基于明亮区域分割的图像去雾算法

针对暗通道先验去雾中存在的光晕和色彩失真问题，提出一种基于明亮区域分割的图像去雾算法。首先通过亮度阈值分割和区域生长将雾天图像分割为明亮区域与非明亮区域；然后用亮通道先验和超像素分别改进明亮区域和非明亮区域透射率的计算公式；再用加权融合的方法将这两个区域的透射率进行融合得到粗略的透射率，使用引导滤波对其进行优化，同时对雾天图像进行四叉树分割，取最终分割区域像素的亮度平均值为大气光值，通过大气散射模型复原去雾图像。实验结果表明，改进后去雾图像的峰值信噪比与改进前相比提高了6.5%，信息熵提高了2.1%，新增可见边之比提高了5.5%，梯度均值提高了5.3%。本文改进算法能够解决暗通道先验去雾中的问题，得到清晰且对比度高的去雾图像。     

基于区域对比度约束的暗通道图像去雾

为了保持图像明暗区域的对比度约束,提出了一种改进的暗通道去雾算法;该算法首先将原始图像分割成适当的明暗双区域,并计算相应的对比度比值,再使用基于中值滤波的暗通道去雾算法处理图像暗区域部分,最后利用亮度精确控制的双直方图均衡算法,以最大程度保持区域对比度不变为约束条件,修正图像较亮区域的亮度分布。结果表明:对比相关去雾算法,利用所提算法最终处理后的图像能够在信息熵值、平均梯度和亮度标准差等方面取得明显增益,进一步凸显图像中被雾霾环境所掩盖的细节特征。     

基于环境光差异的图像去雾算法

针对环境光差异引起图像去雾亮度值存在偏差、图像质量下降的问题,提出一种基于环境光差异的图像去雾算法。把图像分为环境光差异较大的天空区域和非天空区域,根据环境光差异设置不同的阈值对两类区域再进行分割;采用对比度先验去雾算法对天空区域块去雾,通过暗通道先验去雾算法对非天空区域块处理;最后用动态阈值白平衡算法调整恢复后的图像亮度和色彩。实验结果表明,本算法比其他算法能更有效解决环境光差异引起的图像去雾色彩失真、质量下降问题,鲁棒性较高,恢复后的图像色彩真实度和清晰度较高,更符合人眼视觉观察特性。     

一种改进的基于暗通道先验的快速去雾算法

针对暗通道先验去雾算法复杂度过高,存在大片天空区域不适用的情况,提出一种改进的基于暗通道先验的快速去雾算法。首先,通过对灰度图像迭代出最佳阈值将天空区域分割出来;然后采用文中提出的方法分别对天空和非天空部分求解大气光强度,以获得精确的透射率,为使图像边缘信息能够保留完整,采用梯度强化的方法对图像进行边缘锐化;最后通过大气散射模型恢复出无雾图像,采用自动色阶算法平衡图像亮度。实验结果表明,经过与4种算法对比后,能够较好的适用于存在大片天空区域的有雾图像,图像具有较好的视觉效果,能够保留图像的边缘信息、细节纹理,降低了处理时间,提高了运行效率,同时为后续的目标识别等领域奠定基础。     

暗原色先验自适应图像去雾方法

针对传统暗原色先验去雾算法存在的亮区域色彩失真、去雾参 数人工设定等问题,提出了一种基于暗原色先验改进的自适应图像去雾方法。首先,提出快 速OSTU法对雾霾图像亮暗区域进行自适应分割,并分区域获取亮暗区域的暗原色值;其次, 根据亮区域分布情况,对不同区域大气光强进行自适应估计;接着,通过分析雾霾图像直方 图特征,提出采用灰度集中度法自适应计算去雾系数;然后,运用色阶自适应调整方法进行 输出图像的色彩调整;最后,通过开展对比实验,验证了本文算法的优越性。主客观 评价结果表明:本文方法无需人为设定去雾参数,具有较好的 鲁棒性,可适用于多种浓度、 各种场景雾霾图像的去雾处理,获取的图像清晰、色彩自然,对比度高。     

