基于双容差机制的快速暗原色理论雾天图像增强算法

针对经典暗原色理论算法在处理雾天图像时出现的色调和亮度失真问题,提出了一种基于双容差机制的快速暗原色理论雾天图像增强算法.该算法首先通过容差机制分割图像,并根据阈值判断图像的明亮和非明亮区;然后引入改进的高斯平滑滤波对透射率图像进行平滑处理,以此优化透射率图像;最后通过引入容差机制对透射率图像进行修正,以此得到更加清晰的图像.将本文方法与经典的暗原色算法进行对比表明,本文方法在亮度、颜色保真度和时间效率上均优于暗原色算法,因此本文方法可为雾天图像的处理提供参考.

水下光场成像清晰度增强研究

由于水介质及水下颗粒的散射吸收作用,使得水下成像图像存在分辨率与对比度低,细节特征模糊,颜色失真等问题。针对这些问题,该文提出基于光场成像的水下图像清晰度增强算法,根据暗原色先验理论和单尺度的Retinex理论建立水下散射成像模型对成像图像的清晰度进行增强处理,并利用光场成像的多视角特性对散射成像模型的图像增强效果进行优化,进一步提高水下成像图像的质量。实验结果表明,两种理论构建的水下散射模型和多视角优化算法可以有效的提高水下成像图像的质量。

无人机图像去雾与特征匹配算法研究

无人机遥感具有实时性、高分辨率等优点,但易受高空中雾气影响,造成图像清晰度降低甚至失真,极大影响了无人机图像的拼接,现有的特征匹配算法在匹配中存在一定误匹配率,影响图像拼接的质量。针对这些问题,在图像去雾方面,本文基于暗通道先验去雾算法,提出一种结合亮通道先验理论的去雾算法,并使用伽马函数优化图像显示;在特征匹配方面,本文提出了基于几何相似性理论改进的特征匹配算法,提高了匹配的准确率。实验证明,本文的算法去雾视觉效果优于传统暗通道算法,特征匹配质量也优于传统的KNN匹配算法。

基于三区域划分的单幅图像去雾算法

雾致退化给图像在监测监控、遥感航拍等领域的应用带来困难。针对现有去雾算法在天空区及交界处存在的问题,提出对图像进行天空、非天空及过渡三分区,并根据各区特点分别采用大尺度Retinex算法、暗通道先验去雾及两种算法结果加权融合的去雾算法框架。实验结果表明,算法较好地解决了天空区颜色紊乱、光斑等问题,去雾后的天空清晰平滑;过渡区在保持图像细节的情况下,克服了区域交界处的虚假边缘问题。与几种常见算法的对比实验结果显示,算法兼顾了不同区域的特点,去雾效果在整体上优于对比算法。

基于明暗通道循环GAN网络的单幅图像去雾

针对现有的深度学习去雾算法参数多,训练时间长,无法应用到实时计算机视觉系统等问题,本文提出了一种基于明暗通道的循环GAN网络(bright and dark channel CycleGAN network,BDCCN).BDCCN以CycleGAN为基础,采用固定参数和训练参数相结合方式,基于明暗通道先验理论,改进循环感知损失,实现图像去雾.实验结果表明,本文算法计算量小,收敛快,在合成数据集和真实数据集上均表现优异.

基于改进的暗原色先验图像去雾算法

针对在暗原色先验理论下天空区域的透射率预估过小以及大气光值求取受白色物体干扰的缺陷,提出一种改进的基于暗原色先验图像去雾算法。首先将归一化的亮度-饱和度差值图像与粗略透射率逐一比较,取最大值作为新的透射率;其次通过晕光算子操作获取大气光值描述区域,以获得正确的大气光值;最后根据大气散射模型复原图像。实验结果表明,与其他典型去雾算法相比,所提的算法处理时间较短,复原图像细节突出,色彩真实无失真。

一种包含天空区域的图像去雾方法

针对大多数去雾算法对含有大面积天空区域的图像去雾效果不佳的问题,提出一种改进的暗通道先验去雾方法。首先,根据图像梯度信息分割出天空区域,在天空区域分割的基础上,结合大气光参考像素的高亮度和平滑性设定判别公式,合理地估计大气光值。其次,根据暗通道值的不同,采用分段线性函数对可调参数进行动态修正,解决过度去雾造成的局部阴影。然后,将亮通道模型和改进的暗通道先验模型估计的透射率进行融合,并采用导向滤波进行边缘优化。最后,结合大气散射模型,通过亮度补偿和对比度拉伸得到去雾图像。实验结果表明,改进方法能够有效地改善图像失真,增强图像的对比度和细节,尤其在保持天空区域的视觉真实性方面具有优势。