图像增强算法在车牌图像预处理中的研究与应用

雾天场景下摄像头采集到的车牌图像质量较低,在车牌识别系统中对图像预处理产生较大影响,从而造成车牌定位和识别效果较差。以雾天环境下实际采集的车牌图像为例,分别采用带色彩恢复的多尺度Retinex算法和暗原色先验去雾算法对实际图像增强进行仿真实验。实验结果表明,利用暗原色先验去雾算法对图像进行增强处理,能够提高图像的对比度,实现去雾效果,从而使车牌定位和车牌识别达到更好的效果。     

雾天模糊图像的清晰化方法

为改善雾天拍摄图像的清晰度,提出一种实用的图像去雾方法。先利用暗原色先验算法去除图像雾干扰,再运用插值抠图算法进一步改善图像去雾效果,最后利用图像的区间值信息对其进行放大,以便获得满意的视觉效果。实验结果表明,该去雾方法不仅可直接估计雾的浓度,并且可得到去雾后的高清晰图像。     

基于多幅偏振图像的去雾研究

通过利用大气散射退化模型,结合光的偏振信息,提出一种多幅偏振图像去雾算法:通过He算法的暗原色理论对雾天图像的无穷远处大气光强的估计,应用导向滤波对雾天图像传输透射率的优化,最终有效地复原雾天图像,得到清晰的去雾图像。实验结果说明,本算法可以很好地改善雾天图像的质量。     

基于双容差机制的快速暗原色理论雾天图像增强算法

针对经典暗原色理论算法在处理雾天图像时出现的色调和亮度失真问题,提出了一种基于双容差机制的快速暗原色理论雾天图像增强算法.该算法首先通过容差机制分割图像,并根据阈值判断图像的明亮和非明亮区; 然后引入改进的高斯平滑滤波对透射率图像进行平滑处理,以此优化透射率图像; 最后通过引入容差机制对透射率图像进行修正,以此得到更加清晰的图像.将本文方法与经典的暗原色算法进行对比表明,本文方法在亮度、颜色保真度和时间效率上均优于暗原色算法,因此本文方法可为雾天图像的处理提供参考.     

一种改进的基于近红外图像的去雾方法

为了解决雾天可见光图像降质问题,提出一种简单、高效的去雾算法。为充分利用可见光图像的色彩信息和近红外图像的细节信息,首先,根据暗通道估算出可见光图像中雾的浓度,根据雾浓度对可见光图像进行分区;然后,分别对可见光和近红外图像进行平稳小波分解,结合雾浓度分区和脉冲耦合神经网络（pulse coupled neural network,PCNN）分别融合可见光与近红外图像的高频分量和低频分量,复原得到一幅清晰而不失真的图像;最后,引入引导图像滤波对融合图像做滤波处理,平滑分区边缘的同时保留源图像的边缘信息。为验证算法的有效性,与当前主流去雾算法进行对比实验,对比指标包括去雾图像的信息熵、均值、标准差,以及算法运行时间。实验结果表明,在相同图像分辨率条件下,本文算法去雾后图像视觉效果更加理想,同时,无雾区域能够很好地保持色彩信息,反映图像细节和清晰化的各项指标优于其他算法,而且算法处理时间显著降低。     

基于物理模型的自适应快速单幅图像去雾方法

为提高雾天条件下降质图像的清晰度和色彩保真度,提出一种基于物理模型的自适应快速去雾方法。该方法求取暗原色的窗口选择为最小,并根据暗原色粗估计透过率,采用改进的增加补偿函数的双边滤波做优化,且对双边滤波中敏感的参数作自适应估计,最后通过物理模型恢复图像。实验结果表明,对于单幅图像在确保去雾效果的前提下,降低了算法的复杂度,且没有光晕效应。     

基于引导滤波和暗原色先验理论透射率估值的视频去雾算法

针对雾天条件下户外采集的图像严重退化问题,解决传统的暗原色先验理论算法出现的边缘残雾、天空区域去雾效果欠佳、实时性差和鲁棒性差等问题,提出去雾效果显著的实时视频去雾算法.对大气光散射模型进行改进,以引导滤波后的灰度图作为大气光估计图;利用四叉树法和暗原色先验理论（DCP）在暗原色图中寻找浓雾区域,求得透射率估计值;利用改进的大气光散射模型复原图像.通过大量实验表明,复原出的图像去雾效果彻底,色彩鲜艳亮丽,天空区域不会出现彩色失真,景深变化大的地方不会出现白边现象,对于不同浓度的雾都有着较好的去雾效果,处理速度快且稳定,适合于实时视频去雾.     

