基于暗通道先验原理的偏振图像去雾增强算法研究

在装备试验与测试中,常规光学成像系统极易受气象环境(如雾霾、沙尘等)影响,导致探测距离、成像效果、测量精度等受到大幅限制,从而严重影响目标成像效果及关键参数获取。如何增强雾霾条件下光学探测识别能力及成像质量,成为了当前急需解决的关键问题。本文利用偏振成像优势,结合暗通道先验原理,提出了基于暗通道先验原理的偏振图像去雾增强算法。该算法首先利用采集到的偏振图像提取偏振特征,计算偏振度和偏振角;同时,采用基于区域增长算法自动提取出天空区域,对天空区域进行大气光参数估计,获取大气光偏振度及偏振角相关参数估计;然后,结合暗通道先验原理,获取无穷远处大气光强,进而计算各像素点的大气光强;最后,建立在大气物理退化模型基础上,实现图像去雾增强。实例分析与验证中,通过主观评价与客观评价两种方法,对比本文提出的方法和常见其他方法,实际结果表明,本文算法去雾增强能力较强,能有效提升光学系统的探测识别能力及成像质量,对雾霾条件下武器装备关键参数获取具有重要意义。     

偏振遥感图像的大气校正

为了实现对遥感图像快速、精确的大气校正,提出了一种联合偏振光强度信息和偏振度信息的图像大气校正算法。该算法首先采用矢量偏振辐射传输模型（vectorized linearized discrete ordinate radiative transfer, VLIDORT）建立一个由观测几何、目标偏振信息、大气条件、气溶胶模式等参数组成的查找表,然后通过查找表插值方法对输入的图像进行大气校正。实验结果表明,偏振图像大气校正算法在雾天成像条件下,使得图像对比度提高了41.84%,图像信息熵值提高了0.44,很好地去除了雾对图像的影响。进而说明偏振图像大气校正算法能够很好地还原目标强度信息和偏振度信息,提高图像的对比度,增加图像的信息熵值。     

基于偏振的水下目标深度信息获取方法

随着三维技术在许多相关领域应用日益广泛,目标深度信息精确获取变得日益重要。针对水下应用领域,提出了一种基于偏振的水下目标深度信息获取方法,该方法先通过暗原色先验知识对图像进行背景区域划分,使用背景区域光强计算出后向散射光的偏振度,结合光强和偏振度计算出各像素点的后向散射光强,利用水体光强衰减公式求得各通道的深度信息,进行融合处理得到水下目标深度信息。实验结果表明,该方法能精地获取水下目标的深度信息,且精度和效率优于基于暗原色先验的去雾方法。     

图像去雾过程中的噪声抑制方法

大气中微小颗粒（如雾、霾等）的散射作用会使户外场景拍摄的图像发生退化,造成图像质量下降。图像去雾可以提升图像对比度,增加场景能见度,校正颜色失真,改善视觉效果。但是图像去雾经常会出现明显的噪声放大现象,尤其是无穷远处的天空区域最为严重。针对这一问题,提出了一种去雾过程中的噪声抑制方法。以传输率图像为指导,采用滤波半径变化的双边滤波对雾天图像进行模糊。再计算新的传输率图像,代入雾天成像模型,得到去噪后复原图像。结合噪声评价方法,实验结果验证了该方法的噪声抑制效果。     

一种基于圆偏光的偏振去雾成像优化方法

在经典的偏振成像去雾方法中,后向散射光的偏振度估计值是影响去雾效果的关键。基于圆偏振光在米氏散射介质中良好的保偏特性,提出一种适用于强散射环境下的偏振成像去雾方法。研究不同偏振态的光源照明时,不同散射强度下,CCD接收到的光场偏振度变化规律,在此基础上提出了一种快速简易的散射光偏振度估计方法。该方法在不增加系统复杂度的情况下,提高了偏振成像去雾的效果。实验结果显示,在强散射条件下文中方法获得的去雾图像EME值比传统方法高20.4%。此外,该方法不需要传统偏振去雾方法中对背景区域的判断,降低了算法复杂度。     

一种基于分割的图像去雾新算法

在雾天环境下,大气介质中悬浮颗粒的散射作用导致图像质量严重下降,限制了其使用范围,因此对雾天图像进行去雾处理是必要的.根据暗原色先验去雾的原理,在局部区域内基于图像分割的思想来较准确快速估计雾天图像的传播图,然后应用大气散射模型对雾天图像进行去雾处理,并通过直方图拉伸来增大处理后的图像的对比度.实验结果表明,该算法能有效去除雾气对图像的影响,与传统去雾算法相比较,具有较快的处理速度和较强的实用性.     

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。     

退化图像的去雾方法

由于大气的散射作用,雾天的大气退化图像具有对比度低、景物不清晰的特点,给交通系统及户外视觉系统的应用带来严重的影响.因此,对雾天低对比度图像进行去雾处理有着重要的意义.在大气物理退化模型的基础上,根据雾对景物退化与深度的指数关系,提出了一种去雾算法.该方法仅需单幅退化图像,采用一种景物深度估计法佑算景物深度,并结合运用了亮度调整,最后利用亮度增益曲面对原彩色图像RGB三颜色分量同比增强,保证了色调恒定不失真.实验结果表明:该算法去雾效果显著,操作简单,且色彩自然,速度快,可以实现实时视频去雾的要求.     

