一种基于改进AOD-Net的航拍图像去雾算法

针对航拍图像易受雾气影响,AOD-Net(All in one dehazing network)算法对图像去雾后容易出现细节模糊、对比度过高和图像偏暗等问题,本文提出了一种基于改进AOD-Net的航拍图像去雾算法.本文主要从网络结构、损失函数、训练方式三个方面对AOD-Net进行改良.首先在AOD-Net的第二个特征融合层上添加了第一层的特征图,用全逐点卷积替换了传统卷积方式,并用多尺度结构提升了网络对细节的处理能力.然后用包含有图像重构损失函数、SSIM(Structural similarity)损失函数以及TV(Total variation)损失函数的复合损失函数优化去雾图的对比度、亮度以及色彩饱和度.最后采用分段式的训练方式进一步提升了去雾图的质量.实验结果表明,经该算法去雾后的图像拥有令人满意的去雾结果,图像的饱和度和对比度相较于AOD-Net更自然.与其他对比算法相比,该算法在合成图像实验、真实航拍图像实验以及算法耗时测试的综合表现上更好,更适用于航拍图像实时去雾.

一种基于颜色衰减先验的航拍图像去雾方法

针对雾霾天气下航拍图像的降质机理,文章提出一种基于颜色衰减先验的航拍图像去雾算法。首先构建雾气浓雾量化图,并结合聚类技术将有雾图像分解为子场景集,进而提出一种改进的全局大气光估计方法,通过建立候选区的方式有效提高其估计精度。本文设计一种线性的航拍图像深度结构估计模型,通过利用航拍图像的景深特征可以高效获得深度图,并进而利用引导滤波器提高深度图的边缘结构。依据所得到的全局大气光和深度图,通过大气散射模型可以估计出场景反照率并进而得到所恢复的无雾图像。实验结果对比验证了所提算法的高效性、鲁棒性及有效性。

航拍图像去雾优化算法研究

为优化航拍图像的去雾算法,提出基于暗通道规律的快速去雾、四叉树子空间划分层次搜索算法和快速导向滤波整合处理的综合去雾优化方法,发现相比原单一算法,新算法的复杂度被大幅降低,同时提高了图像清晰度.通过研究不同算法的图像处理结果发现,单独使用某一算法只能优化图像的某一方面,整体效果不明显,而采用这3种优化算法综合处理后的航拍有雾图像,清晰度至少提高11. 57%,峰值信噪比至少增加1. 88%,综合优化算法耗时比单一优化算法至少缩短了37. 49%,不仅去雾效果好且实时性高.分别对雨天和雪天情况下的雾气图像进行实验分析,结果证明,该综合算法对雨天和雪天的有雾航拍图像同样有效.分别采用多尺度Retinex算法、直方图去雾算法和本研究提出的综合去雾算法对航拍有雾图像进行去雾处理,本算法清晰度高,更适合航拍图像.

面向DSP的无人机航拍图像清晰化系统的设计与实现

影响无人机航拍成像清晰化的原因有两点:一是无人机在飞行拍摄过程中因存在多种运动模式,导致航拍成像存在运动模糊问题;二是航拍观测由于成像光路长,即使在无雾天气下空气粒子对光线的衰减也较大。此外,现有图像清晰化处理的各类主流算法大都基于PC机设计实现,未考虑底层硬件资源配置问题,难以应用到资源有限的嵌入式设备当中。该文针对上述影响航拍观测清晰化的问题进行了原理性探索。首先,结合无人机成像特点对其飞行模式进行理论分析,估算航拍运动模糊核的像移长度和像移角度两个模拟参数;其次,使用DSP开发板,搭建了一种结构简单、运行简单方便、适于资源有限的嵌入式DSP平台的航拍图像清晰化(去模糊和去雾)系统;最后,对所提算法和所搭建系统展开实验测试,进一步验证了该文所提无人机航拍清晰化方法的有效性,以及所设计的DSP嵌入式图像清晰化系统的创新性和实用性。