基于模糊集分类的单幅图像去雾算法

针对高亮度区域导致大气光强度A 计算不准确以及复原图像颜色失真影响图像去 雾效果的问题,提出一种基于模糊集分类的单幅图像去雾算法。首先从暗通道模型出发,对 图像进行分割并采用基于模糊集理论的图像分 类算法确定符合暗通道先验理论的非明亮区域,避免了天空等高亮区域对大气光强度计算 的影响;然后利用快速双边滤波方法既具有平滑效果,又具有边缘细节保持的特性,估计大 气耗 散函数,进而精确恢复场景透射率;最后由大气散射模型复原图像,并进行基于人眼视觉的 亮 度、色调的调整,修正图像中颜色失真区域,提高视觉效果。与经典算法相比,本文算法在 细节、色彩保真度具有较大改进。     

结合高斯滤波和导向滤波的单幅图像去雾算法

针对暗原色去雾后图像偏暗的问题,提出一种基于结合高斯滤波和导向滤波的单幅图像去雾算法。假设图像的最大值作为全局大气光强的初始值,然后使用高斯滤波获取分块图像的局部大气光强,使用最小值滤波获取分块图像的局部透射率。最后使用导向滤波分别对大气光强和透射率再次细化以处理分块后图像的边界跳跃问题。实验测试结果表明,所提算法去雾后的图像明亮度较高,视觉效果自然。     

基于自适应维纳滤波的单幅图像快速去雾算法

在雾霾天气中,摄像头拍摄图像的对比度和清晰度都会受天气影响而降低,针对这类问题,提出一种基于自适应维纳滤波的快速去雾算法。算法基于大气散射物理模型,通过软件阈值分割法估计全局大气光,利用自适应维纳滤波算法估计大气光模型。实验结果表明,该算法具有较高的处理效率,能够较好还原无雾图像和保持图像的边沿细节。     

基于边界约束的双滤波透射率优化图像去雾

在大雾条件下,密度不均匀的介质使得光在传输过程中形成散射、反射和衰减,图像出现严重的退化现象,导致无人机航拍获取图像信息存在困难.为了解决该问题,提出了一种基于边界约束的双滤波透射率优化图像去雾算法.首先,对图像进行颜色校正,增强图像的色彩鲜艳度;其次,根据传输函数的固有边界约束,进行边界约束构造,该约束与上下文正则化相结合,求解图像的初始化透射率,并对其反复求解进行细化;然后,将求解细化后的透射率进行高斯加权,将噪声干扰降到最低,经双边滤波器处理得到最优透射率;最后,对图像的全局大气光进行求值并运用暗通道理论方法对图像进行去雾处理,得到清晰化图像.主观视觉效果和客观数据实验分析表明,所提方法能够有效地去除退化图像中的雾化现象,与现有新颖的图像去雾算法相比具有显著的优越性.     

基于物理模型的快速单幅图像去雾方法

在雾天环境下,获取的图像受到大气粒子散射的影响而导致对比度和能见度降低.针对该问题,提出了一种基于物理模型的单幅图像的快速去雾方法.该方法以大气散射模型为基础,引入暗原色先验规律求取全局大气光,利用双边滤波局部估计雾浓度,间接求取大气耗散函数,最终通过变换的大气散射模型恢复无雾图像.大量实验结果表明,该方法能够恢复出自然清晰的无雾图像,并能够较好地处理景深突变的边缘及远景处.此外,该算法在处理图像的运算时间上具有明显的优势,可满足图像实时处理要求.     

基于区间估计的单幅图像快速去雾

针对雾、霾等天气条件下捕获的图像存在严重降质现象,该文提出一种基于区间估计的单幅图像快速去雾方法。该方法从大气散射模型出发,基于暗通道先验理论,利用最小值滤波和灰度开运算,通过区间估计得到大气光值,同时得到介质传输率的初始估计值。通过对大气光照进行白平衡处理,从而得到简化大气散射模型。然后,利用简化大气散射模型和介质传输率的初始估计值,通过区间估计得到场景反照率的暗通道值,进一步得到介质传输率的粗略估计值。将介质传输率的初始估计值和粗略估计值进行像素级融合,通过联合双边滤波和值域调整得到介质传输率的最终估计值。最后,通过简化大气散射模型和色调调整得到去雾图像。实验结果表明,所提算法具有较快的运算速度,能有效提高去雾图像的清晰度和对比度,同时获得较好的色调保真度。     

