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.     

基于图像融合的快速单幅图像去雾算法

针对单幅雾霾图像中存在大面积明亮区域,暗通道先验失效、引导滤波算法去雾不彻底和时间复杂度较高的问题,提出了一种基于图像融合的快速单幅图像去雾算法.在大气散射模型的基础上,对大气光值进行区间估计;由暗通道先验法得到透射率的简单估计,由Retinex理论进行多尺度高斯卷积得到透射率的模糊估计,利用图像融合将两者进行像素级融合,得到透射率的精确估计;采用交叉双边滤波进行平滑处理并针对明亮区域修正透射率;对复原图像进行色调调整后得到最终图像.实验表明:算法不仅取得良好的去雾效果和较好的图像色彩,还有效降低了时间复杂度.     

基于暗原色及入射光假设的单幅图像去雾

目的 雾是一种常见的天气状况,针对雾能使图像中的景物对比度降低、表面颜色退化的问题,提出一种基于入射光假设的单幅图像去雾方法。方法 首先利用全局暗原色进行初步去雾,从而使图像透射率处于[0,1]范围内;然后利用雾天光照均匀的特点以及Retinex的照度估计原理进行透射图的估计;最后利用透射图以及初步去雾图像得到复原图像。结果 与He算法、Fattal算法的对比实验结果显示,该算法获得的复原图像细节清晰,颜色自然。与引导滤波优化后的He去雾算法相比,本文算法速度提高了93%。结论 大量对比实验结果表明,本文算法能够显著恢复雾天降质图像,对于薄雾和浓雾同样有效,具有广泛的适用性,且算法原理简单。此外,本文算法也同样适用于灰度图。     

结合暗通道先验的光补偿快速去雾算法

针对暗通道先验单幅图像去雾算法去雾不彻底、天空区域偏色严重且去雾速度慢等问题,提出了一种结合暗通道先验的光补偿快速去雾算法。首先将二阶Butterworth高通滤波器引入同态滤波函数,在频域内对最小颜色分量进行增强,同时,平滑最小颜色分量中的光照,补偿局部区域因光照不足引起的图像质量下降;然后用双边滤波对其进行平滑处理,使光照在最小颜色分量图像上过渡更加自然;最后将处理之后的最小颜色分量作为引导图细化初始透射率。实验结果表明,与Tarel算法和中值滤波算法相比,该算法得到的去雾图像具有更好的视觉效果;与引导滤波算法相比,该算法去雾效果更为彻底,天空区域颜色还原准确,且运算速度更快。     

单幅雾天图像的同步去噪与复原

在单幅雾天图像复原中图像不可避免地存在大量噪声,这会对复原结果带来很大影响。文中提出一种基于联合双边滤波的单幅雾天图像同步去噪和复原算法。该算法首先根据暗通道先验假设估计出可反映场景深度特性的初始传输图。其次,利用联合双边滤波器,在原始图像的引导下对初始的粗糙传输图进行细化,有效降低光晕现象的出现。再使用一次双边滤波求解复原图像,在得到去雾图像的同时实现图像去噪。最后,在滤波过程中引入一个色彩恢复因子,解决复原过程引起的色彩失真问题。文中对各种类型的图片进行对比实验,结果表明该算法能在去雾的同时有效抑制图像中的噪声,并保持较低的计算复杂度。此外,引入的色彩恢复因子也给复原图像带来丰富的色彩。     

结合天空检测与纹理平滑的图像去雾

目的 针对已有图像去雾方法中存在的天空灰暗以及透射率分布与实际情况不一致导致的对比度增强不足等问题,以暗通道先验图像去雾方法为基础,提出结合天空检测与纹理滤波的图像去雾算法。方法 首先,设计了一个基于天空检测的大气光自适应估计策略,以天空区域亮度值较低的像素为依据估计大气光值,能够避免天空色彩失真,获得更明亮且干净的天空恢复结果;其次,对输入图像进行纹理平滑预处理以保持同一平面物体内的像素颜色一致性,并提出一个基于块偏移与导向滤波的透射率精确化计算策略,使透射率估值更符合深度信息的变化趋势,以提升无雾图像的对比度与色彩饱和度;最后,对复原结果进行联合双边滤波后处理,以降低噪声的影响。结果 本文算法得到的大气光估值更为合理,对于不符合暗通道先验的天空区域,能够取得更为自然的天空复原结果;本文算法得到的透射率的变化趋势与实际场景深度之间具有更高的一致性,对于符合暗通道先验的非天空区域,能够取得高对比度与高色彩饱和度的恢复结果。结论 本文算法在大气光与透射率的估值的准确性以及无雾图像的对比度与清晰度增强方面都得到了有效提升,具有较高的鲁棒性,适用于视频监控、交通监管和目标识别等户外获取图像的诸多应用领域。     