暗原色先验图像去雾改进算法

针对含雾图像的去雾增强问题,提出基于环境光调节参数的暗通道去雾改进算法,该算法考虑到使用暗原色先验算法在图像中含有较多的类似大气等场景时,会降低图像的去雾效果。首先,在含雾图像中暗原色去雾统一框架中引入环境光调节容差参数,在去雾过程中引入背景因素变化。其次,通过修正参数重新推导出准确透射率函数,并讲其应用于更新的去雾方程。最后,结合对含雾图像一本的统计,获取去雾算法的最优调节参数,该参数可以较好地适应大气环境的影响,在背景变化时可以实现对去雾效果的自适应处理。实验表明,算法可以在去雾过程结合环境背景因素的变化,在天空前景交界处能够明显改进图像去雾的效果。     

基于大气散射模型的偏振图像去雾方法

雾霾天气越来越常见,导致所采集图像的应用价值降低,因此如何获得清晰度高的图像成为计算机视觉等领域重点研究的内容。在大气散射模型的基础上提出一种利用图像偏振信息的去雾方法。该方法首先利用偏振成像系统获取平行和垂直方向的两幅偏振图像,结合暗原色先验理论自动估计大气光强信息,估计传输率图并采用改进的导向滤波的方法优化传输率图,最终实现图像去雾。实验结果表明,该算法提高了图像的清晰度及对比度,有效改善了雾天条件下景物的视觉效果。     

基于暗原色先验的Retinex去雾算法

针对雾天图像去雾问题,提出了一种基于暗通道先验理论的Retinex算法。首先利用引导滤波估计图像透射率优化暗通道先验算法,获取初步去雾图像并对去雾图像进行空间转换;在转换后的HIS空间中建立高斯尺度参数与透射率的指数关系,重新构造高斯滤波核并根据MSR算法对近处景物做大尺度变换以增强颜色保真性,对远处景物做小尺度变换以增强图像细节显示,实现根据景深大小完成自适应MSR算法以优化图像亮度分量I;对饱和度分量S进行自适应线性拉伸以优化图像色彩,最后由HIS空间重新转换为RGB空间得到最终增强图像。实验表明:与几种典型的图像去雾算法相比,经基于暗通道先验理论的Retinex算法处理后的图像清晰度和对比度提升明显,同时获得很好的图像色彩层次感。     

明亮区域的暗原色先验算法

针对暗原色先验算法在处理含有大面积明亮区域的有雾图像时,复原图像会产生严重色彩偏移的不足,提出了一种基于像素点的透射率修正方案.在分析暗原色先验去雾原理以及复原图像色彩偏移成因的基础上,对去雾模型进行推导,使用暗通道亮度与大气光数值接近度及像素通道间数值接近度作为明亮区域判定机制,得出更具普适性的透射率求取方法.明亮区域采用容差机制纠正错误估计的透射率,非明亮区域仍采用原透射率求取方式,并首次将改进算法应用到雪天模糊图像清晰化中.实验结果表明,改进算法使去雾图像清晰自然,可有效修正色彩失真.     

Superpixels-based golden dark channel for single image fog removal

Fog and haze can cause serious image degradation. In the light of the limitations of dark channel theory, the fog concentration is supposed to be constant locally, and the effectiveness of dark channel prior decays exponentially as the depth increases. Based on this, we propose a superpixels-based golden dark channel algorithm for single image fog removal. Small regions are obtained by superpixels in which the fog concentration and the depth remain constant. The golden dark channel is computed in these regions. The resulting transmittance remains constant and is finer and more precise. This method can suppress the “Halo effect” which occurs in depth mutation. Moreover, An iterative strategy is employed to gradually reduce the overall density of fog, making the residual amount of fog satisfy the golden section after each iteration. Further, the golden section is used to simplify the tolerance value and deal with the color cast problems in the sky region where the depth is infinity. Experimental results show that the algorithm can effectively improve the image of visibility, and performs even better when the fog concentration is greater.     

