一种消除halo效应的去雾算法

雾天条件下获取的图像会有低对比度和低场景可见度的问题,一些去雾算法会出现halo效应现象。基于暗原色先验理论的去雾算法,花费了大量的时间在透射率的优化问题上。为此,提出一种结合暗通道去雾算法的景深优化的图像复原方法,在图像景深边缘和非景深边缘分别采用不同的模板处理得到暗图像,进而得到粗略透射率,双边滤波器进行修复粗略透射率。该算法能够有效地去除图像中的雾气,和软件抠图法相比较,不仅有效降低了halo效应,并且大大地减少了透射率处理时间,提高了处理效率。实验表明该算法的时间复杂度与图像尺寸成线性关系,相比于传统算法在计算速度上有一定提高,保障了图像处理的实时性。     

基于优化后透射率和半逆法的暗通道图像去雾方法

为了解决去雾过程中图像边缘产生光带的情况和去雾之后图像整体变暗的现象，提出了一种新颖的基于优化后透射率和半逆法的图像去雾算法。首先，针对图像边缘处暗通道失效情况，运用透射率修正机制来消除边缘处的光带现象，从而提高暗通道先验的适用范围；其次，从大气散射模型出发，利用半逆算法得到大气整体光照值；最后，针对去雾之后整幅图片颜色变暗淡的现象，采用基于小波变换的图像对比度算法来进行增强处理，改善去雾图像的视觉效果。实验结果表明，该算法能够更有效地去雾，而且去雾能力优于原算法。     

透射率与场景亮度分块优化的图像去雾算法

在图像去雾过程中,对大气光透射率估计不准确,会降低去雾图像场景亮度,并导致天空区域出现光晕现象。为此,提出一种基于分块优化透射率与自适应优化场景亮度的图像去雾算法。根据图像有雾程度评判标准对透射率进行分块优化,结合大气光强度求解大气散射模型获得无雾图像,并通过局部自适应调整图像灰度值来提高图像场景亮度。实验结果表明,相较于引导图滤波和对比度增加算法,该算法去雾后的图像更清晰,保边效果明显,且视觉效果更佳,适用于交通监管、安全监控和目标识别等应用领域。     

颜色保持的实时图像/视频去雾算法

针对目前去雾算法实时性较差,对天空等区域的处理不理想以及去雾后图像偏暗等问题,提出一种实时有效的去雾算法。首先,利用暗原色先验估计粗略透射率图;其次,下采样粗略透射率图并用优化的导向滤波得到改善的透射率图,以便实时处理更高分辨率的图像;然后,上采样改善的透射率图,并对其进行修正,得到优化后的透射率图,以解决暗原色先验不适于处理含有天空等大面积亮区图像的问题;最后,经过颜色保持的自适应亮度调整得到最终去雾图像。该算法时间复杂度仅是图像像素数的线性函数,对分辨率为600×400的图像,耗时约80ms。与基于导向滤波算子的暗原色先验的单幅图像去雾方法、基于中值滤波的快速去雾方法和带颜色恢复的多尺度Retinex(MSRCR)算法进行了对比,     

基于补偿暗通道和透射率融合的图像去雾算法

针对暗通道先验算法去雾不彻底且透射率估计不准确的问题，提出了一种基于补偿暗通道和透射率融合的去雾算法。该方法首先用中值滤波补偿暗通道，解决复原图像边缘细节不突出问题；然后由补偿暗通道得到透射率的简单估计及白平衡得到透射率的模糊估计，将两者进行像素级融合，得到透射率的精确估计；最后根据大气散射模型恢复出无雾图像。实验结果表明，该算法获得了较为精确的透射率，复原图像有效消除了残雾和Halo现象，在天空区域有较好的色彩保真度，同时也有效提升了运算速度。     

基于暗通道先验的比值重估透射率去雾算法

针对暗原色先验去雾算法中雾霾图像明亮区域透射率估计过小,造成图像色彩失真的问题,提出一种新的基于比值重估透射率去雾算法。设定暗通道图与大气光强的差值阈值,利用预估透射率和全局透射率的比值重新估计透射率,从而改善明亮区域过小的透射率。实验结果表明,比值重估透射率去雾算法跟暗通道和容差机制去雾算法相比,该算法恢复的图像更接近于真实图像。     

基于DehazeNet与边缘检测均值引导滤波图像去雾算法

针对目前在有较多明暗区域的雾天图像去雾处理,存在恢复的图像偏暗和丢失图像边缘细节信息的问题,提出了基于DehazeNet与边缘检测均值引导滤波图像去雾算法。使用DehazeNet可训练卷积神经网络,根据4个雾天相关特征来估计雾天图像的初透射率图;通过局部的大气光值获得初大气光值图,替代单个大气光值,避免恢复的图像偏暗;提出边缘检测均值引导滤波算法,分别对初透射率图和初大气光值图进行优化,保留边缘细节信息;最后基于大气散射模型还原出去雾后的图像。实验结果表明:该算法去雾图像的主观视觉效果较好,且图像信息熵、峰值信噪比和结构相似性3方面的客观评价结果也较优于其它对比算法。可以解决恢复图像偏暗和丢失图像边缘细节信息的问题,使去雾图像清晰自然。     

