基于雾气理论的视频去雾算法

本文提出了两种基于雾气理论的视频去雾新算法,一种视雾气为覆盖在各帧图像上的一层遮罩被从原视频中减除,一种视雾气为光路传播图被分离消除.前者将Retinex算法得到的亮度图像与视频帧自身的深度关系相结合求取雾气遮罩,并将此遮罩从原视频帧中分离以去除雾气;后者将由背景图像得到的视频"通用"传播图应用于视频的所有帧以消除雾气.实验证明两种算法均能有效地提高原有雾视频各帧的对比度和清晰度.本文所提算法从雾气的角度入手,无需借助参考图像,运算代价低,与一般视频去雾算法相比,在获得较优的去雾效果的同时,具有较好的实用性和较快的处理速度.

基于雾气理论的图像加雾隐藏算法

提出了一种基于雾气理论的图像加雾隐藏新算法。首先对图像进行区域分割。然后对分割结果进行巴特沃斯滤波,得到薄雾遮罩,并将其与原始图像融合形成薄雾图像。最后,在薄雾图像中需要隐藏的军事目标上加入浓雾遮罩,并对浓雾边缘像素值做渐变处理得到加雾隐藏图像。对加雾隐藏图像进行逆运算可恢复原始图像。实验结果表明,该算法可以有效隐藏图像中的军事目标并抵抗去雾攻击。

基于大气散射理论的视频去雾算法的研究

本文提出了基于大气散射理论的视频去雾算法,这种方法计算固定场景下的大气透射率,把计算结果应用于视频的所有帧以消除雾气,实验结果和实际应用显示这种算法去雾效果较为清晰,对比度较原始图像有明显的提升。与其他视频去雾算法相比,由于固化了先验信息,因此算法的处理速度较快,在处理实时监控数据时可以迅速得到去雾的结果。