一种消除halo效应的去雾算法

雾天条件下获取的图像会有低对比度和低场景可见度的问题,一些去雾算法会出现halo效应现象。基于暗原色先验理论的去雾算法,花费了大量的时间在透射率的优化问题上。为此,提出一种结合暗通道去雾算法的景深优化的图像复原方法,在图像景深边缘和非景深边缘分别采用不同的模板处理得到暗图像,进而得到粗略透射率,双边滤波器进行修复粗略透射率。该算法能够有效地去除图像中的雾气,和软件抠图法相比较,不仅有效降低了halo效应,并且大大地减少了透射率处理时间,提高了处理效率。实验表明该算法的时间复杂度与图像尺寸成线性关系,相比于传统算法在计算速度上有一定提高,保障了图像处理的实时性。

一种基于Sigmoid函数的抑制Halo效应的有效算法

人们通常利用暗通道先验理论进行图像去雾,其副作用之一就是光晕现象,即Halo效应。在深入分析光晕效应特点的基础上,提出了一种基于Sigmoid函数的抑制Halo效应的有效算法。首先对带有光晕的图像进行大量观察,总结了光晕产生的位置规律及结构特性,构造了一个具有方向性的Sigmoid模板;然后对由暗通道先验理论得到的粗略透射率图进行边缘检测,获得景深突变处像素点的坐标和方向角;其次,再利用已构造的模板判断该处出现光晕的准确位置,并将非光晕区域的像素值赋给光晕区域,得到优化后的透射率图;最后引入一种容差机制还原出清晰无光晕的图像。本算法的特色在于所构造的模板仅仅处理出现光晕的区域,而不是处理整个图像区域,因此避免了传统方法中非光晕区域的颜色失真问题。实验结果表明,本算法简单易行,运行速度快,复原效果好。

基于像素级图像融合的单幅图像去雾算法

单幅图像去雾是计算机视觉领域的一个重要研究课题,基于图像融合思想,提出一种新的单幅图像去雾算法.首先计算大气光和中值暗原色先验的差值绝对值来判断有雾图像中是否含有明亮区域,获得对天空、白色建筑物等明亮区域透射率更精确的估计,并通过该透射率计算第一幅待融合图像;然后利用大气散射模型的一般形式,求解出第二幅待融合图像;最后,通过计算融合系数,将两幅去雾图像进行像素级融合,得到最终的去雾图像.该方法可以有效的改善天空区域颜色失真,去除Halo效应.实验结果表明,所提方法能较好的实现去雾,并保留图像细节和结构信息.