改进的雾线先验透射率优化图像去雾算法

针对传统去雾算法处理图像后存在颜色不均衡、能见度较低等问题,提出一种基于雾线先验的双边滤波优化透射率算法。首先,将像素在RGB空间中聚类成雾线并引入自适应模块对大气光值进行预估。将大气散射模型和上下文正则化原理相结合,对图像透射率进行初步优化,同时基于最小通道对透射率进行更正,使得传输率图更加平滑,防止相邻景深区域透射率差距过大;再经过双边滤波对透射率进行二次优化,使其变得更加精准。然后,将大气光值和透射率输入到大气散射模型进行去雾处理得到无雾图像。最后,将去雾后的图像进行色彩增强,以提升图像的色彩真实性和亮度。实验结果表明,所提方法在主观上提升了人眼的视觉效果,在客观评价指标结构相似性(SSIM)、峰值信噪比(PSNR)、角点检测数、通用质量指数(UQI)、自然图像质量评估(NIQE)和处理时长上均有着显著的优越性。

基于边界约束的双滤波透射率优化图像去雾

在大雾条件下,密度不均匀的介质使得光在传输过程中形成散射、反射和衰减,图像出现严重的退化现象,导致无人机航拍获取图像信息存在困难。为了解决该问题,提出了一种基于边界约束的双滤波透射率优化图像去雾算法。首先,对图像进行颜色校正,增强图像的色彩鲜艳度;其次,根据传输函数的固有边界约束,进行边界约束构造,该约束与上下文正则化相结合,求解图像的初始化透射率,并对其反复求解进行细化;然后,将求解细化后的透射率进行高斯加权,将噪声干扰降到最低,经双边滤波器处理得到最优透射率;最后,对图像的全局大气光进行求值并运用暗通道理论方法对图像进行去雾处理,得到清晰化图像。主观视觉效果和客观数据实验分析表明,所提方法能够有效地去除退化图像中的雾化现象,与现有新颖的图像去雾算法相比具有显著的优越性。

基于透射率优化和颜色修正的水下图像增强方法

针对光在水中传输时受到水的吸收作用、悬浮颗粒散射作用而产生严重的衰减,导致水下光学图像对比度低、颜色失真的问题,提出一种基于透射率优化和颜色修正的水下图像增强方法。根据水下光学成像模型,采用最小信息量损失原理估计透射率,结合导向滤波提高透射率的估计精度,通过逆求解水下成像模型得到清晰化的水下图像。利用直方图均衡化进一步提高图像对比度,使用白平衡方法修正颜色。实验结果表明,该方法能够有效去除由后向散射引起的模糊,提高图像对比度和清晰度,同时修正色彩不平衡。

雾霾线求解透射率的二次优化方法

针对现有图像去雾算法采用局部先验理论求解的透射率精度不高、复原含雾图像能见度较低的问题,提出了一种雾霾线求解透射率的二次优化方法。首先通过雾霾线先验理论对透射率进行粗估计;然后结合粗估计与最小通道求解的透射率,代入新的可靠性函数进行计算,修正数值较低的像素,完成一次优化,保留边缘信息的同时减少噪点数量;最后,利用纹理区域相对总变分正则项的输出差异,使模型自适应滤除纹理信息,进一步提升透射率估计精度,完成二次优化,有效改善含雾图像能见度。实验结果表明,与目前主流去雾算法相比,所提方法提高了浓雾及景深突变区域的复原图像质量,在主观评价更加清晰的前提下,客观评价指标雾霾感知密度、平均梯度、信息熵和模糊系数分别平均提升了10%,10.16%,0.98%和22.93%。

图像去雾DCP算法的透射率容差参数修正

针对DCP算法的透射率估计精度不高、图像去雾效果不佳的问题,提出了一种基于透射率容差参数修正的图像去雾改进DCP算法。首先优化DCP算法的暗原色提取过程,并在考虑DCP先验知识的特征的前提下保持和平滑边缘,然后利用双边滤波和最大值滤波法进行组合式协同,对透射率进行细化,并引入容差参数用于修正失效场景下的透射率,避免复原图像失真。算法仿真实验结果表明,本文提出的改进算法具有较快的运行时间,且降低了原算法的图像失真和去雾效果。

基于暗原色先验的单幅图像去雾优化技术

雾霾等粒子的大气散射作用会使得图像采集设备所获取的图像质量下降,影响后续工作。基于暗原色先验理论提出一种单幅图像的去雾优化技术。针对景深突变处出现的“白边”与“黑化”现象,提出结合最小值滤波与中值滤波的粗估计透射率优化方法。并提出自适应限定透射率下限值的方法改善天空区域的颜色失真问题。实验结果表明,该算法在去雾效果及自适应性方面优于对比算法。