基于单幅图像去雾算法分析

单幅图像去雾算法,是指在雾霾环境中,获取清晰、高质量的画面。基于单幅图像去雾算法,有利于提高画面的质量,确保交通、拍摄等项目中,能够准确的使用画面。单幅图像去雾算法,得到了充分的应用,细化算法应用,提高计算的效率。本文主要围绕单幅图像,探讨去雾算法的相关内容。     

基于区间估计的快速单幅图像去雾方法

单幅图像去雾是一个病态反问题。为了解决这个问题,对于大气光强度和介质传输率的估计已进行了大量研究。本文从新的角度提出一种简单但有效的基于区间估计的单幅图像快速去雾方法。该方法从大气散射模型出发,首先,通过对大气光强度和介质传输率取值范围的讨论,减小区间估计的范围。其次,通过快速联合双边滤波和中值滤波对介质传输率进行边缘优化,并利用大气光强度与暗通道差值绝对值大小对介质传输率中明亮区域进行判断和修正。最后,通过色调调整对复原图像进行整体优化。实验结果表明,与几种典型的图像去雾方法比较,本文方法明显提高了算法运算速度,并获得了较好的复原效果。     

单幅图像的快速去雾算法

雾的存在使得户外图像的处理变得困难。雾、霭、烟等现象会使彩色图像退化,对比度降低。介绍了一种单幅图像的去雾新算法,不需要分割图像,直接利用高斯低通滤波器分离出背景空气光,利用改良的暗通道法对大气光进行估计,结合雾天图像的物理模型对图像进行复原,最后再对图像的饱和度进行校正,得到最终的复原效果。该算法的主要优点是速度快,...     

基于三边滤波的Retinex图像去雾算法

针对传统Retinex算法采用高斯滤波估计图像的照射分量易产生边缘模糊,不能有效去除脉冲噪声且处理后的图像颜色易失真等问题,提出一种基于三边滤波的Retinex图像去雾算法。该算法利用三边滤波器估计图像的照射分量,三边滤波器继承了双边滤波器既可以有效降低图像加性高斯噪声又可以保持图像边缘细节的特性,同时又解决了双边滤波器与高斯滤波器不能有效滤除脉冲噪声,易产生伪边缘等问题。为验证该算法的有效性,采用5种不同的客观评价参数对处理后的图像进行评价。实验证明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

基于特征约束CycleGAN的单幅图像去雾算法研究

针对雾天场景下成像设备采集的图像降质严重的问题,提出一种基于特征约束循环生成对抗网络(CycleGAN)的单幅图像去雾算法.首先,通过循环生成对抗网络学习雾天图像与清晰图像之间的映射关系,经由判别器判断重建图像是否符合真实样本图像的数据分布;然后,针对网络模型损失函数部分,构建基于循环一致损失和Haze损失的联合函数....     

基于饱和度运算单幅图像去雾算法

在雾、霾等恶劣的天气条件下,大气介质中悬浮粒子的散射和吸收作用会严重退化户外拍摄图像,造成图像识别率降低.从单色大气散射模型和暗原色先验规律,提出面向视觉感知的HSI颜色模型的饱和度的新算法,从而实现图像去雾,对于去雾图像最小值像素点采用极大值和极小值进行估计,并对透射率进行修正.该算法能够有效地提高清晰度,能很好地运用于单幅图像去雾.     