结合K均值聚类的暗通道去雾改进算法

针对暗通道先验去雾算法在处理单幅图像去雾时计算复杂度高且对于天空等高亮区域有局限性而易产生失真的问题,从暗通道模型出发,提出首先利用双暗通道拟合进行透射图估计,然后采用K均值聚类算法对有雾图像进行区域分类之后再针对天空区域估计出大气光强度的算法.该算法增强了图像的细节信息,并大大降低了计算复杂度,且提升了大气光强度估计值的准确性,有效抑制了高亮区域的失真.主观和客观评价表明,该算法能够取得比传统算法更好的去雾效果.     

四分暗通道均值比较法的双角度偏振图像去雾

雾天环境下拍摄图像时,雾、霾等介质导致图像模糊、对比度低、色彩暗淡.结合大气散射模型与偏振光原理,实现了利用斯托克斯参数获取亮度最大和亮度最小的双角度偏振图像,并通过新提出的四分图像暗通道均值比较法,准确估计出场景中无穷远处大气光强值,最终将有雾图像恢复到无雾图像.所提方法在薄雾和浓雾环境下均取得了较好的实验结果,在两...     

分割映射的单幅彩色图像去雾方法

针对传统暗通道先验去雾方法在进行大气散射函 数估计时容易出现块状模糊效应的问题,提出了一种 基于分割映射的单幅彩色图像去雾方法。首先对前端采集图像进行近景与远景区域分 割,并基于分 割区域进行亮度信息的分段映射,通过分段计算获取大气散射函数的预测估计值;接着,采 用传统的导向 滤波方法对大气散射函数的估计值进行优化分析,进一步增强图像的边缘信息,改善在大面 积天空颜色情 况下图像边缘的块状模糊效应,提升含雾图像在突变区域的去雾效果。针对实际采集 的含雾图像进 行去雾效果分析和对比,分别基于图像的对比度改善量e、色彩自然度(CN I)、颜色丰富程度(CCI)以及计算耗时等4方面进行定量对比。分析结果表明, 本文方法很好地改善了图像的去雾效果,并进一步提升了运行的实时性。     

采用暗态点光源模型的夜间去雾算法

针对夜间雾、霾场景下的去雾图像存在颜色失真、纹理损失、亮度低等缺陷,本文提出了一种采用暗态点光源模型的夜间去雾算法,通过构建夜间雾、霾场景的暗态点光源模型,利用联合双边滤波、限制对比度自适应直方图均衡化等算法对降质图像进行处理,结合大气散射模型得到去雾图像。实验结果表明,该算法的处理速度快、夜间去雾效果较好,较对比算法在对比度、平均梯度以及信息熵上均有一定程度地改善,有效解决了去雾图像的颜色失真、纹理损失、亮度低等缺陷。     

基于深度卷积神经网络的自适应图像去雾算法

室外拍摄图像由于受雾气、雾霾、沙尘等大气颗粒杂质的影响呈现出图像灰白化,而现有的图像去雾算法存在过度依赖先验信息、透射率计算不精确的问题。针对上述问题,文中提出了一种基于深度卷积神经网络的自适应图像去雾算法。该算法基于大气散射模型实现了有雾图像的去雾,设计浅层提取、并行提取和深度融合共3个全卷积网络实现图像浅层特征与深层特征的融合,大幅提高了透射率图的准确性。去雾实验测试结果表明,文中所提出的算法对室外露天雾图具有良好的去雾效果,且去雾细节效果更加理想。     

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.     

基于自适应指数加权移动平均滤波的快速去雾算法

经典的暗原色先验去雾算法易丢失图像细节信息,基于保边滤波的去雾算法虽可以有效保护图像细节,却耗时较长。针对以上问题,提出一种能够很好地保护图像边缘细节且耗时较短的自适应指数加权移动平均滤波算法,并与改进的暗通道结合,实现快速去雾。首先,对暗通道加以改进并求得透射率粗分布;再利用自适应指数加权移动平均滤波算法对透射率进行优化;之后修复明亮区域透射率,避免颜色失真;最后通过变换大气散射模型求解得到去雾图像。实验结果表明:本文算法具有很快的执行速度,且经本文算法处理后的去雾图像质量较高,在有效边缘强度、色彩还原能力、结构信息这三个无参考客观评价指标下均表现不错。     

偏振参数最优重构的水下降质图像清晰化方法

针对水体浑浊情况下,水中悬浮粒子对光的吸收和散射作用造成图像模糊、对比度低等问题,提出了一种偏振参数最优重构的水下降质图像清晰化方法。首先,通过局部最小值滤波估算水下背景光图像,引入 Stokes 矢量原理计算偏振度,通过归一化互信息进一步优化偏振度信息,获取成像区域最优的重构偏振参数;其次,采用形态学的方法重建图像自动估计水下无穷远处背景光值;最后,搭建了水下环境模拟平台,通过单通道偏振探测器实时获取水下偏振图像;为了验证算法的有效性,通过三种客观评价指标与其他复原方法进行比较,结果显示算法效果优于其他的水下图像复原方法。     

基于暗通道先验的图像去雾优化算法

暗通道先验算法虽然在单幅图像去雾方面取得了一定的效果,但是该算法运行时间较长,另外对环境光的计算不太准确,不适用于天空区域,会导致复原图像色彩失真、亮度偏暗。针对这些缺陷,本文提出一种改进的White Patch Retinex算法,对原有图像去雾算法进行优化。首先,通过改进的White Patch Retinex算法计算出环境光。其次通过暗通道先验算法获得透射率。最后根据得到的环境光和透射率,求解大气散射模型,从而得到去雾后的图像。实验结果表明,该算法不仅运行时间较短,对分辨率为600×800的图像处理时间平均为5 s左右,且能解决天空区域失真问题,去雾后的图像具有较高的亮度和对比度。