基于暗原色先验的Retinex去雾算法

针对雾天图像去雾问题,提出了一种基于暗通道先验理论的Retinex算法。首先利用引导滤波估计图像透射率优化暗通道先验算法,获取初步去雾图像并对去雾图像进行空间转换;在转换后的HIS空间中建立高斯尺度参数与透射率的指数关系,重新构造高斯滤波核并根据MSR算法对近处景物做大尺度变换以增强颜色保真性,对远处景物做小尺度变换以增强图像细节显示,实现根据景深大小完成自适应MSR算法以优化图像亮度分量I;对饱和度分量S进行自适应线性拉伸以优化图像色彩,最后由HIS空间重新转换为RGB空间得到最终增强图像。实验表明:与几种典型的图像去雾算法相比,经基于暗通道先验理论的Retinex算法处理后的图像清晰度和对比度提升明显,同时获得很好的图像色彩层次感。

基于Shearlet变换的Retinex去雾算法

通常,雾天情况下拍摄的图像会因大气粒子散射而出现对比度低、图像模糊等问题,对交通监控系统等造成了一定的影响。针对这一问题,提出一种基于Shearlet变换的Retinex去雾算法。首先对有雾图像进行Shearlet变换分解,得到低频信息和一系列高频信息;由于雾气大部分存在于低频分量上,优先对低频系数使用多尺度Retinex算法进行处理以降低雾气对图像的影响;再对高频系数采用阈值法进行处理以去除噪声;最后再进行Shearlet逆变换,从而实现去雾,得到最终的增强图像。实验结果表明,该算法能增强图像的视觉效果,使图像的细节更丰富,达到去雾的目的。与其他算法相比,在亮度、对比度和信息熵方面均有一定程度的提高,处理后图像的视觉效果更好,是一种有效的雾天图像清晰化算法。

基于暗通道先验的Retinex去雾算法研究

针对雾霾天气下有雾图像能见度水平低、在低光照条件下无法有效获得图像细节信息等问题,提出一种基于暗通道先验的Retinex去雾算法。首先采用改进的暗通道先验算法对有雾图像进行初步处理,得到初步复原图像;其次,在得到的去雾图像上进行Retinex图像增强,利用引导滤波对照度分量进行平滑处理,求出反射分量;之后利用S型曲线对反射分量进行增强,以增强图像细节信息,并采用全局自适应与改进的Gamma函数对对比度及亮度进行拉伸调整;最后,运用颜色恢复函数还原色彩。实验结果表明,该算法在平均亮度和对比度方面都得到一定程度的提高,分别至少提高了1.79%和1.07%,平均梯度和信息熵分别至少提高了4.80%和4.79%。

基于改进多尺度Retinex理论的海上图像去雾算法

针对传统去雾算法在海雾环境下处理得到的图像细节丢失、亮度偏暗及色彩失真等问题,提出了一种基于Retinex理论的海上图像去雾算法。首先,将图像转换到HSV空间,通过改进的多尺度Retinex增强算法对V通道单独处理获得照射分量。其次,将照射分量经过对数运算获得反射分量,与归一化处理后的H和S通道合并获得图像基础层。最后,通过引导滤波获得图像细节层,并与基础层合并进行自动白平衡处理,得到最终结果图像。试验证明,与暗通道先验算法及传统多尺度视网膜增强算法相比,提出的算法在标准差、平均梯度、峰值信噪比及结构相似性等评价指标方面均有所提升,海雾图像去雾质量得到有效增强,对提高海雾环境下船舶通航效率具有重要意义。

