一种改进的基于地平线检测的去雾方法

雾、霾天气是影响图像和视频质量下降的重要因素,给室外视频任务带来很大不便。考虑到远景视频中地平线的存在,提出一种改进的基于地平线检测的去雾方法。该方法基于暗原色先验理论,用改进的地平线检测算法,从整幅图像分割出天空区域,得到雾天图像退化物理模型中的大气光部分,再引入容差机制,提高图像去雾质量。而在对传输图的修正过程中采用图像引导滤波代替既占内存又耗时的软抠图方法。对远景雾天图像的去雾实验表明,该方法改进了原有基于暗原色先验单幅图像去雾方法中白色场景和物体的存在易导致算法无效的限制,有效减小了日周光光晕现象对图像可视化质量的影响,同时提高了算法速度。     

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。     

结合透射率和大气光改进的暗原色先验去雾算法

针对暗原色先验透射率在明亮区域估计不足以及大气光误差问题,提出一种结合透射率和大气光改进的去雾算法。在分析高斯函数特点的基础上,依据有雾图像暗原色的高斯函数初步估计透射率,利用最大最小操作消除块状效应;然后,通过晕光算子与形态学膨胀操作获取大气光描述区域来获取大气光值;最后根据大气散射模型复原清晰图像。实验结果表明,所提算法能够有效去除图像中的雾气,浓雾图像恢复效果相比暗原色先验等算法更佳,且处理速度较快,便于实时应用。     

导向滤波优化的单幅去雾算法

针对暗原色先验的单幅去雾算法计算复杂度高,无法满足交通监控系统中实时性需求,且大气光易受白色物体影响,以及天空区域易失真的缺陷和景物边界出现白边现象,提出了基于暗原色改进的快速去雾算法.采用四叉树搜索的算法对大气光进行精确估计,利用最大值滤波后的差值图像估计出天空区域,对透射率进行补偿,利用导向滤波器改进透射率并结合大气散射模型恢复无雾图像.实验结果表明:改进算法改善了原算法去雾效果的同时也提高了算法的速度.     

改进的暗原色先验理论视频去雾算法研究

针对暗原色先验算法出现的边缘残雾、天空区域彩色失真、去雾后图像偏暗以及实时性差等问题,提出了一种基于点暗原色先验和引导滤波的视频去雾算法。采用逐点式最小值滤波来消除块效应,并利用四叉树法来快速准确地估计大气光值,结合直方图均衡化技术来增强图像,改善视觉效果,同时利用图像采样技术和引导滤波优化算法提高速度。实验结果显示,该算法的去雾图像清晰,运算量小,适用范围广,鲁棒性好,适合实时视频去雾。     

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。     

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。     

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。     

雾霾天气条件下的机器视觉图像清晰化研究

针对机器视觉图像清晰度在雾霾天气条件下受到严重影响的问题,提出一种基于暗原色先验的机器视觉图像去雾算法。以大气散射模型和暗原色先验理论为基础,在带雾图像的暗原色图上指定某一灰度区间,选取其中出现频率最高的亮度值作为大气光亮度值。将带雾图像转为灰度图像,采用直方图均衡化的方法对其进行增强,尽可能多地展现带雾图像所包含的结构信息,进而以增强后的灰度图像作为引导图像进行导向滤波,进一步优化透射率,加快运行速度。实验结果表明,该算法可获得较好的去雾效果,同时具有较高的运算效率。     

基于暗原色先验的一种快速图像去雾方法

为了改善雾天环境下退化图像的视觉效果,结合雾天成像模型和暗原色先验的规律,提出了一种快速的单一图像去雾算法利用暗原色先验对大气参数进行估计,选取图像中满足条件的像素点进行透射率的估计,并据此计算图像中其它像素点的透射率,从而大大减小了图像透射率估计运算量,最后根据大气参数和透射率计算得到清晰化的图像。实验结果表明,该算法相对于传统的单一图像去雾方法具有处理速度快和效果好的特点。     

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。     

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.     