混合先验与加权引导滤波的图像去雾算法

目的 图像去雾是降低雾、霾、沙等低能见度成像环境对图像的退化影响,提高图像信息获取质量的过程。为了消除先验盲区,同时进一步提高去雾图像边缘细节的清晰度,提出一种混合先验与加权引导滤波的图像去雾算法。方法 首先改进大气光值估计方法,提高大气光值估计的准确性。然后利用混合先验理论求取双约束区域的大气透射率,一定程度上消除了先验盲区,提高了去雾算法的鲁棒性。最后利用加权引导滤波算法优化透射率图,提高了图像边缘细节的清晰度。结果 本文以通用去雾测试图像和小型无人机拍摄的雾天图像作为实验对象,通过对比分析4种组合步骤算法的复原效果,验证本文各步骤改进方法的合理性与整体算法的优越性。实验结果表明：混合先验理论改善了暗原色先验在明亮区域的失真现象和颜色衰减先验对浓雾处理上的不足,取得了较好的视觉效果;加权引导滤波改善了图像边缘模糊的现象,使复原后的图像边缘细节更加清晰;相较传统算法,本文算法视觉效果更好,去雾图像边缘细节更加明显,综合评价指标均值提升幅度较大。结论 针对有雾图像复原,通过理论分析和实验验证,说明了本文各步骤的改进具有一定的优越性,所提的算法具有较强的鲁棒性。     

一种快速单幅图像去雾新方法

为了再现雾霾天气下可见光图像的清晰场景,有效抑制雾霾退化造成的图像对比度、清晰度下降,本文提出了一种基于改进的双边滤波器的快速有效的去雾新方法.该方法引进了本文首次发现的简洁高效的“类高斯核”,代替传统双边滤波器的高斯核.改进的双边滤波器具有很好边缘保持特性,用该滤波器来准确优化雾天大气传输率的估计,大大提高了计算效率;在大气光值估计中,对暗通道和原图两个区间亮度最大值,进行加权平均,精确的估计出雾天大气光值.本文算法具有很快的处理速度,能有效提高复原图像的清晰度和对比度,获得较好的图像颜色.     

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。     

基于转换域与自适应伽马校正的去雾算法

针对暗通道先验算法中存在的光晕效应以及天空区域偏色等问题,提出一种基于转换域与自适应伽马校正的图像去雾算法。首先通过将大气散射模型转换至对数域,结合暗通道先验理论提出对数域正相关关系;再利用高斯函数拟合正相关,从而得到粗级透射率;然后将有雾图像转换至HSV色彩空间,提取亮度分量构造自适应伽马校正因子,对粗级透射率进行修正,并使用交叉双边滤波操作实现透射率的进一步优化;最后结合大气散射模型与改进的局部大气光,实现无雾图像的有效复原。仿真实验表明,与几种经典算法相比,该算法复原结果去雾彻底且细节丰富,具有较好的色彩保真度,更接近真实场景。     

基于双边分解与$L_1$暗通道的战场图像增强算法

针对战场图像雾霾导致图像目标不清晰,影响目标识别及指挥决断的问题,提出一种结合双边分解与$L_1$暗通道的战场图像增强算法,利用双边滤波将图像分解为低频基础含雾图像及高频纹理含噪图像.对于低频图像,分割天空区域优化大气光计算,之后根据上下文约束构建$L_1$正则化方程精确求解透射率来改进暗通道先验模型进行去雾处理;对于高频图像,利用导向滤波进行噪声抑制与细节增强,将图像融合并进行双伽马校正得到最终图像,实现图像去雾与去噪的解耦合.将所提出的算法与现有的算法处理效果进行对比,应用于战场环境下图像的去雾,并运用客观评价因子进行分析,实验结果表明,所提出的算法可以有效去除战场图像雾霾,抑制噪声并增强视觉效果,且在客观评价因子方面优于现有算法.     

