透射率下限值解决不满足暗原色条件的区域的色彩失真问题。实验结果表明,该文方法可以有效的解决图像局部色彩失真问题,大大减少运算时间,使复原图像整体视觉效果增强。

结合自适应双透射率和景深变化的去雾方法

为了解决单幅图像去雾算法透射率估计不准确和复原结果偏色等问题,提出一种结合景深变化的自适应双透射率去雾方法。首先,将有雾图像从RGB颜色空间转换到Lab颜色空间,对亮度分量作形态学处理和滤波操作,并结合最大值通道估计出大气光。其次,利用有雾图像的高斯-对数映射实现对无雾图像暗通道的估计,并根据不等式关系得到无雾图像的亮通道,然后估计出双透射率。最后,结合深度图与透射率之间的关系,构建双透射率联合优化的自适应透射率函数,并结合大气散射模型恢复出无雾图像。实验表明,所提方法复原结果颜色自然、去雾彻底、细节信息丰富,且具有较高的视觉对比度。同时,在不同场景中均可获得较好的去雾效果,有效解决了透射率估计不准确和偏色问题。

一种改进的暗通道先验低光照图像增强算法

针对低光照图像增强算法常见的亮度不均匀、色彩失真、图像噪点较多、细节不清晰等问题,提出了一种改进的暗通道先验低光照图像增强算法。该方法对像素值取反后的低光照图像,首先采用引导滤波,解决图像在运用最小值滤波计算暗通道时引起的块效应,其次在剔除像素为255的纯白色点干扰后进行大气光值的计算,然后引入细化系数进行透射率自适应修正使透射率更加平滑,最后采用非局部平均滤波进行噪声去除。实验表明,所提出的算法使图像的亮度增强合适,细节清晰,在Low-Light弱光图像数据集上测试图片,所得到的SSIM值比对比算法提升20.5%,PSNR值提升19.9%,无论从主观感受,还是客观评价指标等各方面,都有优化。

基于线性模型的自适应优化去雾算法

针对线性传输算法中透射率和大气光估计不足问题,提出一种基于线性模型的自适应优化去雾算法。利用边缘信息模型来增强初始透射率图的细节信息,使得复原后图像边缘区域细节更丰富;根据暗通道先验,得到自适应优化透射率,更好地处理包含景深区域图像;采用局部大气光估计方法代替四叉树方法,避免大气光估计不准确问题,并结合物理模型恢复图像。仿真实验在matlab2014中进行,实验结果表明,该算法具有较好的有效性和时效性。