基于物理模型的单幅图像对比复原算法

基于图像复原的去雾算法中参数的估计容易造成去雾图像场景信息的丢失,对此,提出一种图像去雾新算法。在暗通道先验的基础上,通过对大气散射模型的分析,总结出雾气分布对暗通道图像的影响,并依此对外景图像进行加雾操作,利用加雾后的参考图像与外景图像中各点的景深关系完成透射率的估计,进而达到去雾目的。算法利用物理模型和多幅图像实现参数的估计,能够更好地保留场景信息。实验结果表明,该算法不仅去雾效果优于对比算法,在处理速度上也有明显改善。     

暗原色先验与NL-CTV模型相结合的图像去雾方法

鉴于暗原色先验算法能复原不同雾浓度和场景深度的图像,而基于非局部算子概念的NL-CTV（Non-Local Color Total Variation）模型能较好地保持图像边缘和纹理等特征,融合暗原色先验与NL-CTV模型,提出了一种新型单幅彩色图像去雾模型。通过暗原色先验得到精确的大气光强度和大气传输函数,然后推导包含大气光强度和大气传输函数的非局部能量泛函,再通过引入辅助变量和Bregman迭代参数,为其设计相应的快速split Bregman算法来求解该模型。将该算法与He算法、暗原色先验和Retinex算法的实验结果进行分析比较,从而验证了该模型不论从视觉上,还是客观数据上都要优于其他两种算法。     

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.     

结合直方图均衡化和暗通道先验的去雾算法

针对暗通道先验单幅图像去雾算法去雾不彻底且速度慢的问题,提出了一种结合直方图均衡化算法的改进算法.在分析光晕产生的基础上,算法对有雾图像的最小值图像进行了直方图均衡化,提高了最小值图像的对比度;利用双边滤波平滑且保持边缘的特性细化对比度增强后的最小值图像,以其作为引导图对初始透射率图细化.同时,取暗通道图像中强度值在前0.1%的像素点的值求平均值,作为大气光值A,根据大气散射模型恢复无雾图像.实验结果表明:算法得到的透射率图恢复的图像具有更好的清晰度,提高了运算速度,弥补了传统算法在明亮区域透射率估计的不足.     

基于物理模型的低照度图像增强算法

针对低照度图像反转后为与雾天图像相似的伪雾图,其雾的浓度由光照情况而非景深决定这一特点,提出一种基于物理模型的低照度图像增强算法。该算法根据光照情况给出一种更加准确且快速的新方法估计伪雾图的透射率。首先,采用暗原色先验规律对伪雾图的环境光值进行估计,并基于光照情况对透射率进行估计;然后,基于大气散射模型还原出无雾图像;最后,对无雾图像反转得到低照度图像的增强结果,并对该结果进行细节补偿得到最终的增强图像。大量实验表明,与基于暗原色先验的增强算法、基于去雾技术的增强算法及带色彩恢复的多尺度Retinex算法相比,该算法处理效率更高且效果良好,信息不会丢失,可有效提高图像分析识别等系统的工作效率。     

单幅图像快速去雾算法

目前去雾算法主要有通过暗原色和对图像颜色通道处理等方法,但是这些方法去雾效率不高,从而导致实用性不强,针对此弊端提出了一种基于单幅图像的快速去雾算法。大气光估计运用改进的暗通道方法,先对颜色通道进行最小滤波,然后取最小滤波的最大值作为大气光的估计值;透射率估计运用物理模型均值滤波,先根据数学模型转换,然后进行一次均值滤波,再用偏移值来修正带透射率的估计值。算法简单快速有效,具有实用性。对实验结果进行定性定量分析,证明与其他算法相比,所提算法具有更好的去雾效果和更快的处理速度。     

A high fidelity haze removal algorithm for optical satellite images using progressive transmission estimation based on the dark channel prior

In this paper, a high fidelity haze removal algorithm is proposed for optical satellite images by using progressive transmission estimation based on the dark channel prior (DCP). The transmission is estimated adaptively according to the histogram of the dark channel image and the constraint of maximum transmission. Then, the guided filter is used to refine the transmission to obtain a continuous transmission map in which the clean areas are retained as much as possible. The refined transmission is applied to each visual band to obtain the initial de-hazing image. Then, the transmission is re-evaluated for the initial de-hazing image, and a guided filter with a small window size is used to refine the re-evaluated transmission. Furthermore, the transmission is stretched with the power-law transformation (PLT). To ensure fidelity in hazy areas, the optimal stretched transmission is estimated according to the artificially selected samples, from which the final haze removal results can be achieved. Several optical satellite images are collected and tested to validate the effectiveness of the proposed method. The evaluation results demonstrate that the proposed method is superior to the traditional methods and can recover a haze-free image with high fidelity.