单幅图像去雾方法研究

介绍了单幅图像去雾方法的研究现状、分析了基于增强方法和基于复复方法的一些经典图像去雾算法,指出了各种算法的优缺点。综合评价得出基于复原的图像去雾方法优于基于增强的图像去雾方法。针对现有的基于图像复原去雾方法提出了仍需要深入研究的问题,并从建立全面物理模型、探索模型求解的先验知识、设计基于人眼视觉机制的模型求解方法和图像去雾质量评价等几个方面分析如何突破图像去雾的关键技术。最后,对现有技术的发展趋势进行了分析,指出了去雾技术的研究方向。

一种雾天图像低对比度增强的快速算法

为解决雾天图像低对比度问题,提出一种插值自适应直方图均衡化算法。该算法不仅避开了物理模型方法对景物信息的依赖,而且与其他图像处理算法相比能大幅度降低运算复杂度、消除块状效应、有效地突出图像细节信息,因此特别适合于深度信息多变且对比度较低的雾天图像。算法的有效性为实验结果所证实。

基于多尺度Retinex的雾天降质图象增强算法

雾天图象受到严重退化,大大降低了图象的使用价值。利用Retinex理论的颜色恒常性,通过提取照度分量来去除雾天对图象的退化作用。指出MSR算法处理雾天图象的不足,提出将MSR算法处理结果与原图象结合的改进方法:引入原图象对数分量和颜色信息,以保留原图象亮度的全局对比度和恢复平坦区域的颜色;提出进一步增强雾天图象细节信息的方法:将MSR处理结果与边缘增强的原始图象相结合,然后对输出图象各颜色分量先进行正态截取,再统一拉伸到显示设备的动态范围。实验结果表明,该方法能取得较好的图象去雾效果。

一种基于局部方差的雾天图像增强方法

提出了一种基于图像局部方差的保持灰度级和亮度的雾天图像增强算法。即在对图像作局部处理的基础上,利用局部方差可以较好的体现图像细节信息的特性,通过计算并比较图像局部标准方差的大小来判断局部图像的增强程度,然后以灰度均值为基准进行局部灰度拉伸。该算法可以有效增强和保留图像细节,克服了传统直方图均衡化处理所造成的灰度级损失的缺点,保持了原图的灰度级和平均亮度,较好的抑制了噪声,图像视觉效果明显改善,因此特别适合于深度信息多变且对比度较低的雾天图像。实验结果表明该算法可以有效的增强雾天图像。

改进的多尺度Retinex算法及其应用

在经典的多尺度Retinex算法中对Retinex输出采用一个常数增益,使图像在平滑区域和高对比度边缘出现过增强,导致噪声放大和边缘晕环。针对该问题,提出改进MSR算法,对Retinex输出采用自适应空间变化增益,平滑区域和高对比度边缘增益小,细节区域增益大,并且小尺度Retinex输出不同区域增益差大,而大尺度Retinex输出不同区域增益差小,从而使图像细节更清晰,同时场景轮廓和颜色呈现更自然。将该算法用于受到严重退化的雾天图像,能取得较好的图像去雾效果。

基于模糊逻辑的雾天降质图像对比度增强算法

提出一种新颖的雾天降质图像增强算法。该算法通过对降质图像进行规范化预处理,降低不同雾况对灰度级分布范围的影响,并对规范化后的图像,根据大气散射对对比度衰减的影响规律,在模糊域内实现对比度增强处理。实验结果表明,该算法可以有效提高雾天降质图像的对比度,视觉效果改善明显。

