基于通道差值模型的导向滤波去雾算法及其FPGA实现

计算机视觉系统受到有雾天气的影响会导致捕获的图像质量较差。为了解决该问题,文中提出了一种基于通道差值模型的导向滤波去雾算法及其FPGA(Field Programmable Gate Array)设计。通过分离雾天图像的亮通道与暗通道得到通道差值模型,并将该模型作为导向滤波的引导图对雾天图像进行平滑处理,最后进行高升压滤波操作得到去雾图像,设计硬件架构并在FPGA上实现。实验结果表明,去雾后的图像场景照度均匀,纹理信息恢复程度较好且颜色保真度高,对于480×270大小的图像,电路综合频率为108.448 MHz,吞吐量为323.47 MB·s^(-1),完成整个去雾过程花费时间为0.0012 s。实验结果证明文中所提算法及其硬件设计能够有效提高图像可见度和去雾速度。

一种农田作物无人机遥感影像阴影检测算法

针对现有阴影检测算法在复杂农田场景下难以提取不规则、碎片化阴影的问题,提出了一种农田作物无人机遥感影像阴影检测算法。结合无人机影像的阴影/非阴影区颜色特性,构造基于双通道差值和G波段增强的新型灰度变换方法,使用最大类间方差法对灰度图进行自动阈值分割,从而获取阴影检测结果。以本团队在国家玉米产业技术体系试验示范基地采集的数据进行实验,结果表明,所提方法检测结果更接近真实阴影,平均总体精度为0.986 8,平均F_(1)分数为0.956 7。

基于暗通道补偿与大气光值改进的图像去雾方法

针对暗通道先验去雾算法存在的光晕现象、大气光值选取不准确等问题,提出了一种基于暗通道补偿与大气光值改进的图像去雾方法。为减弱图像景物边缘处的光晕效应,提出了一种基于暗通道补偿模型的解决办法,利用加权通道差值的方法识别光晕区域,通过腐蚀、融合等处理修正该区域的暗通道值,采用线性融合的方式与原暗通道进行融合,实现对暗通道的补偿。针对大气光值选取不准确的问题,改进了四叉树分割方法,即增加相邻区域比较的策略,使该算法可以更加精确地获取大气光值,使恢复后的图像更加清晰自然,细节保留更加丰富。借助大气散射模型与优化后的透射率恢复无雾图像。实验结果表明,本文方法能够有效地去除光晕效应,准确地获取大气光值。