基于Retinex去雾算法的水射流辅助激光加工特征图像融合算法

为了在水射流辅助激光加工过程中更加高效地观测工件表面的结构特征,本文提出了一种基于Retinex去雾算法的水射流辅助激光加工图像融合算法。首先,利用基于形态学理论的自适应性Retinex去雾算法解决水射流导致的气泡和表面模糊问题。通过图像区块的标准差值计算细节指数,确定高斯滤波函数的尺度,并计算单尺度函数线性叠加的权重。其次,采用离散小波变换分解聚焦区域不同的源图像序列,并根据人眼视觉原理拉伸细节分量。最后利用离散小波逆变换将分量重新融合,得到可以增强细节信息的全聚焦图像。当水射流喷嘴直径为0.4 mm时,算法处理后的图像的标准差、平均梯度和空间频率分别可以达到参考图像的95.41%、71.88%和67.29%;当射流倾斜角为45°时,上述三个指标分别达到了参考图像的90.59%、72.69%和94.50%。这表明本文所提算法有效提升了图像质量,对于在不同加工情况下获得的图像均可实现较好的处理效果,同时有助于提高加工效率。

基于改进Retinex算法的无人机影像去雾方法

针对传统的Retinex去雾算法处理有雾影像后存在色彩失真、去雾效果差等问题,对传统的算法进行了优化,提出一种改进Retinex算法的无人机影像去雾方法。首先,统计经过Retinex对数运算后的灰度分布情况,其次,使用改进白平衡算法对灰度值重新运算,最后,结合灰度世界和完美反射算法校正了无人机影像的色差。实验结果表明,该算法降低了色彩失真,使影像的细节更丰富,与其他算法相比,该算法评价指标整体提高,是一种有效的无人机影像去雾算法。

一种基于Retinex理论的图像去雾算法研究

针对Retinex算法去雾存在自适应能力差、容易产生光晕现象的缺点,通过对Retinex方法去雾后的图像依次做对比度拉伸、统计R/G/B分量像素亮度个数、用三次B样条拟合、计算曲线右侧的极值、确定天空区域分割阈值、得到分割图像,然后对分割后的非天空区域做色偏校正,对天空区域做均值化处理,最后将处理后的图像融合.实验结果表明,算法处理后峰值信噪比提高约9.14%,信息熵提升约22.2%,对比度提高约6.41%,说明改进后的算法效果较好.

基于FPGA的视频图像去雾算法的优化与实现

在恶劣天气条件下采集的图像存在对比度差、清晰度下降等问题。图像质量的恶化制约着计算机视觉的准确性和自动化任务的效率。给出了一种基于限制对比度自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)与改进多尺度Retinex(Multi-Scale retinex,MSR)的图像去雾算法。该算法将输入的含雾降质图像先经过CLAHE算法处理,再用MSR算法处理,对图像MSR算法处理时,引入Gamma校正因子估计入射光,并对算法中的环绕函数进行优化。结果表明,所提出算法处理后的图像相比原图,图像的信息熵、平均梯度和标准差等方面均有提升;并设计硬件电路,成功在FPGA上演示了视频实时去雾,提高了视频图像去雾的实时性。对板级资源与功能消耗进行了数字化的分析,证明所设计硬件系统属于低功耗范畴。

结合灰度世界和Retinex的低照度图像增强算法

针对图像增强处理中亮度偏低、细节模糊、色彩失真等问题,提出了一种基于Gabor滤波的多尺度Retinex与自适应补偿的灰度世界理论结合的图像增强算法.通过双伽马函数预处理图像暗区对比度并抑制亮区过增强;考虑Gabor滤波良好的方向选择性和纹理细节敏感度,将其作为多尺度Retinex算法的中心环绕函数在双曲正切域上进行卷积来突出细节,并添加增益偏移算子动态地调整反射分量的亮度;最后使用自适应补偿的灰度世界算法进行色彩保持和校正,得到最终的输出图像.实验结果表明该算法在结构相似性、标准差和平均梯度上比对比算法的平均值分别高出47%、38%和50.3%,处理后的图像在提高亮度、突出细节的同时保持了较高的色彩度.