基于MSR的雾天图像清晰化算法研究

研究雾天图像清晰化的问题,需提高图像增强的均匀性。针对雾天情况下,由于雾气的遮挡使得拍摄图像对比度降低,图像局部细节处不清晰,传统的直方图均衡化的雾天图像清晰化方法虽然能够增强图像对比度,但是图像局部细节增强不足,造成图像增强均匀性不高的问题。提出一种MSR的雾天图像清晰化算法,通过Sigmoid函数对图像作映射,拉伸图像的对比度,然后利用MSR算法,将图像小波分解为高频分量和低频分量,对高频分量取绝对值最大运算,低频分量加权平均,并避免了对图像进行全局直方图均衡化造成的图像增强不均匀,局部细节增强不足的问题。实验证明,提出的算法能够将雾天图像均匀增强,得到高清晰的图像,取得了满意的效果。

一种改进的处理雾天降质图像的增强算法

子块部分重叠的局部直方图均衡算法(POSHE)用于雾天图像增强时,因为输出的图像亮度不可调整,致使有的图像处理后整体偏暗,部分细节不够清晰,为此,该文以POSHE为基础,利用抛物线直方图均衡化方法,实现雾天图像增强.实验表明该方法在对雾天降质图像处理时,可以达到局部细节清晰化和全局对比度增强的效果,并且亮度可方便调整.

基于自适应双通道先验的煤矿井下图像去雾算法

针对暗通道先验算法在处理煤矿井下图像时存在的图像失真、细节不足和图像暗光等问题,提出了一种基于自适应双通道先验的煤矿井下图像去雾算法。首先,根据大气散射物理模型与煤矿井下特殊环境,建立了煤矿井下尘雾图像退化模型。然后,融合暗通道与亮通道建立双通道先验模型来优化透射率,并加入自适应权重系数来提高透射率图的精度,采用梯度导向滤波代替传统导向滤波对透射率图进行细化处理。最后,结合矿井环境改进大气光值求取方法,根据尘雾图像退化模型复原图像。实验结果表明:该算法能够有效去除图像中的尘雾现象,避免了光晕模糊和过增强现象;相较于暗通道先验算法、Retinex算法、Tarel算法,该算法大幅提升了图像信息熵与平均梯度,使复原后图像的细节信息更加丰富,同时缩短了运行时间。

基于饱和度的多尺度雾天降质图像质量增强算法

传统图像质量增强算法只适于薄雾状态下的降质图像,对浓雾状态下图像质量的增强效果较差。为此,提出一种新的基于饱和度的多尺度雾天降质图像质量增强算法,通过混合灰度转换函数子带分解多尺度Retinex算法,挑选高、中、低三个尺度,结合雾天降质图像整体阴影区域和高光部分的细节,依次完成对雾天降质图像各个频段的质量增强,获取各个频段的质量增强结果。把获取结果与原图像共同视为一个图像集合,通过图像融合技术完成对所有图像的权重图分配操作,提高增强后图像质量。实验结果表明,所提算法能够有效增强雾天降质图像质量,主观客观评价结果均较优。

基于混合对比度增强的户外图像去雾方法

雾天拍摄的户外场景图像对比度和色彩降质严重,影响了视觉监控系统的可靠性和鲁棒性。针对雾天图像灰度动态范围较窄、对比度差的问题,为提高视觉精确性,提出一种基于混合对比度增强的户外降质图像去雾方法。在分析雾天图像特征的基础上,给出了一种全局去雾模型,然后基于遗传算法的全局搜索优势,对图像进行全局优化去雾处理。根据雾天图像降质与深度密切相关的先验知识,研究了一种模糊邻域对比度增强方法,进一步实现局部细节的增强处理,并进行仿真。结果表明,提出的混合去雾方法实现简单,能够有效增强雾天降质图像的全局对比度和细节结构,较好地改善视觉效果。

基于Matlab大雾天气下图像清晰化研究

主要针对雾天情况下获取的降质灰度图像进行研究。通过MATLAB对数字图像进行处理,建立衰减模型。运用维纳滤波、逆滤波这两种方法来实现灰度图像的清晰化处理。并对这两种方法得到的结果进行了比较分析。同时,在维纳滤波的基础上,还增加了中值滤波、平滑滤波两种滤波增强方式对恢复图像进行再处理。实验结果表明,维纳滤波的效果要比逆滤波好得多。而增加了中值滤波和平滑滤波的维纳滤波实现了平滑去噪,恢复图像更接近原图。

