基于近红外的图像去雾方法

针对雾天可见光图像降质现象,提出一种简单、有效的自动去雾算法。算法充分利用了近红外透雾能力强,可见光图像色彩亮度好的特点。首先利用暗原色先验估计出雾浓度分布,然后根据此分布计算出归一化暗原色图像亮度分布系数,并对其进行双边滤波处理,最后利用该系数将近红外与可见光图像进行融合。实验结果表明,该算法能有效地改善雾天图像质量,且具有广泛的应用前景。     

Retinex模型下基于融合策略的雾霾图像增强

针对现有Retinex算法处理后的图像达不到色彩与细节同时增强的效果,且细节增强的同时易产生光晕,出现噪声放大、色彩失真等情况,提出了一种Retinex模型下基于融合策略的雾霾图像增强算法。该算法首先在HSV空间实现色彩增强,根据亮度分量,获取无色彩失真的反射分量,再通过修正照度分量,得到改进的Retinex模型;然后在RGB空间,采用快速双边滤波器来保留图像细节,在获得反射分量的基础上,引入原图部分和色彩恢复因子,实现细节增强;最后,在RGB色彩空间对处理后的图像加权融合,得到增强后的去雾图像。通过本文算法和现有算法对雾天图像进行去雾处理,得到不同的去雾结果。本文算法得到的去雾图像增加了细节信息,没有出现明显的颜色失真和光晕现象,处理后图像的信息熵提高。本文算法具有更短的运算时间,具有良好的可操作性。根据实验结果以及评价标准,本文算法能够在减少色彩失真的基础上,达到细节增强的良好效果。     

基于暗原色先验的Retinex去雾算法

针对雾天图像去雾问题,提出了一种基于暗通道先验理论的Retinex算法。首先利用引导滤波估计图像透射率优化暗通道先验算法,获取初步去雾图像并对去雾图像进行空间转换;在转换后的HIS空间中建立高斯尺度参数与透射率的指数关系,重新构造高斯滤波核并根据MSR算法对近处景物做大尺度变换以增强颜色保真性,对远处景物做小尺度变换以增强图像细节显示,实现根据景深大小完成自适应MSR算法以优化图像亮度分量I;对饱和度分量S进行自适应线性拉伸以优化图像色彩,最后由HIS空间重新转换为RGB空间得到最终增强图像。实验表明:与几种典型的图像去雾算法相比,经基于暗通道先验理论的Retinex算法处理后的图像清晰度和对比度提升明显,同时获得很好的图像色彩层次感。     

基于小波变换图像融合的镁熔液弱小目标检测

针对镁熔液图像中第一气泡不易检测的问题,提出1种基于小波图像融合与罗宾逊滤波法相结合的检测算法。利用小波变换将第一气泡析出前后的各2帧图像分别分解为多尺度的低频分量和高频分量,根据融合规则对所获得的低频分量和高频分量分别进行处理,获得融合图像;对2帧融合图像分别进行罗宾逊滤波,再通过形态学开运算处理,检测弱小目标。对比分析融合图像与原图像,结果表明融合图像一定程度上可弥补信息缺失,补充图像细节,信噪比得到提高。并将罗宾逊滤波效果与加权均值滤波效果和中值滤波效果进行对比分析,结果表明,采用罗宾逊滤波后的图像信噪比提高了1倍以上,对比度提高了约13倍。实验结果验证了本文方法检测镁熔液第一气泡的有效性。     

利用分割中值滤波和透射率补偿的图像去雾

为了增强雾天退化图像的质量,提出基于分割中值滤波和自适应透射率补偿的单幅图像去雾方法．首先提出分割中值滤波策略,通过对“暗通道先验+引导滤波”去雾方法估计的透射率进行滤波,去除其中不必要的纹理细节,同时保留深度突变的边缘信息;然后提出自适应透射率补偿方法,无须进行天空分割,而通过构造补偿函数对透射率进行提升,以校正明亮区域的色彩失真;同时给出简单有效的函数参数自动确定方法,提高了算法的适应性．由实验结果可以看出,该方法通过精确估计透射率,有效地增强了去雾图像的对比度,改善了天空区域的颜色失真．同时该方法适应性较强,对包含和不包含天空的图像,都可得到更为清晰的去雾结果．     

基于无监督深度学习的红外图像与可见光图像融合算法

红外和可见光图像表征了互补的场景信息. 现有的基于深度学习的融合方法大多通过独立提取网络分别提取两个源图像特征,从而丢失了源图像之间的深度特征联系. 基于此,提出了一种新的基于无监督深度学习的红外图像与可见光图像融合算法,针对不同模态的特点采用不同的编码方式提取图像特征,利用一个模态的信息补充另一个模态的信息,并对提取到的特征进行融合,最后根据融合特征重建融合图像. 该算法可在两个模态的特征提取路径之间建立交互,不仅可预融合梯度信息和强度信息,且能增强后续处理的信息. 同时设计了损失函数,引导模型保留可见光的细节纹理,并保持红外的强度分布. 将所提算法与多种融合算法在公开数据集上进行对比实验,结果表明,所提算法获得了良好的视觉效果,客观指标评价方面对比现有的优秀算法也有一定的提升.     

