一种有雾天气图像景物影像的清晰化方法

针对雾天下拍摄图像的退化现象 ,提出了一种景物影像清晰化的方法。该方法不需要依据大气模型 ,即可直接对景物的细节信息进行增强处理 ,并可用移动模板对不同深度的场景进行分割 ,以对模板中的区域进行块重叠直方图均衡化处理。为了能在对景物细节信息进行增强的同时 ,避免天空噪声的影响 ,可根据图像的灰度分布特性 ,求出天空区域灰度的最佳近似正态分布 ,再由这个近似正态分布估计来得到分割天空区域的灰度值分布范围 ,以增强景物细节信息。实验结果表明 。

恶劣天气环境下退化图像的清晰化算法

针对恶劣天气环境下的户外检测系统,提出一种退化图像清晰化算法。将近似点扩散函数估计算法与改进的部分重叠子块直方图均衡化去雾算法相结合,以去除影响图像质量的气象因素,根据图像大小选择子块的尺寸和步长,使用固定参数经验值进行图像处理,实现降质图像的复原。实验结果表明,该算法具有较强的自适应性和实时性。

基于自适应融合的手掌静脉增强方法

针对掌脉轮廓不清晰,图像对比度低、亮度低,进而导致识别性能降低的现象,提出一种自适应融合的手掌静脉增强方法。首先,基于暗原色先验(DCP)去雾算法,根据掌脉图像变异系数自适应选择去雾系数,得到DCP增强图像,并且基于部分子块重叠直方图均衡(POSHE)算法得到POSHE增强图像;然后,将图像分为16个子块,依据图像灰度均值与标准差确定各子块权重;最后,根据各子块权重对DCP和POSHE增强图像进行自适应融合,得到最终增强图像。该方法既保留了DCP算法在增强图像对比度和亮度的同时不引入明显噪声的优点,又保留了POSHE算法在增强图像对比度和亮度的同时不损失局部细节的特点;同时,两者的自适应融合既解决了DCP图像阴影部分掌脉缺失现象,又削弱了POSHE产生的块效应。在对两个公开库和自建库分别进行的实验中,三个数据库的等错误率分别为0.000 4、0.047 2、0.057 9,识别率分别为99.98%、94.27%、92.05%。实验结果表明,与现有的图像增强方法相比,该方法降低了等错误率,提高了识别精度。

一种有雾图像低对比度增强的方法

为了提高有雾图像的能见度,提出一种雾天降质图像清晰化方法。该方法根据图像的灰度分布特性,将高灰度区域的像素映射到模糊域处理以便得到天空区域的灰度值分布范围,将天空区域和景物部分区分开,以便增强景物细节信息和避免天空噪声的影响。利用移动模板对各局部区域进行子块重叠双直方图均衡化实现清晰化处理,从而克服直方图均衡化时模板内景物不同深度退化差异的情况。实验结果表明,该方法能有效地改善雾天时图像的退化现象和提高图像的清晰度。

一种改进的雾天降质图像的清晰化算法

为了提高有雾天气下户外监控系统的能见度,提出一种改进的雾天降质图像清晰化算法.该算法从图像增强的角度入手,利用移动模板对各局部区域进行部分块重叠直方图均衡化以实现清晰化处理,克服了原算法运行时间过长的缺陷.实验表明,改进算法能够有效提高雾天降质图像的对比度,获得满意的视觉效果.