基于大气散射模型的图像去雾及亮度增强算法

针对雾图能见度低和去雾图像亮度偏暗的问题,提出一种基于大气散射模型的双阶段去雾算法。首先使用线性变换估算复原图像亮度,使用拉伸方法估算复原图像饱和度,根据复原图像亮度、饱和度估算其最小通道,联合雾图最小通道获取粗糙透射率。在不同阶段分别使用双梯度代价函数、导向滤波优化粗糙透射率,依据大气散射模型复原图像和增强亮度。实验结果表明,所提算法复原图像更清晰明亮;图像综合质量、峰值信噪比和运行时间等客观指标均值优于所有比较算法,其中图像综合质量最少提高1.55倍,运行速度最少加速1.50倍。所提算法有效地增强了雾图的能见度和明亮度。     

Image defogging algorithm based on guided filtering and adaptive tolerance

Aiming at the problem of distortion of dark channel algorithm in defogging the sky region,an improved image defogging algorithm based on the guided filtering and adaptive tolerance mechanism was proposed.Firstly,the fitted transmissivity graphs were calculated for the windows with different sizes.Then,the transmissivity was further refined by the guided filtering technique.After that,the transmissivity in sky area was revised by an adaptive tolerance mechanism.Finally,the restored image was converted from RGB space to HSV space,and thus the brightness and contrast of the images could be color compensated.Experimental results show that the proposed algorithm restores the images effectively and obtain preferable defogging results with regard to the processing of bright areas such as the sky areas.     

一种用于水下图像的光谱重构方法:理论及应用

多光谱成像是一项非常有前景的图像高保真获取与再现技术,近年来在水下物体颜色还原的应用中也受到的极大的需求和关注。然而,不同于空气中的物体的成像过程,在水下成像过程中,当光通过水而进行传播,光被水体严重吸收和散射,导致图像变暗,在其光谱和颜色方面发生模糊和扭曲。文中讨论的是基于水下图像的水衰减系数的校准和其多光谱图像的光谱重构。首先在不同的距离处获取物体的图像,提出了基于不同距离的图像进行水体衰减系数的校准并恢复原始图像的技术;在此基础上,分析并导出满足系数校准和图像复原所需的在不同距离获取到的最少的原始图像个数。最后,通过比较复原的水下图像与空气中获取的彩色图像,实验结果证明:文中提出的技术能够对水下光谱图像的进行精确颜色复原,所有测试图像的平均相对残留误差仅为5.87％。     

Multi-scale and multi-patch transformer for sandstorm image enhancement

Sandstorm is a meteorological phenomenon common in arid and semi-arid regions. A sandstorm can carry large volumes of sand unexpectedly, which leads to severe color deviations and significantly degraded visibility when an image is taken in such a scenario. However, existing image enhancement methods cannot enhance sandstorm images well due to the challenging degradations and the scarcity of sandstorm training data. In this paper, we propose a Transformer with rotary position embedding to perform sandstorm image enhancement via building multi-scale and multi-patch dependencies. Our key insights in this work are 1) a multi-scale Transformer can globally eliminate the color deviations of sandstorm images via aggregating global information, 2) a multi-patch Transformer can recover local details well via learning the spatial variant degradations, and 3) a U-shape Transformer with rotary position embedding as the core unit of multi-scale and multi-patch Transformer can effectively build the long-range dependencies. We also contribute a real-world Sandstorm Image Enhancement (SIE) dataset including 1,400 sandstorm images with different degrees of degradations and various scenes. Experiments performed on synthetic images and real-world sandstorm images demonstrate that our proposed method not only obtains visually pleasing results but also outperforms state-of-the-art methods qualitatively and quantitatively.     