一种改进的暗原色单幅图像去雾方法

暗原色先验方法可以较好地处理单幅图像去雾,但对理图像中的灰白区域处理效果不好。通过分析暗原色先验原理,得出了暗通道图像和雾的透射分布率以及雾的浓度系数的关系,提出了一种结合峰值信噪比和暗原色优先法则的去雾方法。由实验结果分析,该方法能够更清晰的表现去雾后图像的细节,并且一定程度上克服了原方法在处理图像中灰白区域效果不佳的弱点。     

结合自适应暗通道先验和图像融合策略的单幅图像除雾方法

为解决暗通道先验统计学模型在一些情况下存在“光晕效应”、颜色偏暗和在雾浓度高区域处理效果不佳等问题,针对暗通道先验方法进行改进,并结合图像融合策略来增强可视化区域的视觉效果.利用像素块加权插值法来计算每个像素点的暗通道值,进而消除软抠图或导向滤波方法所带来的光晕效应;利用高斯模型对待恢复图像的暗通道像素值进行模拟,从而自适应地恢复天空和其他明亮区域;通过图像融合策略增强高浓度区域的图像信息.实验结果表明,与其他几种经典算法相比,改进方案不仅能够显著提高有雾图像的可见度,而且具有更好的鲁棒性.     

基于暗通道理论的雾天图像复原的快速算法

在雾天条件下捕获的视频或图像将会出现对比度下降、颜色偏移等严重的退化现象,这将极大的影响图像的主观视觉效果,大大降低其应用价值。传统的基于暗通道先验信息的全局最优化处理方法虽能获得较好的效果,但因其算法复杂而不具有实效性。本文将基于暗通道先验信息,利用双边滤波进行局部优化,从而获得保持边缘的暗通道图像,进一步利用该暗通道图像进行传输图像的估计,并最终复原场景信息。试验结果表明,此方法可较快的恢复场景信息并能有效保留场景的边缘信息。     

天空区域分割修正的图像去雾新算法

为了改进基于暗通道先验假设图像去雾算法的细节信息丢失、大气光强值估计偏低、天空区域去雾效果不佳等不足,笔者提出一种天空区域分割修正的彩色图像去雾新算法。新算法在暗通道先验算法的基础上,对暗通道与亮通道先验模型进行带参线性加权运算,提出加权平均融合COPLIP模型和MSR模型的天空区域修正新模型及实现算法。与现有去雾算法比较,实验结果表明新算法能够克服现有算法对于天空区域去雾效果不佳的问题,同时通过客观评价指标验证了新算法的有效性。     

基于透射率估计模型和引导滤波的雾气图像去雾算法

针对雾气条件下成像设备采集图像退化严重的问题,提出一种雾气图像的去雾算法。通过对雾气天气成像物理模型的简化,找到图像复原函数中的透射率和大气光值2个关键未知量;分析影响透射率的因素,通过对大量雾气图像进行灰度分布概率统计,提出一种透射率快速估计算法;通过引导滤波估计大气光值,利用简化的修复函数完成对雾气图像的去雾处理。与HE算法(HE Kaiming, SUN Jian, TANG Xiaoou. Single image haze removal using dark channel prior. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2011, 33:2341)相比较,经本算法去雾复原后的图像信息熵值最少可提高0.060 4比特/像素、平均梯度值最少可提高0.009 55。实验结果表明,经本算法复原的有雾图像清晰度较高,细节复原较好,去雾效果明显。     

一种自适应暗通道先验去雾算法

基于暗通道先验的图像去雾算法是一种简单有效的图像去雾算法,但该算法在处理较高分辨率的图像时,时间复杂度较高,复原后的图像亮度偏低,且在处理具有大面积白色明亮区域图像时存在色彩失真的问题。针对这些问题,本文提出了改进的自适应暗通道先验去雾算法,新算法引入自适应的指导滤波法代替原算法中的软抠图法,提高算法的计算效率的同时获得最优滤波窗口半径。同时,新算法还通过改进透射率图估计方法,弱化对明亮区域的去雾处理,避免过增强,并调整图像亮度,优化去雾结果。通过合成雾图和真实场景雾图实验验证了新算法的有效性。合成雾图实验中采用全参考评价方式,在清晰的无雾场景上模拟雾的形成,计算加雾前与使用不同算法去雾后图像的绝对差值进行比较。真实场景雾图实验中,采用基于人类视觉感知的CNC(Contrast-naturalness-colorfulness)综合评价体系,计算同一雾图在不同算法去雾后图像的CNC指数。实验结果表明,在相同图像分辨率条件下,本文提出的自适应算法不仅去雾后图像视觉效果更加理想,而且处理时间大为减少。