修正大气耗散函数的单幅图像去雾

目的 针对暗原色先验原理对雾霾图像中天空或白色物体等明亮区域透射率估计不足,导致该区域去雾后彩色失真的问题,提出一种基于暗原色先验和引导滤波修正大气耗散函数的单幅图像去雾算法。方法 首先,基于暗原色先验模型得到大气耗散函数的粗估计值;其次,构造一个修正函数,纠正暗先验失效的明亮区域的大气耗散函数;然后,对修正后的大气耗散函数和求得的初始传输图分别利用引导滤波进行优化,平滑图像边缘的同时保持图像细节信息;最后,由优化后的传输图和估计的大气光值得到复原图像。结果 选取多幅经典图像进行对比实验,并利用峰值信噪比和均方误差衡量去雾结果的失真程度。实验结果表明,本文算法不但在非明亮区域可以得到较好的去雾效果,而且也能使图像中的明亮区域保持原有色彩,相比而言本文算法得到的复原图像整体失真较少;对于大小为460×300像素的图像,本文算法与He方法相比,得到的复原图像峰值信噪比提高了0.6005 dB,均方误差降低了0.0026,耗时缩短了29.6220 s。结论 对于雾天包含明亮区域的降质图像,提出了一种修正大气耗散函数的单幅图像去雾算法。实验结果的主观和客观评价表明本文算法对天空或白色物体等明亮区域能得到较好的去雾效果,有效改善了暗原色先验原理对图像中明亮区域造成的彩色失真问题。     

Single image fog and haze removal based on self-adaptive guided image filter and color channel information of sky region

In this paper, we report an effective algorithm for removing both fog and haze from a single image. Existing algorithms based on atmospheric degeneration model generally lead to non-definite solutions for the haze and thick fog images, though they are very efficient for thin fog images. In general, as the algorithms based on vision enhancement cannot automatically adjust weight coefficient for the different structure images, the excessive or inadequate enhancement may emerge. In this paper an original degradation image is primarily segmented into the sky and non-sky regions, and then the main boundaries of non-sky region are extracted using L ₀ smoothing filter. So our vision enhancement algorithm automatically adjusts weight coefficient according to various structure images. At the stage of vision enhancement, guided image filter famous for its excellent boundary preservation is adopted. As for haze image, the color channel information scattered by haze particles can be obtained in the sky region to make an effective color correction. Both the subjective and objective evaluations of experimental results demonstrate that the proposed algorithm has more outstanding recovery effect for haze and thick fog images. Moreover, the proposed algorithm can judge fog or haze image, which is a by-product of this research.     

多级分解的Retinex低照度图像增强算法

针对现有算法对图像边缘细节增强不足及无法有效控制各尺度信息增强程度的问题,提出了多级分解的Retinex低照度图像增强算法。该算法在Retinex分解模型和双边滤波的基础上,通过设置不同的滤波参数,获取表征图像不同尺度信息的反射分量和照度分量;通过使用指数函数对分解得到的各级反射分量进行增强,能够有效提升图像边缘细节的表达能力;通过使用S型函数对最终的照度分量进行处理,能够在提升低照度图像整体亮度的同时抑制高亮度区域;通过颜色恢复函数对增强图像进行后处理,进一步避免色彩偏差和失真的问题。实验结果表明,新算法能够改善低照度图像的视觉质量,在清晰度、信息熵、对比度等指标方面都有所提升。     