图像去雾过程中的噪声抑制方法

大气中微小颗粒（如雾、霾等）的散射作用会使户外场景拍摄的图像发生退化,造成图像质量下降。图像去雾可以提升图像对比度,增加场景能见度,校正颜色失真,改善视觉效果。但是图像去雾经常会出现明显的噪声放大现象,尤其是无穷远处的天空区域最为严重。针对这一问题,提出了一种去雾过程中的噪声抑制方法。以传输率图像为指导,采用滤波半径变化的双边滤波对雾天图像进行模糊。再计算新的传输率图像,代入雾天成像模型,得到去噪后复原图像。结合噪声评价方法,实验结果验证了该方法的噪声抑制效果。     

基于双注意力机制的雾天图像清晰化算法研究

针对传统去雾算法容易依赖先验知识以及恢复出来的清晰图像会产生颜色失真等问题,本文提出一种基于双注意力机制的雾天图像清晰化算法。首先将雾图输入编码器,经过下采样后得到特征图像;特征提取模块将多个特征提取基本块联结在一起,每个基本块由局部残差学习和特征注意模块组成,提高图像质量以及图像特征信息的利用率,增加网络训练的稳定性;然后通过通道注意力与多尺度空间注意力并行的结构处理特征图像,使得网络更加关注细节特征,提取更多关键信息,同时提高网络效率;最后将融合后的特征图像输入解码器中,经过多级映射,得到与输入大小匹配的雾密度图。实验结果表明,不论是对合成雾天图像或者真实雾天图像,本文算法能够高效地进行去雾处理,得到更自然的清晰图像。     

基于背景光修正成像模型的水下图像复原

光在水下传播时由于受到水体吸收和散射作用的影响,导致水下图像质量严重退化。为了有效去除色偏和模糊,改善水下图像质量,该文提出一种基于背景光修正成像模型的水下图像复原方法。该方法基于对雾天图像的观察,提出了水下图像背景光偏移假设,并基于此建立背景光修正成像模型;随后使用单目深度估计网络获得场景深度的估计,并结合背景光修正的水下成像模型,利用非线性最小二乘拟合获得水下偏移分量的估计值从而实现水下图像去水;最后优化去水后的含雾图像的透射率,并结合修正后的背景光实现图像复原。实验结果表明,该文方法在恢复水下图像颜色和去除散射光方面效果良好。     

基于区间估计的单幅图像快速去雾

针对雾、霾等天气条件下捕获的图像存在严重降质现象,该文提出一种基于区间估计的单幅图像快速去雾方法。该方法从大气散射模型出发,基于暗通道先验理论,利用最小值滤波和灰度开运算,通过区间估计得到大气光值,同时得到介质传输率的初始估计值。通过对大气光照进行白平衡处理,从而得到简化大气散射模型。然后,利用简化大气散射模型和介质传输率的初始估计值,通过区间估计得到场景反照率的暗通道值,进一步得到介质传输率的粗略估计值。将介质传输率的初始估计值和粗略估计值进行像素级融合,通过联合双边滤波和值域调整得到介质传输率的最终估计值。最后,通过简化大气散射模型和色调调整得到去雾图像。实验结果表明,所提算法具有较快的运算速度,能有效提高去雾图像的清晰度和对比度,同时获得较好的色调保真度。     

基于光照估计的夜间图像去雾

相对白天雾天图像,夜晚雾天图像具有整体亮度低、光照不均匀、偏色等特点,因此去雾难度大。本文从夜间雾天成像规律出发,提出了基于光照估计的夜间图像去雾算法。针对光照不均匀问题,通过估计光照图来去除不均匀光照的影响;针对目前白天去雾算法假设不适用于夜晚图像问题,提出基于信息熵的传输图粗估计的方法;针对颜色失真问题,通过统计光源区域的颜色属性来进行颜色校正。实验结果表明,本文算法能够有效的去除不均匀光照影响,提高图像对比度,改善图像视觉效果。     

雾霾天气条件下车牌信息的识别

雾霾天气条件下,由于大气的散射,降低了拍摄图片中车牌信息的清晰度和对比度,并降低了车牌识别的正确率。针对这一现象,提出了一种基于暗原色的对图像透射率进行改进的算法,通过改进后的方法对图像进行去雾,弥补了暗原色方法针对天空、白色等大片明亮区域无法很好去雾的缺点。算法首先对雾霾天气下拍摄的图像利用改进算法进行去雾处理,然后进行车牌定位和字符分割,最后通过BP神经网络进行车牌信息的识别。实验证明,通过改进后的方法对图像进行去雾后,能够很好地还原车辆信息的原本颜色特征,给后期的车辆信息处理提供了便利。