Objective measurement for image defogging algorithms

Since there is lack of methodology to assess the performance of defogging algorithm and the existing assessment methods have some limitations,three new methods for assessing the defogging algorithm were proposed.One was using synthetic foggy image simulated by image degradation model to assess the defogging algorithm in full-reference way.In this method,the absolute difference was computed between the synthetic image with and without fog.The other two were computing the fog density of gray level image or constructing assessment system of color image from human visual perception to assess the defogging algorithm in no-reference way.For these methods,an assessment function was defined to evaluate algorithm performance from the function value.Using the defogging algorithm comparison,the experimental results demonstrate the effectiveness and reliability of the proposed methods.

基于DMSANet-YOLOv7的雾霾下绝缘子缺陷实时检测方法

针对复杂环境与雾霾天气下绝缘子缺陷过小,传统目标检测算法难以识别造成误检、漏检等情况,提出一种以YOLOv7为基础模型并改进的缺陷检测算法。在图像预处理部分采用暗通道先验去雾算法,提高模型对特征的可分辨性与鲁棒性;为提高模型特征提取能力和识别小目标能力,在主干网络结构后端引入双重多尺度注意力机制(Dual Multi Scale Attention Network,DMSANet);为减小模型尺寸,提高模型识别速度,采用基于SwinTransformer改进的C3模块替代E-ELAN模块;在预测部分使用Wise-IOU损失函数,提高模型收敛效率。实验结果表明,DMSANet-YOLOv7算法相较于原YOLOv7算法平均准确率、准确率以及召回率分别提高6.3%、7.9%、12.3%,单张图片检测速度达到12.3 ms,参数量为37.7 M。在提高检测精度的同时确保检测速度和性能的平衡,能够更好地搭载至无人机及其他平台,满足绝缘子及其缺陷的实时动态检测需求。

一种水下偏振图像增强的融合算法

针对水下光学探测对高质量成像的需求,提出一种基于主动偏振成像的原理,将直方图均衡化去雾算法、拉普拉斯金字塔算法、单一水下图像融合增强策略相结合。通过直方图均衡化去雾算法增强局部的对比度;利用拉普拉斯金字塔算法保留了各个图层的细节特征信息;通过水下图像增强策略算法结合不同图像的优势,可以有效改善水下色彩偏移、对比度低和光照不均等问题。经实验定量分析可得,此算法确实有效改善了以上问题,提升了图像整体的视觉效果。

基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法

现有煤矿井下图像去雾方法在处理煤矿井下图像时未能在提取图像深层次特征信息的同时进行光照校正,处理后的图像存在细节信息丢失或图像偏暗的问题。提出一种基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法。首先,井下原始图像通过图像分化模块(IDM)进行双边滤波、光照估计和暗原色处理后得到光照图、暗原色图和光照反射图。然后,对暗原色图进行预处理,作为权重引导参数对光照反射图进行引导滤波,以恢复图像细节特征信息。最后,将光照图作为权重参数对图像进行光照校正和特征提取,通过多次光照校正解决颜色失真问题,同时增加网络深度,进而去除黑暗区域的退化,实现图像细节的重构,从而得到清晰图像。主观评价结果表明:基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法在去除雾气的同时,保留了更多的结构纹理及背景细节,使整个图像更加接近于对应的清晰图像。客观评价结果表明:与次优算法PMS-Net相比,在训练集和测试集上信息熵分别提高0.32和0.11,标准差分别提高3.58和1.89,平均梯度分别提高0.008和0.004,说明所提算法可有效降低煤矿井下图像的雾气。消融实验结果表明,所提算法在测试数据集上的信息熵、标准差、平均梯度均高于其他网络组成模型,说明所提算法去雾效果最好,且能有效保留图像细节和边缘信息。

无人机外挂红外镜头的图像清晰化算法

以红外成像研究为出发点,根据红外图像背景、数据集和算法模型的发展方向,对红外图像增强技术展开研究,以可见光去雾模型为参照,提出了一种新的红外图像清晰化算法,并进行了具体实验。经图像清晰度评价指标的计算与评估,表明该算法有不错的去雾效果,在一定程度上解决了无人机在雨雾天气下因镜头积水积雾导致的图像数据采集效果不佳的问题,有较强的实用意义。