融合上下文感知注意力的低光图像去雾网络

现有的低光去雾算法因受图像光照强度低、光照不均匀等影响,其去雾后的图像存在细节丢失、色彩失真等现象。针对上述问题,提出一种融合上下文感知注意力的低光图像去雾网络(ACANet)。首先,在基准网络中引入层内上下文感知注意力模块,分别从通道维度和空间维度结合全局视角辨识和加权同一尺度下的重要特征,使网络突破局部视野的约束,更加高效地提取图像纹理信息;其次,引入层间上下文感知注意力模块,通过投影操作将高级特征映射到信号子空间,以实现不同层之间多尺度特征信息的高效融合,进一步提升对图像细节的重建;最后,引入CIEDE2000色偏损失函数,通过CIELAB色彩空间对图像色调进行约束,并与L2损失一起联合优化网络,使网络准确地学习图像色彩,以解决图像的严重色偏问题。实验结果表明,所提算法在多个数据集上的客观指标均优于现有去雾算法,其峰值信噪比指标较基准网络提高了8.8%,且主观去雾效果更彻底,恢复图像细节更丰富,色彩还原度更好,更接近于真实图像。     

海上可见光图像清晰化处理及显示方法

通过对海空背景图像基本特征、图像高频增强算法、海上图像去雾交互算法及改进的色调映射算法的分析和研究,提出了一种基于图像滤波、图像增强及图像复原的融合式的图像清晰化处理及显示方法,并据此设计了图像清晰化处理显示软件系统。实验结果表明:该方法可显著改善海上可见光图像的显示效果,并具有较好的实时性。     

基于余弦相似度的非局部均值滤波方法

为了解决非局部均值滤波(N L M)中会出现过度滤波,模糊了边缘结构信息等问题,提出了一种基于余弦相似度非局部均值滤波方法.该方法用余弦相似度改进非局部均值滤波中子块相似度的度量,能利用结构信息,对图像边缘结构信息进行更好的保持,同时可以减少图像明暗程度对去噪效果的影响.通过多个典型图像和不同的滤波参数h的实验表明,该算法与经典非局部均值滤波算法、基于积分图像的非局部均值滤波算法、Adaptive Wavelet Thresh?old算法、2VAR-BMWP-MAP算法、减小斑点扩散算法相比,实验结果表明:该算法能在有效去除噪声的同时更好保持边缘结构信息.另外,针对少有图像评价指标能在反映图像去噪程度的同时反映去噪算法的细节保持程度,在方法噪声的基础上提出了一种新的图像去噪评价指标,定义为方法噪声差(C B).结论表明:方法噪声差的确能反应去噪程度的同时反应图像细节的保持程度,且比误差的均方差(M S E)更符合人的主观视觉感受.     

基于新的中值引导滤波的交通视频去雾算法

针对现有改进双边滤波算法处理雾霾天气下交通图像过程中边缘保持效果不理想且容易出现噪声斑块的问题,提出了一种基于新的中值引导滤波的去雾算法。首先,在快速引导滤波基础上改进,利用引导图像在滤波窗口的中值重新定义以像素k为中心的窗口系数ak和bk,并应用在对滤波框内临近像素点上,避免了对引导图像和滤波图像求方差和协方差,进一步提升计算速度。去雾阶段则将含雾图像转化到RGB颜色空间,获取暗通道值、大气光值以及粗透射率,利用中值引导滤波算法对粗透射率进行优化,得到透射率的精确值,根据模型方程反向求解获得去雾图像。实验结果证明,与传统方法相比,新算法去雾效果强化了对边缘的检测和保持能力,更好保持了图像细节。同时,运算效率较同类算法提升较大,实时性较高,可用于交通视频处理。     

融合大气光值-图估计的无人机航拍图像去雾

针对现有去雾算法大都存在复原图像亮度低、天空明显色彩失真等问题,提出了一种融合大气光值-图估计的无人机航拍图像去雾方法。首先,根据颜色衰减先验理论获取景深图像,将景深图像内偏差最小区域均值作为大气光值;其次,设计了一种自适应随机游走聚类方法用来估计大气光图,通过自适应随机游走算法将图像聚类为N个子区域,对子区域前0.1%像素求均值作为区域大气光值,将区域大气光值组合并通过引导滤波对其进行细化,获得大气光图;然后,通过融合大气光值-图估计方法将两种大气光估计融合为新的大气光图,作为更加准确的大气光估计;利用雾霾线先验方法获得透射率,同时提出一种暗补偿方法对其进行优化,提高透射率精度;最后,根据大气散射模型,利用求得的融合大气光图和优化透射率,得到清晰的复原图像。实验结果表明,相对于比较算法,提出的算法的复原图像在信息熵、平均梯度、模糊系数及对比度上分别提升1.1%、6.3%、8.5%、6.4%,主观视觉效果更好,信息更加丰富。     

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.     

