基于改进暗通道先验去雾的无人机目标检测研究

图像去雾是图像处理领域的一个重要研究热点。为了解决雾霾天气下图像的去雾与增强问题,提出了一种基于改进暗通道的去雾算法。首先为了使雾霾图像更接近无雾图像,提高图像的清晰度,该算法分别减少雾图像的RGB通道值,并结合每个减少的通道和其他两个先前未减少的通道,使用该图像去雾算法后再对三个新图像加权来恢复图像;为了解决图像天空区域出现颜色失真的问题,设置了一个参数K来分别计算天空区域和非天空区域的透射率;为了解决图像中亮度过暗和增加目标对比度,本文引入CLAHE的方法对图像进行增强处理。实验结果表明:本算法在5张图像的对比度值分别是MDCP和RSD算法的2倍多和3倍多,在5张图像中的信息熵均值为7.5589,均明显优于其余2种算法,并且该算法在雾霾天气下目标检测的平均精度可达73%,相比于未经处理图像前提升了15%,具有一定的可行性。

航拍图像暗通道先验去雾算法速度改进

针对暗通道先验去雾算法复杂程度较高,利用引导滤波精细化大气透射率图层时间较长的问题,提出一种用中值滤波精细化透射率图层的算法改进航拍图像去雾速度.改进算法定义了一种算法简单且具有边缘保护效果、与滤波窗口无关、时间复杂度为O(1)的中值滤波器,对云雾均匀的输入图像,用中值滤波较好地模糊了计算暗通道图层而产生的块状处理结果.通过计算机编码并采用无参考的客观图像质量评价方法比较算法改进前后的去雾图像效果,定量分析与实验结果表明,当原始图像云雾分布较均匀时,用中值滤波算法时间复杂度低,相比引导滤波更易实现,既能节约去雾时间,又能实现图像平滑处理.

基于暗通道先验的航拍图像去雾效果优化

航拍图像数据量大、图幅多、云雾情况复杂,在观测了大量航拍去雾图像后,发现效果并不理想,对比度依旧不高。通过研究暗通道先验去雾算法,分析有雾图像退化过程,提出了基于暗通道先验的航拍图像去雾效果优化方法。当原始图像云雾不均时,采用增强大气透射率图层对比度的方法来改善去雾输出图像的质量;此外,针对全部有雾输入图像,使用自动对比度或自动颜色增强的图像处理方法来提升去雾输出图像的亮度;最后通过计算机编码实现优化算法进行实验,采用无参考的客观图像质量评价方法对优化前后的图像效果量化评价。分析结果表明,在保障运算时间的基础上,优化算法使输出的去雾图像效果更加清晰,符合无人机航拍图像数据质量控制的要求。

基于双边滤波暗原色透射率细化的图像去雾算法

针对He算法中透射率存在斑块效应的不足,提出双边滤波暗原色透射率细化算法。在大气散射模型的基础上推导暗原色透射率;建立双边滤波权重因子,分析空间域核函数和值域核函数对滤波效果的影响,进而提取空域滤波半径和值域滤波半径。仿真实验表明,基于双边滤波的透射率细化效果优于He的算法,算法执行效率有显著提高。

基于暗原色和加权形态学滤波的图像去雾算法

针对雾天图像能见度低、对比度差的特点,提出一种自动消除雾的方法:基于暗原色和加权形态滤波的增强算法。首先引入暗原色先验信息,然后利用形态学滤波方法估计雾浓度图。该方法既能平滑雾浓度图,又能很好地保留场景的边缘,使估计出的雾浓度图更加精确。最后恢复去雾图像。实验结果表明,该方法简单快速有效,能够很好地达到去雾目的,并且较好地保留图像边缘细节。

基于暗通道先验原理的偏振图像去雾增强算法研究

在装备试验与测试中,常规光学成像系统极易受气象环境(如雾霾、沙尘等)影响,导致探测距离、成像效果、测量精度等受到大幅限制,从而严重影响目标成像效果及关键参数获取。如何增强雾霾条件下光学探测识别能力及成像质量,成为了当前急需解决的关键问题。本文利用偏振成像优势,结合暗通道先验原理,提出了基于暗通道先验原理的偏振图像去雾增强算法。该算法首先利用采集到的偏振图像提取偏振特征,计算偏振度和偏振角;同时,采用基于区域增长算法自动提取出天空区域,对天空区域进行大气光参数估计,获取大气光偏振度及偏振角相关参数估计;然后,结合暗通道先验原理,获取无穷远处大气光强,进而计算各像素点的大气光强;最后,建立在大气物理退化模型基础上,实现图像去雾增强。实例分析与验证中,通过主观评价与客观评价两种方法,对比本文提出的方法和常见其他方法,实际结果表明,本文算法去雾增强能力较强,能有效提升光学系统的探测识别能力及成像质量,对雾霾条件下武器装备关键参数获取具有重要意义。