基于导向滤波优化的自然图像去雾新方法

由于暗通道先验的单幅图像去雾方法通常使用导向滤波器来优化大气透射率,在保持较好去雾效果的同时能大大降低算法复杂度。但是由于采用有雾图像作为导向滤波器的导向图,使得优化后的透射图在景深相同或相似的区域不够平滑,并且包含大量的细节信息,导致去雾后的图像在该区域的可视性差。因此,提出了一种新的基于导向滤波优化的单幅图像去雾方法。该方法利用基于大气光幕的导向图对大气透射率进行导向滤波,将优化后的大气透射率结合大气物理散射模型恢复出无雾图像。实验结果表明,相比暗通道先验方法,该方法恢复出的无雾图像色彩更加真实,细节更加丰富,结构更加清晰。

基于天空区域分割的快速去雾算法研究

针对传统暗通道先验去雾算法在处理户外含雾图像时,出现天空区域颜色失真和处理速度慢的问题,提出一种可自适应识别天空区域的快速去雾算法。在天空分割方面,选用图像中细节特点明显的亮度分量为研究对象,结合最大类间方差法(OTSU)和动态参数建立自适应识别天空区域算法模型,得到最佳分割阈值,分割出有雾图像的天空区域和非天空区域,并根据天空区域计算出大气光值。在提高处理速度方面,在使用引导滤波优化透射率过程中引入图像下采样算法,保证复原后图像质量的同时减少算法耗时。最后经过与多种经典算法对比,文中算法在视觉效果上细节更加自然,SSIM、PSNR和MSE的综合指标均超过其他算法,并且处理速度较快。主观和客观评价结果均表明,文中算法在视觉效果和时间效率方面都优于其他几种算法,具有一定的实用价值。

结合最小颜色通道图与传播滤波的单幅图像去雾算法研究

针对单幅图像去雾中边缘区域去雾不彻底及黑斑现象,提出了一种结合最小颜色通道图与传播滤波的图像去雾算法。该方法首先基于双区域滤波实现大气透射率的初始估计,然后引入最小颜色通道图作为参考图像,采用传播滤波优化初始透射率,优化后的透射图因与参考图像具有相似的边缘特性,能有效避免图像景深突变边缘像素点透射率估值出现偏差的问题,同时去除了初始透射图中冗余的纹理信息,最后利用L-BFGS自适应恢复大气光矢量,基于大气散射模型复原无雾图像。实验结果表明,所提算法对图像景深突变边缘具有更为精确的透射率估算值,能有效保持边缘和细节,图像景深均匀区域具有较好的空间平滑特性,复原后的图像具有较高清晰度和丰富色彩度。

基于中智学的非局部先验图像去雾算法

图像去雾是计算机视觉的重要研究方向之一。传统图像去雾算法存在去雾不彻底、去雾图像对比度低、halo效应、色彩失真等问题。针对上述问题,提出了一种改进的非局部先验的图像去雾算法。该算法使用基于中智学的模糊C均值聚类算法和一种混合暗通道先验的透射率优化方法,改进了传统非局部先验的图像去雾算法在大气光估计、雾线定位和透射率优化过程中存在的问题。结果表明,与几种常用的图像去雾算法相比,提出的算法在去雾图像的大气光估计、客观分析和主观分析等方面均有一定的优势。

融合全局与区域大气光值图的暗通道图像去雾方法

针对现有图像去雾方法采用单一大气光值求解、复原图像难以兼顾亮度与远景去雾效果的问题,提出一种融合全局与区域大气光值图的暗通道图像去雾方法.首先提出一种基于最小方差投影的大气光估计方法,减少大气光估计值受极值点的影响,提高大气光估计精度;其次,提出一种基于场景深度的区域大气光估计方法,对不同景深区域独立求解大气光估计,引入景深信息,兼顾改善近景亮度与远景去雾效果;同时,将两者融合,按照大气光值图对高亮区域透射率进行调整优化,既增加了位置相关信息,又提高了区域间的相关性,增强了复原图像亮度的均匀程度,改善了图像质量.实验结果表明,提出的算法与多种文献去雾算法相比,能够较好地平衡复原图像亮度与远景区域去雾效果,有效提高复原图像能见度,雾霾浓度评价指标(FADE)、平均梯度、信息熵及模糊系数等指标均有显著提升,复原图像更加清晰.