基于天空约束暗通道先验的图像去雾

针对现有暗通道图像去雾算法存在的天空色彩失真,景物边缘光晕效应等问题,本文提出了基于暗通道理论的改进去雾算法.由于暗原色先验理论不适用于天空区域,本文将引导滤波用于天空区域的细化分割,准确估计包含天空区域图像的大气光照强度,解决了天空色彩失真问题;其次,利用中值滤波得到详细边缘信息,进而得到更为清晰的透射率,有效抑制了景物边缘光晕问题;最后针对去雾后图像偏暗的问题,在HSV空间对亮度分量V通道进行增强处理.实验结果表明,针对带雾图像,本文算法能够有效地去雾,改善天空区域色彩失真以及景物边缘光晕问题.     

基于多尺度Retinex和暗通道的自适应图像去雾算法

针对暗通道先验算法处理大片天空区域存在复原图像的可视化效果较差和图像细节信息不丰富等问题,提出一种基于多尺度Retinex和暗通道的自适应图像去雾算法。采用Canny算子对亮度分量进行边缘检测并利用多尺度Retinex算法消除亮度分量,采用交叉双边滤波优化暗通道的先验理论获得粗略估计的透射率,采用四叉树子空间搜索法选取全局大气光值。为了消除图像中复原图像整体较暗以及无法显示细节信息的现象,使用二维伽马函数校正亮度值,最终得到复原后的去雾图像。实验结果表明,所提算法可以有效恢复有雾图像的细节信息,去雾较为彻底,整体平滑,色彩明亮度较好,图像清晰自然。     

结合区域生长与容差机制的暗通道去雾算法

针对传统的暗通道先验算法在处理带有大面积天空区域的有雾图像时出现明显的块效应、色彩失真和亮度偏低等问题,提出了一种结合区域生长与容差机制的去雾算法。首先通过灰度图腐蚀求出暗通道;接着利用种子区域生长法分割出天空区域,并把天空区域的平均灰度值作为大气光值估计;然后结合大气散射模型得到粗略的透视率,并采用改良的容差机制和引导滤波对透视率进行修正和细化;最后,引入Retinex法对图像进行后处理,进一步调整色彩和亮度。实验结果表明,本文提出的去雾算法对带有天空区域的图像去雾效果明显,天空区域的色彩有了显著改善,图像整体清晰明亮。     

基于自适应阈值的改进暗通道先验图像增强技术研究

基于暗通道先验的图像增强技术在图像的去雾和增强方面具有较好的图像增强效果。针对基于暗通道先验图像增强算法在处理有雾图像存在大面积白色高亮区域时出现的失真,提出了基于自适应阈值的改进暗通道先验算法。该算法在对图像进行直方图统计的基础上,先判断图像是否存在大面积白色高亮区域,并对区域的面积进行标识和统计,得到自适应系数β,再利用该系数对暗通道先验算法进行修正,最终进行对比度增强实现图像的去雾增强效果。实验结果表明,该方法能够有效消除图像去雾过程中出现的失真,提升图像质量,具有较高的实用价值。     

基于自适应阈值改进暗通道先验图像增强技术

基于暗通道先验的图像增强技术在图像的去雾和增强方面具有较好的图像增强效果.针对基于暗通道先验图像增强算法在处理有雾图像存在大面积白色高亮区域时出现的失真,提出了基于自适应阈值的改进暗通道先验算法.该算法在对图像进行直方图统计的基础上,先判断图像是否存在大面积白色高亮区域,并对区域的面积进行标识和统计,得到自适应系数β,再利用该系数对暗通道先验算法进行修正,最终进行对比度增强实现图像的去雾增强效果.实验结果表明,该方法能够有效消除图像去雾过程中出现的失真,提升图像质量,具有较高的实用价值.     