基于均值漂移的暗原色先验图像去雾算法

暗原色先验去雾算法在单幅图像去雾方面效果明显,但该算法复杂度高、处理耗时长,针对该算法不足之处,文章对均值漂移算法进行适当改进后,将其引入暗原色先验去雾算法之中,并结合数学形态学的思想,提出一种新的高精度透射率快速计算技术和相应的去雾算法。通过改进的算法,有效解决了块状效应和光晕现象的问题。选取一系列雾天图像进行实验,分别采用主观观察评价和客观数据分析方法,结果表明文中所提出算法快速有效,并较好地恢复了图像细节,减少了色彩失真,同时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。

基于暗原色理论和自适应双边滤波的煤矿尘雾图像增强算法

针对煤矿井下存在大量煤尘、水雾导致获取的视频图像伴有大量的噪声、分辨率低、模糊的问题,提出了一种基于暗原色理论和自适应双边滤波的煤矿尘雾图像增强算法。基于暗原色先验理论,采用自适应双边滤波代替softmatting过程来求取精细透射率图,并根据煤矿井下特殊环境,从新的角度求取全球大气光值、粗略透射率图,并根据图像退化模型实现图像的去噪。实验结果表明,对于分辨率为1 024×576的图像处理时间为1.9 s,与He算法(HE K,SUN J,TANG X.Single image haze removal using dark channel prior.IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(12):1-13.)相比,运行效率提高了5倍。与直方图均衡法等算法相比,所提算法有效增强了图像细节、边缘,整体上更加适合人类视觉和视频监控的要求。

一种遥感多光谱图像去云雾方法

提出一种基于暗通道先验的遥感多光谱图像云雾去除方法,扩展了图像云雾退化模型,使其从只能描述三通道彩色图像推广到可描述任意多波段遥感多光谱图像的情况.根据图像暗通道先验知识,推导出遥感多光谱图像的暗通道先验描述式,给出大气成分值和透射率计算公式,以及遥感多光谱图像的云雾去除公式,计算得到还原后的各波段图像.实验证明,该算法充分融合了遥感多光谱图像的各个波段信息,能有效去除薄云薄雾干扰,还原后得到的图像包含更丰富的细节信息和完整的空间特征信息.

遥感影像暗原色统计先验分析

遥感影像的成像过程容易受到雾霾的影响,同时雾霾天气日益增多,使得遥感影像去雾工作成为遥感影像数据预处理的重要组成部分。基于暗原色统计先验的暗通道去雾方法已经在自然图像去雾方面得到了广泛应用,而该方法对于遥感影像的适用性还有待评估。以"高分一号"卫星遥感影像为例,讨论了遥感影像的暗原色值特性。结果表明,基于暗原色统计先验的暗通道去雾方法可以应用到遥感影像的雾霾去除工作上。

结合暗通道与图像分层的图像去雨雾方法

针对目前大部分算法只能解决单一天气下的图像增强问题,提出一种结合暗通道先验和引导滤波进行图像分层的图像去雨去雾算法。首先对图像进行暗通道先验,大气光值的计算选择亮通道与暗通道结合的方法,之后用引导滤波对透射率进行细化,得到经暗通道先验处理后的图像,再将图像进行引导滤波分层,对低频图像进行锐化,减少低频细节的损失,将高频图像进行多次引导滤波,获得更多高频图像中的背景分量,最后将低频图像与多次引导滤波后的无雨高频图像叠加。经实验表明,该算法相较于其他算法,既可以完成有雾图像的增强,又能实现有雨图像的复原,且在峰值信噪比和结构相似性上也均有较大提升,实现了复杂天气下的图像增强。

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

近几年,生态环境逐步恶化,雾霾情况日益严重,从总体上来看现阶段无论是在实际应用中还是学术界都没有能简便实现单幅图像快速去雾的方法。基于此种情况,笔者首先分析了现阶段单幅图像去雾方法研究状况,并结合自己的实际工作经验研发了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法,该方法在实际中的应用能够实现单幅图像的快速去雾,同时,也较为简单有效。