雾霾天气下光源目标检测算法

针对雾霾天气下的光源运动目标清晰度低、轮廓模糊的问题,以火炮射击空中光源目标测量火炮跳角为研究背景,提出基于边窗均值滤波的雾霾天气下目标检测算法。首先在雾天退化模型基础上,使用边窗均值滤波算法对初始透射率进行改进,保留图像的轮廓边缘,然后通过平均修补块方法求出大气光值并复原出原始图像。最后通过奇异值分解的方法,判断光源运动目标和天空背景的相近程度,动态改变高斯混合模型的判别阈值。通过不同去雾算法的主观和客观分析以及光源微小运动目标的检测分析,所设计算法的目标检测清晰度更好。实验结果表明,该算法耗时较少,平均检测精度可达90%,能够准确、高效地检测出光源运动目标。

基于背景光修正成像模型的水下图像复原

光在水下传播时由于受到水体吸收和散射作用的影响,导致水下图像质量严重退化。为了有效去除色偏和模糊,改善水下图像质量,该文提出一种基于背景光修正成像模型的水下图像复原方法。该方法基于对雾天图像的观察,提出了水下图像背景光偏移假设,并基于此建立背景光修正成像模型;随后使用单目深度估计网络获得场景深度的估计,并结合背景光修正的水下成像模型,利用非线性最小二乘拟合获得水下偏移分量的估计值从而实现水下图像去水;最后优化去水后的含雾图像的透射率,并结合修正后的背景光实现图像复原。实验结果表明,该文方法在恢复水下图像颜色和去除散射光方面效果良好。

基于半选择性曝光融合的雾天图像复原算法

基于暗原色理论的相关算法在处理雾天图像时会出现一定色调畸变和曝光问题,严重影响了图像复原的视觉感,提出了一种基于半选择性曝光融合的单幅雾天图像增强方法。该方法首先根据统计试验方法,构建一种基于统计先验的天空区域分割方法,在天空区域内获取大气背景光有效范围。其次,提出一种自适应边界的相对快速双边滤波方法,对透射率图像进行优化,针对性的解决图像的色彩畸变问题。最后,根据大气背景光有效范围,提出半选择性多权重曝光方法,根据不同曝光度的设计,运用多权重方法提取特征,通过融合提高复原的图像视觉效果。为了验证算法在去雾能力及视觉效果的有效性,该文结合多种主观和客观评价方法就行试验,结果证明所提出的算法明显优于已有的算法。

基于改进暗通道先验的太阳耀斑图像去云研究

在太阳耀斑图像去云研究中,基本的暗通道先验方法存在不良效应,且其透射率优化算法过于复杂,占用空间较大。本文采用双边滤波算法对原始透射率的算法进行优化。根据标准差、熵与平均梯度这三个误差参数,将改进算法与原始的暗通道先验算法进行对比。结果显示,改进后的暗通道先验算法在太阳耀斑图像的去云方面有更好的效果。

基于暗原色先验去雾的改进算法

暗原色先验去雾方法在单幅图像去雾方面效果明显,但该方法算法复杂度高、处理耗时。针对该算法不足之处,在传统的暗原色先验去雾方法基础上,提出一种改进算法。改进算法通过高斯滤波和腐蚀对透射率图进行优化;同时,为避免原算法的冗余计算,采用了一种快速计算初始透射率方法;并且通过Gamma变换和对比度增强方法对去雾后图像进行亮度和对比度增强处理。实验结果显示,改进算法处理效果与原算法基本一致,算法效率得到显著提高,应用在视频增强领域,可以达到准实时。

基于显著图的可变模板形态学去雾方法

针对暗通道先验去雾中存在的光晕现象和天空区域颜色失真现象,提出了一种基于自适应可变形结构元(Adaptive deformable structuring element, ADSE)中值滤波结合灰度形态学重构精细化透射率的方法.该方法利用透射率与图像细纹理结构的无关性,由有雾图像的灰度图计算显著图(Salience map, SM),将SM作为导向图计算ADSE,用生成的ADSE对最小颜色通道图像进行自适应中值滤波运算;其次,以粗估计暗通道图像为标记图像,以自适应中值滤波后的图像作为模板图像进行灰度形态学重构运算,获得精细化暗通道图像,继而得到精细化透射率;最后,针对天空区域,引入最优化透射率方法,对天空和非天空区域做统一的运算得到最终透射率,完成图像去雾.本文算法对真实场景具有很好的去雾效果,同时,基于形态学的运算易于并行化和硬件实现.