反馈调节机制的暗通道去雾算法

针对暗通道图像去雾算法在处理不满足暗通道先验条件的明亮区域时,估计的透射率偏小,导致去雾后的图像与原图像相比,色彩和纹理平滑度出现较大偏差的问题,提出反馈调节的暗通道去雾算法。该算法首先通过暗通道算法对原始有雾图像进行去雾,反馈出去雾后的图像与原始图像纹理平滑度的差异,使用模糊C-均值聚类算法分割出明亮的区域;然后用高斯函数调整明亮区域偏小的透射率,使其更加接近实际的透射率;最后利用调整后的透射率求得清晰的无雾图像。实验结果表明,该算法可以有效地处理不满足暗通道先验条件的区域,使得包含明亮区域的雾化图像,去雾后的色彩更加符合真实场景,视觉效果也更好。该算法可以提高户外监视系统的鲁棒性。     

基于大气面纱优化和透射率修正的图像去雾

基于中值滤波的图像去雾算法不能有效去除细小边缘处的雾,且天空区域容易出现颜色失真问题。因此,提出了一种基于大气面纱优化和透射率修正的单幅图像去雾算法。首先基于阈值分割提取天空区域,并降低各颜色通道最小值图像中对应区域的灰度值,然后使用加权引导滤波得到优化后的大气面纱,从而得到较为准确的透射率,最后由大气散射模型得到复原图像。相比于其他算法,该算法在优化大气面纱的同时修正了透射率,在边缘处的去雾效果更加明显,同时解决了天空区域的色彩失真问题。     

基于映射关系的GAN网络实现图像去雾

图像去雾是图像处理中的一个重要研究方向。为了提高对图像的去雾效率,文章通过改进大气散射模型,基于生成对抗网络(Generative Adversarial Network,GAN)算法实现图像去雾。该方法实现步骤如下,首先将有雾图像分解为无雾图像和经过雾散射后的环境自然光叠加,其次通过生成器网络生成大气散射光图像,估算透射率从而求解无雾图像,最后利用GAN网络的生成器和判别器网络进行对抗训练,得到接近真实的大气环境光和透射率,达到对图像快速去雾的目的。实验结果表明,设计方法在合成雾天图像和真实雾天图像中均取得了较好的去雾效果,虽然在客观评价指标上与经典的去雾算法保持相同水平,但时间消耗远少于其他算法。     

基于暗原色先验图像去雾算法的研究与改进

暗原色先验算法在单幅图像去雾方面有较好的效果,但该算法对处理器要求较高,且耗时长,很难应用于对实时性要求较高的图像去雾。针对这一问题,提出了一种基于暗通道先验的改进算法:首先用高斯滤波替代软抠图方法消除块状效应、平滑透射率,根据给定的雾浓度系数粗略恢复无雾图像;然后增大雾的浓度系数,结合峰值信噪比和暗原色先验算法对图像进行去雾处理,最终恢复无雾图像。与典型的去雾算法相比,改进后的算法运算量显著减少,保证去雾效果的同时计算速度明显提高。     

改进残差神经网络的图像去雾算法

针对图像去雾算法中存在因介质透射率估计不准确而造成色彩失真、去雾不完全的问题, 提出了一种改进残差神经网络的图像去雾算法. 首先采用并行多尺度卷积层提取雾图像特征. 然后通过引入了深度可分离卷积层的残差网络学习介质透射率, 并利用加权引导滤波细化介质透射率. 最后根据大气散射模型反演得到无雾清晰图像. 实验结果表明, 该算法与其他去雾算法相比在峰值信噪比(peak signal to noise ratio, PSNR)和结构相似度(structural similarity, SSIM)指标上取得了一定的提高, 并且去雾图像在主观视觉上也取得了较好表现.     

鲁棒图像去雾的大气光校正与透射率优化算法

针对已有单幅图像去雾方法中存在的天空灰暗和对比度增强不足等问题,提出基于大气光自适应校正与透射率鲁棒性优化的高可见度图像去雾算法.该算法采用白平衡和伽马校正对输入图像进行预处理,以提升亮度、增强对比度并避免出现严重的偏色现象.为了防止大气光值估计过高,提出一种基于天空检测的大气光自适应校正方法,以获得更明亮的天空区域复原效果.最后通过检测光晕像素和透射率上下文一致性推断来识别透射率不可靠的像素,并在可靠透射率保持项、不可靠透射率插值项以及相似像素透射率关联项的约束下设计了透射率鲁棒性优化模型,以对不可靠透射率进行校正.实验结果表明,文中算法获得的透射率更符合场景中的深度变化趋势,使得去雾结果具有较高的清晰度、对比度与色彩饱和度,且天空区域也显得更为自然.     