单幅光学遥感影像去霾算法及评价综述

光学遥感影像经常受到云或霾影响,而在多数情况下极少能获取辅助数据用于遥感影像去霾;因此单幅光学遥感影像的图像处理去霾算法成为遥感影像预处理的重要技术。目前,不同研究者设计了多种算法,但是缺乏系统性的总结与对比分析,本文旨在系统性地总结单幅遥感影像去霾算法的研究进展,并提供典型算法的基本原理、优缺点及适用场景。采用文献综合分析方法从霾条件影像成像模型、基础原理和结果评价3方面对当前的去霾算法进行归类总结和原理剖析,然后结合具体应用场景分析算法的适用范围和存在问题,并提出可行的解决方案。常见的去霾算法大体可归纳为暗目标减法、滤波法、暗通道先验法和经验变换法4类,这些算法采用的霾条件影像成像模型包括加法模型、霾传输衰减模型和照明—反射模型等;在算法的评估中,常用的手段有主观分析方法、影像光谱特征分析方法以及图像质量指标评估法等。现有算法并不能适用于所有的场景或图像,存在模型参数难以自适应调整、模型对特殊地物类型敏感、处理结果失真严重等问题;算法的评价主要采用主观对比分析方法,根据应用需求构建客观指标成为目前的热点方向。     

数字图像传感器颜色插值算法研究

目前的图像采集设备多采用一个图像传感器及颜色滤波阵列来来采集彩色图像,得到的图像每个像素点仅有一种颜色,需要对缺少的其他两种颜色进行插值.本文详细介绍了基于Bayer格式颜色滤波阵列的数字图像传感器的几种常用的颜色插值算法,并从图像质量及算法复杂度两个方面比较了这几种算法的优劣.通过试验表明,双线性插值算法的运算复杂度最低而适应性颜色层算法的图像效果最好.     

基于主分量分析和大气散射模型的彩色图像雾霾快速去除算法

为去除彩色图像中的雾霾,提出了一种基于主分量分析(PCA)和大气散射模型的快速去除彩色图像雾霾的算法。首先,提取彩色图像三个颜色通道的主分量,并用最大主分量重构三个颜色通道,并在重构后的三个颜色通道中取最小灰度值构成最小重构映射(MRM);然后,用中值滤波器对MRM滤波,以提高估计全局大气光的准确性,接着在MRM中估计全局大气光;最后,根据大气散射模型求解介质透过率和场景辐射度(去除雾霾后的图像)。实验结果表明,所提算法在视觉效果上取得了较好的复原结果,与暗原色去雾算法和对比度受限自适应直方图均衡算法相比,所提算法运算效率更高,同时该算法简单、易于实现,能较快去除彩色图像中的雾霾。     

基于双边滤波的图像去雾

目的在雾、霾等天气下,获取的图像受到大气粒子散射的影响而严重降质。针对这一问题,提出了一种基于双边滤波的单幅图像去雾算法。方法此算法是以大气散射模型为基础。首先利用双边滤波保持边缘的平滑特性得到准确的大气耗散函数。其次,针对明亮区域失真的问题,本文提出了弱化明亮区域去雾的方法。最后,通过变换大气散射模型得到清晰的无雾图像。结果大量实验结果表明,本算法恢复的图像清晰自然,尤其是在远景处和景深突变的边缘处的处理能取到很好的去雾效果。此外,其时间复杂度为图像大小的线性函数。结论针对雾、霾天气下的降质图像,基于大气散射模型与双边滤波特性,本文提出了一种新的单幅图像去雾算法。实验结果表明,本算法能获得很好的去雾效果,尤其在细节处理的表现优于Tarel的去雾算法。同时,与He Kaiming的去雾算法相比,运行时间具有明显优势,有利于实现实时性技术应用。     

基于改进暗通道先验的交通图像去雾新方法

针对交通场景图像中由于雾霾导致的图像目标主体不清晰,影响监控效果的问题,提出一种基于导向滤波与自适应色阶调整的改进暗通道图像去雾新方法.首先,基于暗通道原理对原始图像进行映射处理,从而得到大气光成分与透射率的估计值,并利用多维导向滤波方法对大气透射率估计值进行优化处理;然后,根据图像降质过程的逆过程,求解雾霾图像清晰化处理初始结果;最后,利用多通道自适应色阶调整方法进一步优化初始结果,解决初始结果整体亮度较暗、不利于监控系统后期处理的问题.实验结果表明,清晰化处理后的图像具有较高的亮度和对比度值,较好地保留并增强了图像的边缘和细节信息,算法去雾霾效果显著,针对交通场景图像处理的自适应性较高.