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。

改进AOD-Net的轻量级去雾算法

为了提高雾天条件下交通目标识别的准确率并降低交通事故风险,文章对自动驾驶系统中用于雾天环境的去雾算法进行了研究与改进。主要工作如下:针对车载摄像头受雾气影响导致成像质量下降,从而影响检测算法精度的问题,提出了一种基于AOD-Net的改进去雾算法。首先,在AOD-Net架构中集成了金字塔池化模块(Pyramid Pooling Module,PPM),旨在网络训练阶段更好地整合特征信息,减少特征提取过程中上下文信息的损失,从而实现更好的去雾效果。其次,为解决AOD-Net去雾后图像亮度不足的问题,引入了轻量级的Zero-DCE++图像增强算法。在合成雾天数据集和真实雾天数据集上进行了对比实验,并使用多个评价指标对算法进行了评估,验证了改进方法的有效性。

改进YOLOv5模型下农作物虫害图像识别算法仿真

由于环境和光线等条件影响,虫害图像识别难度较大,为此提出改进YOLOv5模型下农作物虫害图像识别算法。通过K-means算法改进并优化暗通道图像去雾算法,利用优化后的暗通道图像去雾算法对农作物虫害图像展开处理,以此避免因水汽或光照不均等因素造成的图像清晰度低的问题;对原始YOLOv5模型中的注意力机制和损失函数展开优化,通过优化注意力机制提高农作物虫害图像特征提取的精度,根据优化后的损失函数调整预测框的位置以此锁定虫害目标;将去雾后的农作物虫害图像输入改进后的YOLOv5模型中,实现农作物虫害图像的识别。仿真结果表明,经过所提算法改进后的YOLOv5模型IoU有所提高,且特征提取精度和图像识别效率高。

煤矿井下自动加卸钻杆靶标图像清晰化方法研究

受煤矿井运输巷道空间限制,将钻孔机器人设计为灵活布局的钻进和钻杆加卸2个独立系统,利用基于合作靶标的单目视觉识别,将钻进和钻杆加卸2个系统关联,解决两系统递送钻杆的协同作业问题。然而,煤矿井下钻孔施工中场景复杂,存在孔口煤渣、污水污染合作靶标、粉尘浓度大能见度低、人造光源亮度低、光照不均匀使靶标图像对比度低,以及矿灯直射合作靶标反光等问题,会影响合作靶标图像清晰度,使基于靶标识别加卸钻杆的位置的精度降低,进而影响钻孔机器人自动加卸钻杆的成功率。因此,首先针对施工中孔口返出的煤渣、煤泥污染合作靶标的问题,利用形态学滤波中先腐蚀,再膨胀的开运算,清除煤渣间断斑块和突出靶标像素点;先膨胀再腐蚀的闭运算,消除小的孔洞和间断细小鸿沟,达到消除固体污染物对合作靶标的影响;其次针对粉尘、岩尘、水雾和污水影响图像对比度问题,通过暗通道先验求出初始透射率,采用梯度域导向滤波精细化透射率,利用导向滤波得到改进暗通道,并求大气光值,利用大气散射模型得到除雾后的图像,实现清晰化图像、增强图像对比度目的;最后对亚像素级角点和方向进行精细化,优化能量函数,使用种子棋盘格沿4个边缘生长棋盘格,用能量变化情况确认是否生长出最大的棋盘,补全因强光反射缺失的合作靶标图像。实验结果表明:将形态学滤波、去雾算法和棋盘格生长等方法相融合,可增强煤矿井下复杂场景钻孔施工中合作靶标图像的清晰度,提高基于视觉识别的图像精度,为钻孔机器人自动加卸钻杆的精确控制奠定基础。

基于FPGA+ARM的实时图像去雾系统设计

针对使用无人机对油料农作物成熟期进行远程巡航勘察的应用场景,为解决雾霾天气下图像质量较差、色彩失真的问题,该文提出一种基于FPGA+ARM的实时图像去雾系统。借助FPGA的并行运算优势,对图像的去雾处理进行加速,通过ARM处理器实现摄像头工作模式、视频数据存储等控制,从整体上提高了有雾图像的数据采集与去雾处理的实时性。系统采用改进的Retinex去雾算法完成滤波函数、色彩空间转换等处理,同时引入Sigmod函数对去雾后图像色彩进行校正。测试结果表明,该系统能够有效恢复出图像原始色彩,具有运算速度快、可移植性高、功耗低等优点,可以满足无人机远程视频勘察的实际需求。

面向嵌入式系统的图像实时去雾方法

近些年来,深度学习方法快速兴起,卷积神经网络技术被应用于图像去雾领域,去雾效果得到了进一步提升。但也面临着计算量大,无法在嵌入式设备中达到实时性的问题。为增强嵌入式设备的去雾效率,通过优化网络结构和剪枝算法压缩网络模型,设计出一种面向嵌入式系统的图像实时去雾网络,最后将模型部署在嵌入式系统中。实验结果表明,该方法在不降低去雾效果的前提下,模型大小压缩83%,处理速度提高70%,达到40帧/s,在嵌入式系统中实现了实时去雾。与目标检测网络YOLO-FASTEST联调,在雾天情况下的平均检测精度提高近3%,检测速度达到近5帧/s。

