基于视觉传达技术的无参考低光照图像增强方法

为了优化低光照图像增强效果,提出基于视觉传达的无参考低光照图像增强方法。所提方法通过全景成像技术重构低光照图像,并采用计算机原理模拟光学成像系统,引入多重分形法和半软阈值指数衰减法去除重构图像上的噪声。通过亮暗双通道系数计算图像增强过程中的最佳透射率,并以此透射率对低光照图像展开增强处理。实验结果表明,所提方法重构图像完整、图像整体质量高、SIMM值接近于1,在不影响图像清晰度的前提下实现了图像去噪,对低光照图像的增强效果明显,避免了增强过程中的图像曝光,做到了图像细节的完整保留。

基于容差机制与超像素的阈值暗通道去雾改进算法

针对暗通道先验算法在天空区域失效和易产生光晕的问题,提出一种基于容差机制与超像素的阈值暗通道去雾改进算法。首先,使用超像素算法将图像分割为景深一致的局部块,用局部块替换暗通道先验算法的固定方块;然后,通过计算局部块内元素的方差来判断离散程度,根据离散程度选择不同的暗通道计算策略;最后,在HSV空间中定位高亮区域,并用容差机制对高亮区域的透射率进行修正。实验结果表明,该算法能有效去除天空区域浓雾,并能改善光晕效应。

基于改进ORB特征提取匹配与关键帧选择的VSLAM

针对传统ORB算法提取的特征点和弱光条件下特征点匹配点对的数量较少的问题,提出了采用自适应阈值提取ORB特征点结合暗通道先验去雾算法的方法,特征点数量均值提升比为251.35%,匹配特征点对提升比约为191.67%。为解决视觉SLAM跟踪时经典关键帧选择策略信息利用率较低的问题,设计了一个基于滑动窗口关键帧选择的跟踪模块。后端模块采用局部BA优化加全局位姿图优化的方式,建图模块通过PCL库产生稠密点云地图以提供更为丰富的纹理信息。利用开源的TUM GRB-D数据集对算法进行测试评估,实验结果表明,该系统得到的位姿均方根误差为0.0098,有着较好的准确性和有效性。

基于大气物理模型的快速视觉优化去雾算法

针对雾霾天气条件下单幅图像降质以及现有去雾方法时间复杂度高的问题,以环境光物理模型为基础,引出快速视觉优化去雾算法。首先对单幅图像阈值分割找到天空区域,并结合二叉树模型定位精确的天空光矢量,进而采用改进的约束最小二乘法滤波细化粗略透射比率,保证其边缘细节较完整且受噪声影响小,最后利用环境光物理模型实现无雾图像的还原,并采用平均梯度、信息熵和视觉保真度等指标对图像进行评价。实验结果表明,所提算法与基于多尺度Retinex的自适应图像增强方法、基于独立分量的复原方法、快速可视化复原方法和暗原色先验复原方法对比,指标值较好且实时性强。

基于混合暗通道算法的图像去雾研究

基于混合暗通道算法对图像去雾进行了研究。首先通过阈值划分混合暗通道,混合暗通道为近景区域和远景区域之和,最大化相似度评价函数获得混合暗通道微调系数;接着通过像素点与区域中心点的暗通道光强差值实现近景区域去雾,远景区域去雾规则是通过像素的膨胀、腐蚀实现;最后给出了算法流程。实验仿真显示该算法去雾图像视觉比其它算法的效果好,定量分析指标较优。

基于HSV色彩空间的遥感图像快速云检测

对可见光波段遥感图像进行HSV色彩空间变换,结合图像的亮度特征和饱和度特征,对饱和度通道和亮度通道分别进行同态滤波和直方图均衡化处理,增强目标云区对比度;转换为RGB色彩空间之后,接着进行2%的线性拉伸,结合云的暗原色通道特性生成暗通道图,不断突出云区与非云区对比;最后进行otsu阈值分割提取云区。实验依托实际项目需求,针对原始影像波段少的特点,选取3幅压缩后全色遥感影像为实验数据,并与阈值法进行目视判别和精度统计对比。实验结果表明该方法可以快速、较高精度地检测出云区,所提出的方法对检测数据质量和波段数要求低,检测快速,检测云区较为完整准确、实用性强。

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。

改进的暗原色先验单幅行车视频图像去雾方法

为了实现对行车视频中单幅雾霾图像的快速去雾,针对现有暗原色先验去雾方法在局部明亮区域存在透射率估算过低、算法效率低等问题,提出了一种改进的去雾方法。该方法在处理不同的像素点时,通过设定门限值,使得门限值范围内的区域保持原透射率不变,不在门限值范围内的区域使用边界条件限定,结合调整参数重新计算透射率,求出更准确的自适应透射率图。实验结果表明,这种方法修正了错误估算的透射率,克服了原算法在处理这些区域时产生的色彩失真,生成了高质量的无雾图像。