雾霾天气下的车牌识别

在雾霾天气下,图像采集设备拍摄的图片存在一系列问题,如饱和度低、细节失真、画质模糊等。文中探索了雾霾天气下的车牌识别算法,按照图像去雾、车牌定位、字符分割与识别等步骤来解决雾霾天气下传统车牌识别系统效率低、鲁棒性差等问题。该算法采用暗通道去雾,经去雾算法处理后,图像对比度、信息梯度和信息熵均得到提升;选择数学形态和边缘检测定位车牌的准确位置;利用仿射变换矫正车牌区域,结合投影法分割字符,最后使用基于支持向量机模式的识别算法来识别字符。经过处理后,车牌识别能达到较高的准确率。     

基于暗原色优化算法的去雾研究

针对基于传统的暗原色先验去雾算法中,由于某些场景下的雾天图像存在大面积明亮区域无法满足暗原色先验的假设,导致去雾效果不佳。文中就此问题提出了一种改进的去雾算法,基于McCartnet的理论建立大气散射模型,根据暗通道理论粗略估计透射率,之后引入容差参数并设置阈值,重新计算明亮区域的透射率,从而实现对明亮区域透射率的自校正。针对于复原图像色彩较暗的问题,采用改进的线性亮度调整方法来调节图像的亮度。实验结果显示,相较于原算法而言,改进算法可以有效的对大气光值进行估计,降低明亮区域的色彩失真,复原的图像可以保持足够的亮度,同时不丢失图像的细节,视觉效果显著提高。     

基于改进暗通道先验模型的无人机遥感图像去雾算法

无人机航拍技术因其诸多优势,已被应用在越来越多的场景中.但因空气污染或气候原因使得某些地区雾霾较多,导致拍摄的图像降质明显.针对该问题,同时对于无人机遥感图像较高的去雾速度要求,提出了一种基于改进暗通道先验模型的无人机遥感图像去雾算法.首先使用下采样法和插值算法改进暗原色先验模型的透射率计算,大幅降低了计算复杂度;然后针对图像偏白色区域的去雾处理,采用结合容差机制恢复无雾图像的方法,减少了偏色现象;最后对去雾图像采用自动色阶算法进行图像增强处理,提升了去雾后图像的亮度.实验表明,该算法在图像去雾的精确性和效率上均优于原算法.     

区域分割优化的暗通道先验去雾算法

较为经典的去雾算法是暗通道先验去雾算法,但该算法会产生天空区域光晕失真现象。为此,提出区域分割优化的改进暗通道先验去雾算法。首先提出K均值聚类分割算法,得到区域类别标签图;以大气光值选取区域为掩膜,求出类别标签图中天空区域的类别标签值,依据二值分类法将类别标签图转换为包含天空区域和前景区域的二值图;然后对透射率图进行区域优化处理,克服暗通道先验去雾算法天空区域低估透射率的不足;最后将有雾图像代入有雾图像退化模型,还原出颜色逼真的无雾图像。利用不同去雾算法进行去雾对比实验,结果表明,该算法消除了天空区域的光晕失真现象,去雾图像细节获得明显增强,去雾效果优于其他去雾算法,实验验证了该算法的正确性和可行性。     

区域透射率融合的暗通道图像去雾方法

针对传统基于暗通道先验的去雾方法容易导致边缘区域和天空区域分别出现伪影和颜色失真的问题，提出了一种基于区域透射率融合的暗通道图像去雾方法。首先，将含雾图像分为非天空、天空及过渡边缘等3个区域。其次，在暗通道结合块透射率估计和点透射率估计分别对非天空区域和过渡边缘区域进行融合，并利用梯度域引导滤波进行平滑处理，得到融合后的暗通道透射率。然后，合成天空区域的亮度透射率和暗通道融合透射率，以获得最终的透射率。最后，利用得到的透射率和改进后的大气光值对图像进行复原，得到去雾结果图像。实验结果表明，与传统暗通道方法相比，所提方法明显更优，其在有效抑制边缘伪影的同时能够较好地保留含雾图像的颜色特征。所提方法得到的去雾图像在主观评价和客观评价方面均能取得更好的结果。     

