融合平均曲率与直方图分析的暗通道先验去雾算法

针对当前暗通道先验算法存在的边缘模糊、过饱和以及大气光值错估问题,提出一种融合平均曲率与直方图分析的暗通道先验去雾算法。首先,计算输入图像微观几何表面上所有像素点的平均曲率,并以归一化的平均曲率强度为权重融合小尺度与大尺度传输图;其次,分析存雾图像三个通道的直方图,确定是否存在过亮区域并估计全局大气光值;最后,利用大气散射模型得到清晰的去雾图像。与其他算法在HAZERD等公共数据集上的实验对比结果表明,该算法能够解决当前暗通道算法存在的问题,且具有更高的鲁棒性与实效性。

基于暗通道补偿和透射率修正的图像去雾算法

针对传统暗通道去雾算法应用于含有天空区域的有雾图像时出现的色彩失真以及细节缺失的问题,提出一种基于暗通道补偿和透射率修正的图像去雾算法。使用均值滤波替代最小值滤波,对暗通道进行补偿,利用补偿的暗通道对大气光值的预估方法进行优化;根据像素点与大气光点距离的远近对图像的初始透射率进行了修正,并使用快速引导滤波进一步细化图像的透射率;通过大气散射模型将透射率图像恢复为无雾图像。实验结果表明,该算法得到的复原图像具有较好的色彩保真和细节保持能力,在峰值信噪比以及结构相似性上都取得了提升,同时该算法在执行时间上缩短为原来的一半。

基于改进YOLOv4深度学习的有雾海面船只识别

为了提高有雾场景下船只检测识别的准确率,本文运用四分法计算求解大气光值实现对暗通道先验去雾算法的优化,引入空洞卷积方法和K-means++聚类算法改进YOLOv4算法,提出改进的暗通道先验去雾算法和改进YOLOv4深度学习的船只检测方法。通过与不同去雾算法和船只识别算法进行对比实验分析,改进后的方法更好地实现了海面船只的实时检测及分类识别。实验结果表明该方法解决了原去雾算法中去雾图像亮度偏暗等问题,提高了船只识别的准确率与实时性,对海上有雾环境条件下的船只实时检测研究具有一定的理论指导意义。

一种自适应基于暗通道先验的去雾方法

基于暗通道先验去雾方法,提出一种改进的自适应基于暗通道先验去雾方法,并使用均方误差对已有雾模型数据库中多组数据进行误差分析.实验结果表明,该方法对光线不足或天空等背景的图像实验效果优于已有方法,并且恢复的图像更接近真实图像.

暗原色先验图像去雾改进新方法

针对暗原色先验在明亮区域和天空区域透射率估计值偏小,致使复原图像亮度偏暗、颜色失真等问题,提出了一种新的图像去雾算法。在计算暗通道函数时,定义了一类平滑暗通道对3个颜色通道值的集中趋势进行描述,则该区域像素点的暗通道的值为其三原色通道的平均值,代替原来的最小值。使用均值滤波得到平滑的粗透射率,再通过引导滤波对透射率进行细化处理,进而估计全球大气光值,有效地去除了光晕效应及黑斑效应。将图像像素的亮度值与全球大气光值进行比较,对处在一定范围内大于或小于大气光值的像素点作为明亮区域的点,并对该点的透射率进行修正,使求得的透射率更为准确,复原后的图像细节更加清晰。实验结果表明,该算法能有效解决大面积明亮区域图像失真的问题,复原后的图像也具有较高的亮度和对比度。

基于天空区域分割的单幅海面图像去雾方法

为提高雾天海面图像的质量,提出面向单幅海面图像的去雾方法。将均值漂移方法与嵌入置信度的边缘检测方法相结合进行图像分割,分割后的图像用形态学膨胀与腐蚀操作进行二值化,提取出天空区域和非天空区域。对天空区域使用限制对比度直方图均衡算法去雾,非天空区域使用基于导向滤波的暗通道优先算法去雾。导向滤波通过导向图像内容来计算滤波输出,在精细化透射图方面可以得到与软抠图方法类似的效果,计算开销较小。实验结果表明,相对于暗通道优先方法,该方法在天空区域没有明显的过渡区域和偏色现象,可取得较好的去雾效果。