基于二进制掩码的单幅图像天空区域识别去雾算法

针对暗通道先验去雾算法处理得到的去雾图片存在颜色失真、偏移等问题,提出了一种基于天空区域识别的改进算法。首先,利用区域窗口自适应最小化滤波器获得暗通道图像,并使用二进制掩模图进行天空区域识别。其次,对天空区域进行透射率和大气光值的设定,同时引入引导滤波器对透射率图进行优化,避免了图像恢复时天空部分色彩失真的问题。最后,利用大气散射模型对原始图像进行复原。实验结果表明,本算法能够有效对图像中天空等明亮区域进行去雾,使处理后的图像具有良好的视觉效果。

基于改进粒子群算法的超声雾化电源频率跟踪

超声波雾化技术由于其良好的雾化效果获得了广泛关注,具有极大的研究价值和应用前景。但是在超声雾化的过程中,由于换能器的温度变化、刚度变化以及在水中的负载变化等因素,会产生谐振频率漂移的现象。当工作频率偏移谐振频率时,将造成换能器的工作效率降低和元器件损坏等问题。针对此问题,设计了基于改进粒子群算法优化PID参数的超声雾化电源频率跟踪算法,并对该算法进行频率跟踪的仿真验证和实验对比,在频率跟踪上实现了更好的效果,使换能器能够稳定工作在谐振状态,提高了电源的利用率。

改进Retinex算法的带雾航片去雾与三维建模研究

针对航测作业过程中遇到云雾等恶劣气候条件时,会产生影像色彩失真、饱和度低、背景模糊不清等问题,本文进行了影像去雾与影像增强算法的研究,提出了一种改进Retinex算法,并以重庆某山区为例,与两种传统经典算法进行比较分析。结果表明,本文算法可对带雾影像进行有效处理,获得更真实准确的细节、更清晰真实的光感色彩;使用去雾与增强后的影像进行三维建模,从而生成高分辨率三维网格。分别从主观和客观开展对影像效果的评价,所得到的优化影像与三维模型都有良好的效果。

一种基于空域占比自适应暗通道去雾算法

针对暗通道去雾算法存在的天空区域颜色失真的问题,提出了一种基于空域占比自适应暗通道去雾算法。该算法首先引入阈值迭代法,对有雾图像天空区域进行自适应分割;接着计算有雾图像空域占比,当占比大于设定阈值0.05时,对天空区域前1%个最高亮度像素求均值作为大气光值,否则加权平均求取全局大气光值;对于非天空区域依然按照暗通道先验计算透射率,而在天空区域引入修正因子,自适应修正天空区域透射率,同时采用引导滤波对其进行细化;最后通过大气散射模型恢复无雾图像。实验结果表明,所提算法改善了天空区域颜色失真现象,有效去除了图像雾气,恢复了图像的细节信息,且时间复杂度有所降低,具有一定优势。

改进AOD-Net的道路交通图像去雾算法

针对现有图像去雾算法在处理道路交通图像时无法同时兼顾去雾效果和实时性的问题,本文以快速一体化网络去雾算法(AOD-Net)为基础进行改进.首先,在AOD-Net中添加SE通道注意力,以自适应的方式分配通道权重,关注重要特征;其次,引入金字塔池化模块,扩大网络的感受野,并融合不同尺度特征,更好地捕捉图像信息;最后,使用复合损失函数同时关注图像像素信息和结构纹理信息.实验结果表明,改进后的AOD-Net算法对道路交通图像去雾后的峰值信噪比提升了2.52 dB,结构相似度达到了91.2%,算法复杂度和去雾耗时略微增加,但仍满足实时要求.