基于Landsat影像自身特征的薄云自动探测与去除

为有效地去除Landsat云的影响,恢复云区地物信息,基于单景Landsat影像的自身特征,通过利用影像中无云区地物的band1和band3高度相关特性确定晴空线,使用修改的最优化薄云变换算法计算受云影响的像元相对于晴空线的偏离距离(HOT),依据HOT的大小实现云的自动探测.对HOT图像进行阈值分割,将云从薄到厚进行分级;然后利用近红外和短波红外波段对云区和非云区的地物进行自动聚类,并根据云的等级和地物类型将云区可见光影像和对应地物的无云区影像进行匹配,实现薄云的去除.试验结果表明,云的探测快速准确,薄云的去除效果较好     

基于线性变换的自适应透射率去雾算法

针对现有图像去雾算法在天空或高亮区域透射率估计不准确的问题,且复原图像色彩失真以及细节丢失严重等情况,提出了一种基于线性变换的自适应透射率去雾算法。首先将输入图像转换至Ycbcr空间提取亮度分量,并构造反S型函数对其进行尺度压缩,以此减弱高亮像素的影响;然后利用线性变换模型对压缩后的亮度分量进行增强处理,使用高斯函数对亮度分量进行卷积操作得到自适应控制参数;结合线性变换模型和自适应控制参数逼近无雾图像最小颜色通道操作,进而得到精确的透射率估计值;最后利用大气散射模型和局部大气光值逆向求解出复原图像。在实验验证环节中,采用可见边、平均梯度、饱和像素点和结构相似性作为客观评价指标。客观数据表明,所提算法的各项指标均取得优势。在主观效果方面,所提算法可以准确估计出透射率,有效去除图像雾气干扰并改善天空或明亮区域色彩失真的现象,提高图像可视度,复原出更多细节和边缘信息。     

结合大气散射模型的生成对抗网络去雾算法

为了提高图像去雾的性能, 提出结合大气散射模型生成对抗网络的去雾算法. 算法在pix2pix GAN基础上进行改进, 将网络的生成器改进成双解码器结构,通过双解码器分别生成无雾图像和透射率图, 并结合大气散射模型还原雾图像,以进一步提高图像分解的质量. 在马尔科夫判别器结构中,采用反向学习机制代替随机裁剪机制,以有效降低因采用随机裁剪算法而导致的判断结果不准确的概率. 在原有的损失函数上,加入雾霾损失函数,提高图像转化的质量. 在STOS和NYU数据集上进行消融实验和对比实验. 大量实验表明所提出方法在PSNR和SSIM指标上比原算法Pix2pix GAN有所提高, 且均优于现有去雾算法,复原图像具有清晰度高、噪声低、纹理丰富的优点.     

一种改进条件生成对抗网络的图像去雾算法

针对现有去雾算法存在的颜色失真、细节丢失和一些肉眼可见的薄雾残留等问题,提出了一种改进条件生成对抗网络的去雾算法。首先,为了能更好地保留图像的底层纹理信息和结构信息,共享浅层和深层图像之间的特征,设计了含对称层跳跃连接结构的生成器。其次,为了保留图像的细节并减少伪影,重新设计了损失函数,在原始网络损失的基础上引入L1损失和感知损失。提出的算法在HSTS数据集上的峰值信噪比可达27.306 4 dB,结构相似度达0.963 3,比其他算法的最优值分别提高了5.728 dB和0.058 1。去雾后目标检测的mAP提高了2.51%,召回率提高了4.31%。实验结果表明,所提出算法可以减少色差,解决薄雾残留问题,块效应基本消除,在主观效果和客观评价上均具有明显优势。     

图像增强算法在车牌图像预处理中的研究与应用

雾天场景下摄像头采集到的车牌图像质量较低,在车牌识别系统中对图像预处理产生较大影响,从而造成车牌定位和识别效果较差。以雾天环境下实际采集的车牌图像为例,分别采用带色彩恢复的多尺度Retinex算法和暗原色先验去雾算法对实际图像增强进行仿真实验。实验结果表明,利用暗原色先验去雾算法对图像进行增强处理,能够提高图像的对比度,实现去雾效果,从而使车牌定位和车牌识别达到更好的效果。     

基于S、V分量的模糊C均值彩色图像分割算法

针对彩色图像的分割问题,提出一种快速有效的彩色图像分割算法。基于彩色图像的HSV颜色空间,应用快速模糊C均值聚类算法,对彩色图像的S、V颜色分量进行聚类,综合考虑图像中目标彩色个数与得到的聚类中心完成对彩色图像的分割。实验结果表明,与其他彩色图像分割算法相比,本文算法可以准确地分割目标区域颜色不同的彩色图像,背景信息保留较少,运算速度受图像尺寸影响较小,可以得到理想的彩色图像分割结果。