自适应透射率的暗原色先验图像去雾算法

针对传统的暗原色先验在估算透射率时的不足,提出一种结合平均梯度和暗原色先验的图像去雾算法。通过分析暗原色先验理论,得出雾的透射率和去雾图像,结合平均梯度算法,达到自适应调整雾的浓度系数的目的,得到精确的透射率,解决因雾的浓度系数是固定值,不能有效估算有雾图像透射率的问题。将该改进算法与Fattal算法、He算法进行实验比较,比较结果表明,改进算法具有很好的去雾效果。

光学遥感影像DCM-HTM去雾算法研究

针对卫星遥感影像的雾区检测和校正问题,提出了一种暗通道图像DCM与雾厚度图像HTM结合的DCM-HTM遥感影像去雾算法。算法基于暗通道原理,采用mean-shift均值漂移滤波和直方图自动阈值来检测雾区域;同时通过不重叠窗口获取HTM;最后在检测出的雾区内实现去雾校正处理。实验结果表明,算法能较准确地检测出影像上的雾区域,能在影像正常区域不受影响的前提下,有针对性地对受雾影响区域进行校正,校正效果较整幅影像的去雾校正有较大改善。

改进的雾霾天气交通标志图像去雾算法

现有去雾算法直接应用于交通图像时容易出现过渡区域明显、偏色严重,不能满足后续交通标志检测系统的应用要求,为此提出一种改进的基于暗原色先验的单幅交通图像去雾算法。首先利用改进的均值漂移算法对交通图像进行天空区域分割,并对分割后的天空区域采用直方图均值化算法去雾,对非天空区域使用基于快速双边滤波的暗原色先验算法去雾,最后通过图像融合得到最终去雾图像。实验结果表明,相比其他几种典型去雾算法,所提算法对交通标志图像天空区域的过渡区域和色彩失真现象有所改善,且具有较快的处理速度,通过定量分析可知去雾效果较好,能够满足后续交通标志检测系统的应用要求。

反馈调节机制的暗通道去雾算法

针对暗通道图像去雾算法在处理不满足暗通道先验条件的明亮区域时,估计的透射率偏小,导致去雾后的图像与原图像相比,色彩和纹理平滑度出现较大偏差的问题,提出反馈调节的暗通道去雾算法。该算法首先通过暗通道算法对原始有雾图像进行去雾,反馈出去雾后的图像与原始图像纹理平滑度的差异,使用模糊C-均值聚类算法分割出明亮的区域;然后用高斯函数调整明亮区域偏小的透射率,使其更加接近实际的透射率;最后利用调整后的透射率求得清晰的无雾图像。实验结果表明,该算法可以有效地处理不满足暗通道先验条件的区域,使得包含明亮区域的雾化图像,去雾后的色彩更加符合真实场景,视觉效果也更好。该算法可以提高户外监视系统的鲁棒性。

结合K均值聚类的暗通道去雾改进算法

针对暗通道先验去雾算法在处理单幅图像去雾时计算复杂度高且对于天空等高亮区域有局限性而易产生失真的问题,从暗通道模型出发,提出首先利用双暗通道拟合进行透射图估计,然后采用K均值聚类算法对有雾图像进行区域分类之后再针对天空区域估计出大气光强度的算法。该算法增强了图像的细节信息,并大大降低了计算复杂度,且提升了大气光强度估计值的准确性,有效抑制了高亮区域的失真。主观和客观评价表明,该算法能够取得比传统算法更好的去雾效果。

基于自适应大气光校正的图像去雾方法

针对暗通道先验去雾算法的不足,提出一种自适应大气光校正的改进算法。利用四叉树算法粗略估计大气光,利用提出的自适应大气光校正方法校正粗略估计的大气光;利用均值滤波代替最小值滤波得到暗通道,进而得到平滑的透射率,该透射率不需细化;使用一种自适应透射率补偿方法对天空等明亮区域的透射率进行动态修正;根据大气散射模型复原出无雾图像,并对无雾图像进行色调调整,用来得到清晰明亮的输出图像。实验结果表明,该算法具有较快的处理速度,同时所恢复出的图像细节突出,具有较好的视觉效果。