基于深度学习的单幅图像去雾算法综述

随着人工智能技术的快速发展,深度学习已经成为解决图像去雾问题的主要方法之一。综述了当前深度学习在图像去雾中的应用研究进展,主要包括基于传统卷积神经网络的方法、基于生成对抗网络的方法、多尺度方法等。对比分析了不同方法的优缺点,并对未来的研究方向进行了探讨。

基于多尺度Retinex的低照度公路交通图像增强算法

针对公路场景下的视频监控系统与其他图像采集设备常常受到环境因素的影响,使得采集到的图像呈现出低照度、低对比度、不清晰等缺点,不利于后期对交通运行状态的识别等。因此,本文提出一种基于二维gamma函数改进的多尺度Retinex的低照度公路交通图像增强算法。首先,采用引导滤波将原始低照度公路交通图像分为基础图像与细节图像后加权融合,获得对比度增强图像;然后在HSV颜色空间下,采用本文改进的算法校正亮度分量,获得亮度增强图像;最后多尺度融合对比度增强图像与亮度增强图像,得到最终增强图像。实验结果表明,本文算法能够有效提升公路交通图像的亮度、对比度与清晰度,适用于公路场景的视频监控系统与图像采集设备。

基于GWO与PSO融合优化算法的雾计算资源分配研究

针对雾计算资源分配问题,文章通过结合灰狼优化算法(GWO)较好的全局搜索能力以及粒子群优化算法(PSO)良好的算法收敛能力而提出了一种新的资源分配思路。此外优化算法权重取值对算法性能的影响较大,文章引入一种自适应权重策略来调节算法的权重,以优化算法对于节点资源分配准确度和效率。实验结果表明,该文提出的算法在雾计算资源分配问题上具有更好的性能,为任务提供更为高效、快速的资源调度策略。

基于HSV空间的Retinex低照度图像增强算法

针对低照度图像存在亮度较低、照明不均匀、对比度较差、细节信息损失等问题,提出一种基于HSV空间的Retinex低照度图像增强算法.首先将低照度图像转化为HSV空间;然后在HSV空间对亮度通道采用改进的Retinex算法和基于自适应Gamma校正与CLAHE算法联合的亮度增强算法实现对低照度图像的亮度增强;其次,通过双边滤波,利用线性拉伸进行饱和度分量图像增强;最后将增强后的图像重新转换为RGB格式,并利用自动白平衡技术恢复图像物体原本的颜色.实验结果表明,该算法有效改善了低照度图像的质量,达到较好的视觉效果,PSNR、SSIM和信息熵等指标优于其他算法.

滤波器可变的Retinex雾天图像增强算法

针对现有中心环绕Retinex图像增强算法滤波器固定,不能对雾天图像有效地同时增强细节与色彩保真的问题,提出一种滤波器可变的Retinex图像增强算法.首先根据雾天图像雾化程度的分布特征得到滤波参数的阈值;然后将原图中每一子块的局部信息与阈值信息作差运算得到相应的滤波器,由此计算出该子块的入射分量,并通过部分重叠策略平移子块完成对整幅图像的入射分量估计;最后将原图减去整幅图像的入射分量得到反射分量,实现对图像的增强.通过主观观测和客观评价的结果表明:该算法比现有的中心环绕Retinex算法在细节增强和颜色保真方面具有更好的效果.

基于自适应分割和多尺度Retinex的图像增强算法

智能行车预警是智慧交通系统(ITS)的主要组成之一,因车载设备采集图像受环境影响,会出现强光影过渡和局部高亮的现象。针对Retinex算法在该场景下存在光晕伪影与纹理弱化的问题,提出了一种基于自适应分割和多尺度Retinex(MSR)的图像增强算法。首先,使用中值滤波器滤除基本噪声,同时保留边缘信息,再通过以景深为主导的改进分水岭分割将图像分割为亮、暗2个独立区域;其次,对亮、暗区分别进行不同尺度的Retinex增强,根据亮、暗区域的边缘特性,计算融合权重并进行亮、暗区的融合重构,得到最终的增强图像。实验结果表明:所提方法在强光影过渡和低照度逆光图像的增强实验中具有良好的增强效果,抑制过渡区光晕的同时增强了高亮区的细节。