基于融合策略的单幅图像去雾算法

为了有效增强雾天衰退图像,提出了一种基于融合策略的单幅图像去雾算法。该融合策略无需依靠大气散射模型或场景结构信息,只需通过原始衰退图像来获取其输入图与权重图。其中2幅输入图的作用主要是对原有雾图像进行颜色校正和对比度增强,而3幅权重图则突显了图像雾气较浓区域的细节信息。融合策略将上述输入图与权重图相融合以生成对比度高、色彩丰富的去雾图像。此外,本文还从人类视觉感知的角度提出了一个新的去雾效果评价指标,从而为图像去雾与去雾效果评价问题提供了新的解决思路。实验结果表明,与已有方法相比,提出的基于融合策略的去雾算法能更好地提高各种雾天图像的清晰度。     

基于YUV颜色模型与导向滤波的图像去雾算法

针对去雾过程中容易出现色彩过饱和与偏色现象的问题,提出一种基于YUV颜色模型和导向滤波的图像去雾算法.首先分离出含雾图像的亮度分量,结合拉普拉斯锐化算子与导向滤波细化大气光幕,求得准确的透射率之后,对天空区域进行修正;其次根据光幕值的强度信息定位浓雾区域,将该区域平均值作为大气光的估计;最后对色度分量进行补偿,还原真实...     

基于改进暗通道和自适应容差的图像去雾算法

传统暗通道去雾算法计算的透射率图存在块效应,易造成复原图像白边现象,同时图像中天空、白云等明亮区域不适用暗通道原理,易引起去雾图像失真。本文结合引导滤波和自适应容差机制提出了一种基于多尺度暗通道和自适应容差的去雾算法,可有效避免以上问题。首先,计算3种不同尺寸滤波窗口下的透射率初估计,并对估计结果进行有效融合;接着,通过引导滤波对透射率进行细化,以获得鲁棒性和准确性更好的多尺度透射率图;然后,引入自适应容差策略对图像中明亮区域的透射率进行修正;最后,由于暗通道去雾图像整体亮度偏暗,因此对去雾图像的亮度和对比度进行亮度补偿。实验结果表明,采用不同算法对不含和少量天空区域的图像去雾,信息熵约提高0.2 bit/symbol,平均梯度约提高0.5,PSNR约提高8 dB。对较多和大量天空区域图像去雾,PSNR约提高3 dB,SSIM约提高0.1。较好地实现了去雾图像细节清晰、颜色可靠且明亮区域去雾效果良好等要求。     

基于改进Cycle-Dehaze的单幅图像去雾算法

针对现有去雾算法存在的颜色失真、图像失真等问题,提出了一种基于改进Cycle-Dehaze(Enhanced Cycle-consistent Generative Adversarial Network,Cycle-Dehaze)的单幅图像去雾算法。首先,该算法通过Cycle-Dehaze学习非配对雾天图像与真实图像之间的映射关系,再通过鉴别器判断重建图像是否符合真实图像的数据分布;其次,在生成器的编码和解码网络中分别选用Leaky Re LU和tanh激活函数,以避免一定程度的梯度爆炸和梯度消失问题,扩大特征效果,提高训练效率;最后,引入颜色损失函数和特征损失函数,使得生成器生成的重建图像与无雾图像具有相同的颜色分布,减少图像失真,更好地保留真实图像的细节特征。实验结果表明:所提算法在OHAZY、IHAZY和SOTS测试集上与Dehaze Net,Cycleag GAN等当前主流去雾算法相比,峰值信噪比至少提高了0.34d B,结构相似性至少提高了1%,同时,该算法也取得了更好的视觉效果。     

单幅图像去雾算法研究

随着计算机技术和硬件能力的提高,计算机视觉处理系统已广泛应用于各类场景中,雾霾等恶劣天气下获取的图像会影响后续图像的处理,进一步导致计算机视觉处理系统性能的降低,因此提高降质图像的质量具有重要意义.文章给出一种结合图像增强和图像复原的处理算法,算法能在不同尺度的残差图像上和基础层上分别进行处理,达到保留图像细节和去雾的...     

一种基于反馈机制的闭环图像去雾算法

针对目前去雾算法易受大气环境随机性和复杂性影响而造成自适应性不强的问题,该文提出一种具有反馈机制的自适应闭环去雾算法。该算法首先通过基于人眼视觉的特征认知评价进行参数初始化;然后利用去雾强度评价结果对反馈校正局部对比度参数进行调节,从而对去除加性光照后的图像进行自适应局部对比度提升;最后借鉴去雾后图像的自然度设定迭代终止条件,决定是否输出去雾结果。实验表明该算法能够自适应提升不同退化类型、不同退化程度下的雾天图像对比度,且去雾结果的信息熵和清晰度质量评价指标优于已有算法。