基于双边滤波的RGB通道去雾算法研究

因大气光的散射和入射光的衰减,大雾天气下捕获到的图像质量呈指数系数下降。为改善退化图像的视觉效果,利用暗原色先验信息获得大气光;根据单幅雾天图像RGB通道强度估计场景深度图;同时在明亮区域引入一种容差阈值,避免了这部分区域场景深度的错误估计,使用带边缘保持的双边滤波器对求得的场景深度图进一步处理;利用大气散射模型实现了图像复原。实验结果表明,改进后的算法有效提高了雾天退化图像的视觉效果。

一种偏振普适性多尺度实时的图像去雾算法

针对现有偏振算法依赖于“天空区域”估计大气参数,从而受白色目标或高亮区域干扰的不足之处,提出了一种图像普适性多尺度偏振去雾方法.研究偏振差分图像四叉树空间索引和图像暗通道先验方法,突破估计模型参数利用天空的局限性,重建场景深度,结合大气散射模型复原低频无雾图像;同时针对目标复原过程中噪声遗留问题,研究软阈值去噪算法,结合低频信息重构的透射率,以梯度增强方式丰富纹理细节,最后小波重构出清晰图像.实验结果表明,该算法有效消除了估计大气参数受制于天空区域的局限性,抑制噪声的影响,复原的目标更加清晰,细节方面更为丰富,算法运行效率方面有较大提高.

一种改进的单幅图像暗通道先验去雾算法研究

针对经典的暗通道先验算法对图像去雾存在出现色斑、“白边”和细节缺失的问题,本文采用导向滤波与K阈值相结合的方法进行优化,并利用图像质量评估方法对优化后的算法进行测试和综合分析。经实验结果验证,优化后的算法比原有算法去雾效果更佳。

基于暗原色先验的雾天图像清晰度复原

由于去雾是一个病态问题,对还原清晰化图像带来了挑战。本文基于大气散射物理模型提出了一种有效而精准的方法。雾天图像中天空区域对图像暗通道的求取存在很大的干扰,采用阈值分割方法结合二叉树策略能够快速而精准的定位并估计大气光值,进而结合维纳滤波将其应用在透射率的优化过程中,能够缓解尖锐边缘部分周围的晕轮效应,再通过形态学处理方法进一步优化透射图的边缘。通过大量户外雾天图像的测试结果表明,改进算法效率高,去雾效果好。

基于暗原色先验的雾霾天气图像清晰化算法

传统基于暗原色先验的去雾算法稳定且去雾效果好,但算法运行时间长。为在运算时间和图像清晰度之间取得平衡,在传统基于暗原色先验的去雾算法基础上,提出一种新的雾霾天气图像清晰化算法。算法在求原始有雾图像的暗原色时,将传统基于暗原色先验算法中固定的局部区域大小设置为随图像大小变化的值,从而增强算法的自适应性;设置大气光值的阈值,避免大气光估计值过高造成的去雾后图像整体向白场过渡;采用导向滤波算法代替传统基于暗原色先验算法中的软抠图算法,提升算法的运行效率;最后利用自动色阶算法调整去雾后图像颜色的明暗分布。实验结果表明,该算法输出的图像对比度、清晰度好,色彩保真度高,明暗分布合理,算法稳定且运行时间短,实现了清晰度和运算时间的平衡。

基于改进暗通道先验的图像去雾算法

针对暗通道先验去雾算法在含有浓雾、亮白、非均匀光照区域造成的图像失真的问题,提出了一种改进的自适应局部阈值分割和自适应参数优化相结合的去雾算法。首先根据暗通道先验理论运用局部阈值分割出亮白区域和非亮白区域,然后采用引导滤波将求取的原始透射率进行细化,并通过亮白区域与非亮白区域加权求取更加精准的大气光强,提高了大气光强的鲁棒性,使得该算法适用于暗通道去雾效果不好的浓雾高亮区域和非均匀光照区域。最后,通过雾天图像降质模型恢复出无雾图片,将该算法与几种常用的去雾算法进行比较。结果表明,该算法在绝大多数情况下恢复的图片清晰自然,解决了图像去雾后视觉效果不好的问题,同时也有效改善了亮白区域色彩失真的现象。

基于图像分割的去雾算法

针对雾霾条件下,所得的单幅图像出现降质现象,因而对视觉效果要求高的图像进行复原具有必要性;基于图像分割的去雾算法以暗通道先验模型为基础对大气光矢量A值的求取和透射率t(x,y)的处理方法实现改进;首先对单幅图像进行阈值分割找到天空区域,在所获取的天空区域部分结合skyline算法,可以找到精确的大气光矢量A值;进而对初始透射率t(x,y)采用改进的约束最小二乘方滤波进行优化,得到优化透射率t1(x,y),最后将所得的大气光矢量A值和优化透射率t1(x,y)利用大气光传输物理模型复原;改进算法的去雾结果具备保留细致的边缘细节,同时具有高效的去除图像噪声能力;实验结果表明,与he方法相对比,改进去雾算法的处理时间大程度缩短的同时,图像效果得到了提升。

