基于DehazeNet与边缘检测均值引导滤波图像去雾算法

针对目前在有较多明暗区域的雾天图像去雾处理,存在恢复的图像偏暗和丢失图像边缘细节信息的问题,提出了基于DehazeNet与边缘检测均值引导滤波图像去雾算法。使用DehazeNet可训练卷积神经网络,根据4个雾天相关特征来估计雾天图像的初透射率图;通过局部的大气光值获得初大气光值图,替代单个大气光值,避免恢复的图像偏暗;提出边缘检测均值引导滤波算法,分别对初透射率图和初大气光值图进行优化,保留边缘细节信息;最后基于大气散射模型还原出去雾后的图像。实验结果表明:该算法去雾图像的主观视觉效果较好,且图像信息熵、峰值信噪比和结构相似性3方面的客观评价结果也较优于其它对比算法。可以解决恢复图像偏暗和丢失图像边缘细节信息的问题,使去雾图像清晰自然。     

车牌图像色彩迁移与正则化约束去雾算法

针对雾天车牌图像模糊、车牌识别率低的问题,给出了车牌图像色彩迁移与正则化约束去雾算法。算法主要包含色彩迁移去雾和文本修复两个模块。采用MKL（Monge-Kantorovitch Linear Colour Mapping）色彩迁移算法,恢复雾天车牌颜色信息实现去雾;利用车牌的文本像素的强度和梯度特征对车牌图像进行正则化约束,实现车牌中文本的修复。实验结果表明,无论针对合成车牌雾图还是自然车牌雾图,去雾效果良好,且在薄雾、中等雾及浓雾三种不同雾度环境下都能够有效提高车牌识别率。     

改进的彩色图像去雾效果评价方法

针对当前对图像去雾效果评价的不足,提出了一种改进的评价彩色图像去雾效果的方法。该方法同时考虑了对图像边缘的评价以及对颜色失真的评价,基于图像雾化的大气散射模型,通过将原始图像转换到相对色彩空间,提出了度量颜色失真的标准;结合对比度增强的评价方式,提出了一个统一的评价指标,从而实现很好地给出一个符合人眼视觉判断的客观评价结果。实验中基于多种去雾算法的去雾结果,对基于可见边比的评估方法、CNC评价指标和本文提出的评价指标进行了对比,结果表明本文改进的评价标准能更好地体现去雾的质量,获得与视觉判定更加接近的结论。     

基于天空分割的单幅交通标志图像去雾算法

针对现有去雾算法应用于交通标志图像时容易产生信息丢失、色彩失真等问题,导致去雾后图像质量较低,不能很好地满足交通标志识别系统（TSRS）的实际应用需求,提出一种基于天空分割的单幅交通标志图像去雾算法。根据大津算法结合图像灰度特征得到自适应阈值实现天空区域和非天空区域的准确分割;非天空区域采取改进的暗通道先验算法去雾,引入自适应中值滤波和快速双边滤波联合的方法优化透射率,天空区域则采取直方图均衡化算法去雾;通过融合得到无雾图像;引入高斯滤波对严重降质图像进行去雾后清晰化处理。实验结果表明,去雾后图像在峰值信噪比等多个客观评价指标上的综合表现优于其他几种去雾方法,所提算法在保证较低的时间复杂度的同时,能有效地保留图像信息,还原出清晰的真实图像,满足TSRS的实际应用需求。     

一种结合双区域滤波和图像融合的单幅图像去雾算法

基于大气散射物理模型和暗原色先验原理,提出一种结合 双区域滤波和图像融合的单幅图像去雾算法.首先在计算暗通道函数时,定义了一类暗区 域对图像边缘的低强度像素点进行描述,该区域像素点的暗原色中值取其三原色通道的最小值,以代替原来的中值滤波运算值.此滤波方法不仅能有效去除Halo效应,而且避免了黑斑效应;然后基 于大气散射物理模型定义一种伪去雾图,将其与原去雾图进行像素级融合对原图进行色度校正,实 现了柔性去雾,改善了现有方法易出现过去雾的缺陷.实验结果表明,该算法去雾后图像具有较好清 晰度及色彩恢复度,去雾鲁棒性强.在大雾和图像色彩失真严重的情况下,仍可有效恢复图像.     

