基于L1范式优化透射率和饱和度补偿的去雾方法

雾霾天气下捕获的图像存在低饱和度与色调偏移等现象,传统的暗通道先验去雾算法在处理有雾图像时各有不足。为此,提出一种基于L1范式优化透射率和饱和度补偿的图像去雾方法。首先,利用交叉双边滤波器对大气光值进行区间估计,并通过引导滤波方法获得介质传输率的粗略估计;然后,利用Kirsch与Laplacian算子构成的一组高阶滤波器对透射率进行处理,同时通过L1范式对目标函数进行优化,从而得到优化后的透射率;最后,根据饱和度补偿与色调调整对图像进行细节处理,获得无雾的清晰图像。根据提出的模型对单幅图像进行去雾处理,并分析该方法的效率与误差。实验表明,该方法处理的图像具有最佳的视觉效果,相比于其他方法,图像边缘细节信息明显,且具有较快的运算速度;采用饱和度补偿与色调调整可以在避免颜色畸变的同时获得高饱和度与高对比度的复原图像,鲁棒性较好。

基于亮度对比度增强与饱和度补偿的快速图像去雾算法

针对传统去雾方法存在的恢复质量差和耗时较长等问题,提出一种基于亮度对比度增强与饱和度补偿的快速图像去雾算法.首先提出一种基于颜色畸变因子的偏色检测方法,并通过基于完美反射的白平衡方法对存在偏色的图像进行色彩校正;然后在Lab色彩空间的亮度通道内,结合基于天空检测的大气光值估计方法和基于暗通道先验的透射率估计方法,提出基于大气散射模型的亮度通道对比度增强方法;最后为了改善图像画面的苍白感,在HSV色彩空间的饱和度通道内提出基于大气散射模型的饱和度补偿方法,对初步去雾结果进行饱和度补偿,获得色彩鲜艳的无雾图像.与有代表性的去雾方法进行实验的结果表明,该算法可以有效地提高去雾速度,并在避免颜色畸变的同时获得高对比度和高饱和度的清晰复原结果.

基于HSI空间的沙尘图像增强算法

针对现有去沙尘算法的时间效率较低和受雾霾影响图像对比度提升不明显等问题,在偏色校正的基础上,提出在HSI空间提高饱和度与对比度的去沙尘增强算法.首先,在RGB颜色空间利用绿色通道校正其他颜色通道,实现沙尘图像的色彩平衡,完成颜色校正.其次,利用HSI空间各通道互不干扰的特性,针对S通道设计了自适应饱和度增强算法,I通道利用限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)算法提升对比度.最后,合并通道转到RGB颜色空间得到清晰的去沙尘图像.实验结果表明:本文所提算法对于图像细节的清晰度和对比度恢复效果均有较大提升,而且本文算法在时间效率上提升显著,在原有算法的基础上,改进后平均算法效率提升77%左右,保证了算法的实时性.