一种多尺度分解与暗原色先验结合的去雾算法

为了提高图像去雾效果,提出一种在图像多尺度分解的基础上,通过改进的暗原色方法实现图像去雾的算法。该算法在HSV颜色空间中,首先对亮度分量V进行多尺度分解,然后对高频部分进行软阈值消噪,并通过梯度运算增强边缘,对低频部分采用改进的暗原色先验模型进行处理;其次,对饱和度分量S先进行非局部均值滤波去噪,再通过线性拉伸使其复原;最后,将图像由HSV空间转换到RGB空间得到最终的去雾图像。实验结果表明,在去雾效果和时间复杂度方面,该算法比一些经典算法都有明显的改善。

结合自适应分割策略的图像去雾算法

暗通道先验去雾算法处理图像易出现局部失真问题,针对这一现象,提出一种单幅户外图像去雾算法。首先,利用四叉树分解的方法得到准确的大气光估计值;然后,结合暗通道图像的直方图分布特征,利用最大化类间方差策略自适应的估计暗通道图像分割阈值,并以此为先验知识优化透射率;最后,使用Gamma矫正提升图像整体对比度。实验表明,该算法能够有效地避免暗通道先验算法在天空区域失真的问题,对比其他算法,恢复图像视觉效果良好,客观评价指标均有所提升。

结合天空区域分割和暗通道先验的去雾算法

针对暗通道先验算法处理包含天空区域的雾霾图像不理想以及大气光值误提取的问题,提出了一种结合透射率图的单阈值分割和暗通道先验的单幅图像去雾算法。首先,将输入的雾霾图像转换为透射率图,基于透射率图的单阈值分割可快速确定分割的阈值,将图像分割为天空区域部分和其他部分,并使用改进的MSR算法处理天空区域部分;其次,将经过改进的MSR算法处理后的透射率图进行阈值分割,选取0或1为分割阈值提取出天空区域和非天空区域,解决了传统阈值分割天空区域需要多次观测确定阈值的问题;最后,从天空区域提取大气光值,结合暗通道先验算法得到一幅清晰的复原图像。实验结果表明,该算法能有效改善大气光值的误提取,准确地实现天空区域分割,在处理轻度及中度雾霾图像时,与传统直方图均衡化算法和暗通道先验算法相比,该算法无论从直观观测还是图像性能评价指标上均更优。

基于暗通道先验的雾天车载图像增强算法研究

针对原始的暗通道先验去雾算法对天空及明亮区域处理时容易出现失真以及处理后图像偏灰暗的弊端,提出一种改进算法:基于暗通道先验估计大气光、利用阈值判断对天空区域透射率进行修正、使用直方图均衡化增强克服处理后图像偏灰暗。实验结果表明,改进算法提高了图像清晰度,同时还原了图像中更多的道路信息,弥补了传统暗通道算法的不足。

基于雾天图像降质模型的优化去雾方法

目的图像去雾是计算机视觉的重要研究方向,既获得高质量的去雾图像,又保证较低的时间复杂度一直是图像去雾面临的挑战,为此提出了一种基于雾天图像降质模型的优化去雾方法。方法根据雾天图像降质模型,暗原色作为先验知识,对模型的两个物理量大气光值和透射率进行优化。传统优化算法中通常都是固定其一,优化另一个物理量,与传统方法不同,考虑到大气光和透射率的相关性,采用多元优化策略,将这两个物理量作为互相影响的整体,利用迭代算法进行优化。为保持去雾图像颜色真实、自然,基于对无雾图像的统计特性,多阈值融合的约束条件作为迭代停止的条件,控制优化去雾程度,复原高质量去雾图像。结果本文方法与其他去雾方法相比,在视觉效果上,图像结构更加清晰,细节更加丰富,色彩更加真实。在客观数据方面,本文方法获得图像的彩色直方图与有雾图像的彩色直方图在形状上更相似,同时在Cones、Herzeliya、House、Dolls对比图像中,本文方法结果图像的信息熵值都比较高,分别为13.801 270、15.490 912、15.395 014、16.276 838,且时间复杂度较He方法(使用软抠图算法优化透射率)降低了3~5倍。结论本文去雾方法利用迭代算法对大气光和透射率进行多元优化,同时采用多阈值融合约束条件控制优化去雾程度。本文方法在色彩保真度、细节恢复等方面都优于经典算法,同时获得了较好的客观评价数据。实验结果表明,本文方法能够达到主客观都满意的效果。