基于快速引导滤波改进的暗原色先验去雾算法

针对目前单幅雾霾降质图像存在大面积天空域,导致暗原色失效复原图像失真以及去雾时间复杂度高的问题.提出一种基于暗原色先验和快速引导滤波的去雾方法,针对存在高亮天空域图像多尺度滤波采用自适应阈值分割得到天空域,在天空域求取精确大气光值,再将天空域和非天空域透射率有效归一化,最后采用暗通道图作为引导图快速引导滤波精细化透射率,最大限度保留边缘细节的同时有效降低时间复杂度.实验结果表明,该方法可以有效处理天空域,保持色彩和细节信息,在算法实时性上有明显优势.     

基于天空区域识别暗通道算法的红外图像去雾

为了提高红外图像去雾的效果,提出天空区域识别暗通道算法。首先通过双阈值把有雾图像划分为天空区域、非天空区域、交叉区域;接着天空区域、非天空区域、交叉区域的大气光值、透射率采用不同的方法计算,避免了暗通道算法的局限性;最后给出了算法流程。实验结果表明,本文算法对含有天气区域有雾图像的去雾结果清晰,平均梯度、综合评价相比其他算法较好,本文算法对天空区域与非天空区域有比较复杂的交叉区域的红外图像去雾后的平均梯度值相比暗通道算法提高了28.02,综合评价值提高了19.88。     

一种基于暗通道先验的快速图像去雾算法

目前针对单幅图像去雾处理,暗通道先验算法具有较好的效果,但处理时间长,需要很大的储存资源与计算资源.本文在暗通道先验算法基础上提出一种快速去雾算法,首先用"边缘替代法"代替原算法中的抠图处理,显著降低了计算复杂度;然后针对明亮区域暗通道失效情况,提出了一种基于双阀值的明亮区域识别方法和透射率修正机制,提高了暗通道先验的适用范围;最后对去雾图像再采用非线性对比度拉伸进行增强处理,改善了去雾图像的视觉效果.实验表明:本文算法不仅极大地降低了计算复杂度,而且去雾能力优于原算法.     

融合暗通道滤波和空间金字塔的图像去雾算法

针对红外摄像机在有雾天气下红外图像降质的问题,本文提出一种融合暗通道滤波和空间金字塔的图像去雾算法（Dark channel filtering and spatial pyramid algorithm,后文简称DCF-SP）用于海上红外图像的去雾。首先,对海上红外图像进行自适应的海天分割,再将天空区域均分为四个子空间,定位灰度均值最大的子空间,重复迭代上述过程,将三级分割后的最亮子块中邻域像素亮度最大的值视为大气光估计值。接着,对清晰和带雾红外图像进行最小值滤波,得到清晰红外图像暗通道值趋于零的先验知识,最后估计出暗通道透射率,实现红外图像去雾。实验结果表明,对比现有去雾算法,DCF-SP算法鲁棒性更高运行时间更短,且更能保留图像目标的边缘信息,EPI和SSIM指标分别达到0.95和0.9425。      

一种改进实时图像去雾的暗原色先验算法

针对暗原色先验图像去雾算法运行时间长,天空区域分割耗时,复原图像中存在方块效应以及整体偏暗等缺点,提出一种改进的实时图像去雾暗原色先验算法。在暗通道求取时,使用快速最小值滤波,加快传统暗通道求取最小值排序的时间;在大气光求取时,使用像素值限定的方法快速排除天空区域,使用暗通道图像剩余最亮部分对应原图像像素值的均值,有效避免原算法中求取大气光值过大导致复原图像失真的现象;在透射率的优化时,使用Sobel边缘检测与求取图像二阶导数图像,得到精细的透射率,改善了细化透射率的时间复杂度;对最终图像采取伽码变换,提高图像亮度。实验结果表明,与原暗通道先验算法相比,此算法有效提高了算法的实时性。