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。

图像去雾算法实验的设计与实现

实验小组将企业行业的真实问题与数字图像处理实验相结合,针对图像资料因有雾、不清晰情况而无法匹配比对问题,在课程讲授暗通道先验算法的基础上,通过比较算法、设计方案、编程实践、实验数据对比等环节,开展了图像去雾算法的创新实验。实验结果证明了实验小组设计方案具有良好的去雾效果。这种将课程教学与行业真实问题相结合的人才培养模式,扭转教学、科研、服务社会脱节的现状,建立了真实问题导向下人才培养、科学研究、服务社会相互贯通的一体化新机制。

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。

一种改进的暗通道先验去雾算法

针对暗通道去雾算法的现有一系列问题,提出一种改进的暗通道先验去雾算法。首先将图像进行分割,区分出天空区域和非天空区域,基于场景深度模型估计出透射率和加权平均大气光强,初步复原出去雾图像,再利用自动色阶算法提高图像亮度。合理设置参数后,在Matlab工具箱中进行图像去雾仿真分析,验证算法的有效性,为下一步研究奠定基础。

基于引导滤波的单幅图像自适应去雾算法

在雾、霾等天气条件下,由于空气中悬浮粒子的大气散射作用导致获得的户外图像严重降质。针对该问题,提出一种单幅图像自适应去雾算法。在分析大气散耗函数特性的基础上,利用引导滤波估计大气散耗函数,间接求得透射率,通过自适应选取阈值调整明亮区域透射率,改善复原图像中的假彩色,并根据大气散射模型恢复图像。实验结果表明,与传统引导滤波算法和取固定阈值的算法相比,该算法获得的去雾图像近景更清晰,明亮区域恢复更自然,同时提高了运算速度。

图像去雾算法清晰化效果客观评价方法

针对目前去雾效果评价方法少和已有评价方法存在局限性等问题,提出了两种图像清晰化效果评价方法.一种借助由环境渲染或光路传播图所模拟的雾环境图像,采用全参考方式评估算法的去雾效果;一种从人类视觉感知的角度出发,采用无参考方式构建综合评价体系以全面衡量算法的去雾性能.实验证明两种方法均能有效地评价各算法的清晰化效果,且评估结果与人眼的主观感受相一致.本文所提评价方法分别从构建模拟雾环境和人类视觉感知两方面考虑,与已有评价方法相比,在获得全方面评估结论的同时,具有较好的实用性和可靠性.

基于暗通道先验的补偿快速去雾算法

针对暗通道先验算法去雾能力较弱且速度慢的问题,提出一种对暗通道补偿的快速去雾算法。在分析光晕产生原因的基础上,结合中值滤波算法补偿去雾能力较弱的边缘雾区暗通道图,将有雾图像的全局最小值图像作为导向图,利用引导滤波平滑且保持边缘特性细化补偿后的暗通道图,消除黑斑效应,降低算法复杂度,将新的暗通道中的最大值作为大气光强的简单估计,根据大气散射模型恢复无雾图像。实验结果表明,与中值滤波算法、快速去雾算法等相比,该算法获得的无雾图像具有更好的清晰度和色彩恢复度,能提高运算速度。

改进的暗通道先验快速图像去雾算法

针对暗通道去雾算法复杂度过高的问题,提出一种基于暗通道的快速去雾算法。首先对图像分块处理,提高求取暗通道值的速度;接着采用线性插值算法平滑处理,消除块状效应;然后根据暗通道先验求得透射率;最终利用大气散射模型得到清晰无雾图像。实验结果证明,在保证良好去雾效果的前提下,相比原暗通道算法,所提算法复杂度被有效降低,去雾所需时间也降为原来的1/10左右,达到准实时。

一种改进的直方图均衡化图像去雾算法

针对直方图均衡图像去雾方法存在噪声被放大和图像失真较严重的问题,提出了一种基于直方图均衡化的自适应图像去雾算法.该算法首先将图像变换到HIS颜色空间,将图像分为k×k个子图像,然后对每个子图像在确保色调H分量不变的基础上,对饱和度S分量和亮度分量I分别做自适应直方图均衡处理.处理后的图像不但从视觉上看出对比度有了很大的改善,边缘细节保持较好,而且几种图像质量评估方法的计算结果也表明,改进后的算法比用直方图均衡化去雾后的图像质量从对比度、均方误差、信息熵、峰值信噪比以及协方差都有明显的提高.实验用了250组图像,得出的结果是PSNR提高18%以上,均方误差降低15%以上.