基于C674x-DSP的视频图像实时透雾优化

针对传统的暗通道先验算法的视频图像透雾非实时处理问题,研究了面向TI公司C674x-DSP内核的视频图像实时透雾方法。在算法优化中,用均值滤波代替透雾处理中计算复杂的导向滤波,在滤波效果可接受的同时显著降低计算量,以便用数字信号处理器(DSP)实时实现。在平台优化中,建立了系统级和模块级的两级优化策略。在协同优化中,DSP下的倒数和乘法实现除法运算;修改后的模板操作由DSP下的快速移位操作来替代。试验结果表明,提出的优化方法对浓雾图像透雾效果更佳,处理速度平均提高了50多倍,取得了面向C674x-DSP内核的视频图码阵列(VGA)(640×480)分辨率图像实时透雾。该研究为基于DSP视频图像实时透雾算法优化和工程实现提供了有益借鉴。

基于图像分割的交通图像快速去雾算法

现有去雾算法较少考虑交通图像的特征,直接应用于交通图像去雾效果和实时性较差.针对这一情况,在充分分析了雾天交通图像特征的基础上,提出一种基于图像分割的交通图像快速去雾算法.算法首先采用改进的均值漂移算法分割出天空区域,然后在天空区域中较准确的估计出大气光强度值,最后采用基于双边滤波器的改进暗原色先验(DCP)算法实现去雾,并结合雾天交通图像的特征对去雾图像进行了后处理,增强了去雾效果.实验结果证明该算法实时性高且去雾效果好,在交通图像去雾方面所提出的算法的综合性能优于现有的同类去雾算法.

基于邻域窗口滤波的图像去雾

户外摄影成像质量常常受雾霾等能见度低的天气影响,为了提高雾天的成像质量,提出了一种基于邻域窗口滤波——NWF(Neighborhood Window Filtering)的图像去雾算法。在大气散射模型下使用暗原色统计先验,大气透射率和暗通道有关,直接使用暗通道估计出的大气透射率结果粗糙,还原的图像边缘有光晕看起来不够真实。针对这一问题设计了一种简单高效的邻域窗口滤波器从八个邻域方向上计算切尾均值自适应选择出最佳的方向来提取精细的大气透射率图,该方法不仅能平滑尘雾浓度图,又能从根本上保留纹理信息。结合大气散射模型使用具有更多纹理边缘信息的的透射率图,最后可以还原出一幅更加真实的去雾图片。实验结果表明,该方法相比于传统的导向滤波及双边滤波的去雾方法更加简单,效果明显。

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DM642的车载浓雾天气识别系统研究

为提高汽车行驶安全性,结合DM642芯片设计一套基于图像处理的车载浓雾天气识别系统.首先通过特征组合法确定晴朗天和浓雾天图像的最佳识别特征是暗通道均值和灰度均值,然后利用支持向量机(SVM)对分类模型进行训练,最后将识别算法以及分类模型移植到DM642中进行硬件测试.试验结果表明,该算法在硬件上能有效地区分晴朗天与浓雾天图像,识别准确率达到95%.

天空区域分割的暗原色先验去雾视觉优化技术

暗原色先验规律在天空区域的不适用,将会导致去雾后图像中的天空区域产生明显的噪声放大和色彩失真,为此提出基于天空区域分割的改进暗原色先验去雾算法。首先,采用将K均值聚类与增强边缘提取相结合的方法来进行天空区域分割,之后对有雾图像中天空区域的透射率进行修正,以得到改进的去雾后图像。该方法在天空区域分割的准确性上较好,去雾后图像不仅天空区域失真与噪声等显著减弱,还保证了远景清晰度。实验表明,该方法明显改善了去雾后图像天空区域的视觉效果并保留了远景清晰度,使去雾后图像显得清晰的同时表现得更加自然。

一种基于均值滤波的去雾算法

为克服雾霾对数字图像质量的影响,在原有暗原色先验算法的基础上使用均值滤波进行环境光和全局大气光的估计,克服了导向滤波和软抠图算法时间复杂度高、速度慢,无法应用于实时图像处理的缺陷。实验结果表明在保证去雾效果接近导向滤波算法的前提下实现了对1024×768彩色图像的50Hz处理,对1080p图像处理速度也可达到20Hz,基本满足实时性要求。

基于超像素的海面油膜分割应用

为解决海面多噪声环境下油膜目标快速提取问题,兼顾分割效果和效率,提出基于区域特性的快速分割应用。采用超像素构建区域级语义图像,以像素区块特征形成新的相似度量单元,对超像素进行聚类分割,完成海面油膜的快速分割处理。结果显示,此方法可以有效地完成海面油膜目标的分割提取。基于超像素的分割技术能够兼顾图像区域特性和处理效率,具备抗噪能力优势,提高海面油膜分割算法精度。