基于线性映射的暗原色快速去雾

针对雾天图像对比度、清晰度低等问题,提出一种基于暗原色先验去雾的快速算法。根据给定的判决条件,通过四叉树估计大气光值;利用雾天图像和恢复图像之间的线性关系,使用一种线性映射得到初始透射率,并使用容差对其修正;对修正后透射率进行高斯滤波,根据大气散射模型得到恢复图像。仿真结果表明,该算法在保证去雾效果的同时,拥有较高的算法效率。     

高斯自适应多尺度加权滤波去雾算法

为了达到良好的图像去雾效果,提出一种高斯自适应多尺度加权滤波去雾算法。通过多尺度最小值加权滤波得到暗通道图像,建立最小通道与高斯函数的关系,线性约束后并经过自适应参数对像素灰度值的调整得到粗级透射率,紧接着对得到的粗级透射率图像进行多尺度加权引导滤波得到优化透射率,结合加权大气光强并依据大气散射模型对图像进行去雾复原处理。实验结果表明,该方法有效地将单幅有雾图像进行了处理,与其他经典算法相比较得到的图像细节显示效果好,很好地恢复了场景的对比度,增加了图像的可见度,具备一定的优异性。     

一种边缘优化的暗通道去雾算法

针对暗通道先验去雾算法大部分的时间都消耗在对透射率的优化上的问题, 对暗通道去雾算法进行了改进, 提出了边缘优化的暗通道去雾算法。使用边缘算子从粗略估计的透射率中提取边缘, 对边缘及周围扩展区域内的像素采用差值抠图法优化图像中场景深度变化明显的区域的透射率。实验结果证明, 边缘优化的暗通道去雾算法在得到与原始算法基本一致的去雾结果的同时, 平均计算时间仅为原算法时间的60%左右, 有效减少了计算量, 提高了去雾算法的运算速度。     

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。     

一种改进的场景透射率修正图像去雾算法

在户外起雾的情况下,人们通过摄像机所拍摄的照片往往非常不清楚,照片通常呈现灰暗的色彩,图片的清晰度不高,很容易造成图像的一些信息丢失,难以被检测到。这使目标识别的难度大大提高,户外视频监控的有效性也被极大破坏。据此,提出了一种改进型的去雾算法。首先通过对场景透射率进行粗估计来得到一种块透射率,再对块透射率进行更深一步的细化处理来得到较准确的场景透射率,最后使用一种改进的容差机制修正场景透射率错误估计的区域来获得一个更加准确的透射率值。通过与已有去雾算法对比,验证了所提算法在图像去雾的各项指标中的优越性。该算法在图像去雾领域具有广阔的应用前景。     

基于吸收透射率补偿及时空导向图像滤波的实时视频去雾

视频去雾技术的难点主要在于如何保证视频数据的时空一致性,为了解决这一问题提出了时空导向图像滤波优化算法.该算法考虑了视频帧间信息在空间和时间维度上的一致性因素,在平滑透射率纹理并保护显著边界的同时,能够克服视频中的闪烁噪声,保证视频去雾结果的流畅性.由于经典去雾模型仅考虑散射对于雾生成的影响,导致大多数基于该模型的去雾算法在近景处常产生过饱和噪声,针对此问题提出了一个基于吸收透射率补偿的透射率估计算法,弥补了经典模型忽略大气吸收衰减的缺陷,能够显著提高透射率估计精度,有效地抑制近景处过饱和噪声的产生.在真实雾视频和合成雾视频数据上进行了与现有先进算法的对比实验.有参考定量评价结果表明,本文算法的信噪比及结构相似性两项指标分别高于其他算法至少12%和3.4%;无参考的可见边界恢复评价指标至少高于其他算法5.7%.所提出的实时视频去雾算法能够更有效地恢复高频信息,更恰当地提升图像对比度,所获得的无雾视频色彩也更加自然、真实.     

一种快速暗通道去雾算法

基于暗通道的去雾算法计算初始透射率需要进行大量的数据比较,优化透射率时需要计算融合矩阵,这两个过程耗时巨大,使其难以投入实际应用。针对这一问题,提出了一种快速暗通道去雾方法。首先利用分区最小表的数据结构,提高初始透射率的计算速度;接着,在优化透射率时,采用基于形态学梯度的彩色图像边缘检测算法提取图像边缘信息,减少优化范围,再利用边缘信息与像素的空间信息优化透射率,避免计算复杂矩阵,从而加快了优化速度;最后,运用最小可觉差模型补偿前两个步骤导致的图像画质下降,提高图像清晰度。实验证明,快速暗通道去雾算法在保持恢复图像效果基本不变的基础上,很大程度提高了算法速度。