基于光学深度估计的雾天降质图像清晰化复原

研究雾天图像质量优化问题,雾天拍摄的户外场景图像对比度和色彩都发生不同程度的降质,严重影响了视觉监控系统的可靠性和鲁棒性。为提高雾天的图像清晰度,根据大气散射模型和雾天图像的对比度衰减同场景点深度成指数规律的先验知识,提出了一种场景光学深度的估计方法,应用于雾天降质图像的清晰化复原。采用建立了两组联系大气散射系数与场景点深度的关系式,并计算出场景各点光学深度的估计值。同时结合了两幅差异雾况天气下同场景图像的灰度信息以及局部对比度信息,可以更好地提高对场景深度信息估计的可靠性。结果表明,方法获得的场景可以实现雾天降质图像对比度的有效改善,获得满意的视觉效果。

一种针对移动模板的景物影像清晰化方法的实现与改进

利用前人提出的一种雾天图像清晰化算法能得到较清晰的雾天降质图像.该算法也不可避免地存在着一定的缺陷,如处理图像所需要的时间过长,处理后的图片会出现增强过度等情况.基于上述不足之处,本文主要研究的是在此基础上给出具有针对性的解决方案.首先,在具体操作的过程中,我们需要将这两大进程——对天空部分的判断和移动模板直方图的均衡化相分离,要把天空部分率先分离出来,必须要保证模板内已经没有属于天空部分的点,这样之后才能执行直方图均衡化这一操作.其次,我们将移动模板的步长拉大.为了验证算法改进的有效性,我们在MATLAB平台上做了大量的实验,根据实验结果可以看出,改进算法不仅使图片的清晰化程度提高了,而且处理图像花费的时间也略有减少.

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。

雾景降质图像增强算法研究

在对目前雾景降质图像增强文献进行分析与理解的基础上,简单介绍最近十年雾景降质图像增强的研究现状,根据相关文献简要分析了传统雾景降质图像增强方法的缺陷及改进;介绍和评价了几种基于物理模型的天气退化图像复原方法;最后简要对雾景降质图像增强的发展与亟待解决的问题进行了分析与展望。

雾天视频清晰化系统研究

针对在雾天等恶劣天气条件下普通监控系统不能发挥应有的作用,设计基于DM642数字信号处理器的雾天视频清晰化系统,给出系统硬件结构和软件流程。以Retinex图像增强理论为基础,根据传统Retinex算法的数学定义提出随机喷射Retinex(RSR)算法。RSR算法以2-D像素点集合代替传统路径比较方法,解决了路径依赖、样本噪声问题,优化了计算复杂度。实验结果表明,系统实现了良好的实时性、稳定性和视频图像清晰化。

基于模糊逻辑增强有雾图像对比度的方法

为了提高有雾图像的能见度,提出一种基于模糊逻辑增强雾天降质图像对比度的方法。该方法将整个有雾降质图像从灰度平面映射到模糊特征平面上,然后再利用模糊熵求出图像像素的灰度空间变化率,通过选取合适的阈值将图像像素点分成两大类,并在模糊特征增强变换时对它们实现不同的增强操作处理。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.

一种基于修正直方图的图像增强算法

针对雾天降质图像对比度低的问题,提出了一种基于修正直方图的图像增强算法。统计图像的直方图时,每个像素分为两部分,一部分累加到当前像素灰度级,剩余部分按灰度级平均分配,实现直方图的修正,然后根据修正直方图产生灰度映射函数,由于每个像素只有一部分累加到当前灰度级,这样可以避免局部图像的过度增强。实验表明,该算法比经典的直方图均衡化算法、局部直方图均衡化算法有更好的增强效果。