基于多尺度轮廓结构元素的多形状边缘检测

在图像边缘检测过程中,针对滤除噪声及有效保留图像边缘信息这对矛盾点进行了研究,给出一种基于多尺度轮廓结构元素的多形状边缘检测算法。该算法通过多次使用轮廓结构元素的开最大和闭最小运算操作滤除噪声,运算次数通过比较图像峰值信噪比确定,降低结构元素对边缘信息的影响;然后采用多形状多尺度结构元素提取图像边缘,并利用图像峰值信噪比控制结构元素尺度的选取。与经典边缘检测算法相比,该算法具有更强的去噪声能力,且能保留更多的图像细节。仿真实验表明,有区别地使用轮廓结构元素及多形状多尺度结构元素,能有效去噪并保留边缘信息。     

数字图像去雾技术在变电站雾天图像应用研究

随着变电站从有人值守向无人值守转变,运行人员利用摄像头、机器人采集设备图像,以了解设备运行情况。但在雾天条件下,变电站采集的图像存在能见度低、不清晰问题,导致远程监控、操作无法有效开展,增加电网运行安全风险。本文针对雾天变电站图像进行研究。首先梳理了目前图像去雾算法种类以及去雾算法在电力系统中应用情况,同时总结了变电站雾天图像画面由表计、开关等设备组成、图像背景色彩以灰、黄、黑、白等色彩为主等特点。然后分析介绍了几种基于图像复原、图像增强技术去雾算法的原理。并选取实际采集的变电站雾天图像,从主观、客观评价两方面出发,综合对比分析几种去雾算法在变电站雾天图像去雾能力的优劣。最后,结合变电站雾天图像特点及图像去雾技术发展趋势,提出了几点未来的发展方向。     

基于亮暗通道相结合的自适应图像去雾算法

暗通道先验(DCP)近几年已被证实是一种合适的除雾模型,然而其过程将引起图像的Halo效应和颜色失真.基于此,提出了结合亮通道原理和天空区域分割的新算法.使用亮通道和暗通道的结合来精准估计大气光值和透射率,天空区域自适应分割解决恢复无雾图像时天空区域的色彩失真问题.将从主观及客观两方面将本文去雾算法与现有算法进行对比,结果表明,本算法能够有效消除Halo效应,获得高对比度、高色彩饱和度以及丰富细节信息的去雾结果,同时也提高了图像去雾效率.     

图像去雾中的大气光强度自适应恢复算法研究

传统的单幅图像去雾方法中大气光强度仅设定为与图像最亮象素有关的经验值,容易造成去雾后的图像亮度偏暗,且某些区域色彩还原失真等问题。本文提出一种大气光强度自适应恢复算法。首先对图进行分块,根据每个图块的像素在RGB颜色空间分布在同一条线上,可求得大气光强度的方向,然后对大气光强度模值引入一个惩罚因子实现图像去雾,对去雾后图像提出大气光强度模值估计的目标函数,根据图像明暗系数的最大值与透射率的等级无关的约束条件,利用L-BFGS优化从而得到正确的大气光强度模值。实验结果证明该方法可以有效避免大气光强度估值偏差而引起的图像色彩失真,鲁棒性强,去雾后的图像具有更好的色彩还原度和清晰度,更能符合人眼视觉效果。     

融合边缘信息的单尺度Retinex海雾去除算法

鉴于海雾会造成无人艇视觉系统采集到的视频图像严重降质,进而影响无人艇的目标检测、跟踪以及识别,提出一种融合边缘信息的单尺度Retinex快速海雾去除算法.在传统单尺度Retinex去雾模型的基础上,结合引导滤波的思想,采用基于边缘信息的高斯滤波来估计亮度分量;再在求得的反射分量中引入原始强度分量来改善反射分量的估计,结合分段灰度变换扩展图像的对比度;最后进行色彩恢复来实现海雾的快速去除.与其他去雾算法进行对比,并从主客观2方面进行图像质量评价.仿真实验结果表明,该算法能有效地减少光晕和噪声,去雾速度快、保边效果好、去雾效果明显.     

适合跨域目标检测的雾霾图像增强

目的 室外监控在雾霾天气所采集图像的成像清晰度和目标显著程度均会降低,当在雾霾图像提取与人眼视觉质量相关的自然场景统计特征和与目标检测精度相关的目标类别语义特征时,这些特征与从清晰图像提取的特征存在明显差别。为了提升图像质量并且在缺乏雾霾天气目标检测标注数据的情况下提升跨域目标检测效果,本文综合利用传统方法和深度学习方法,提出了一种无监督先验混合图像特征级增强网络。方法 利用本文提出的传统先验构成雾气先验模块;其后连接一个特征级增强网络模块,将去散射图像视为输入图像,利用像素域和特征域的损失实现场景统计特征和目标类别语义相关表观特征的增强。该混合网络突破了传统像素级增强方法难以表征抽象特征的制约,同时克服了对抗迁移网络难以准确衡量无重合图像域在特征空间分布差异的弱点,也减弱了识别算法对于低能见度天候采集图像标注数据的依赖,可以同时提高雾霾图像整体视觉感知质量以及局部目标可识别表现。结果 实验在两个真实雾霾图像数据集、真实图像任务驱动的测试数据集(real-world task-driven testing set, RTTS)和自动驾驶雾天数据集(foggy driving dense)上与最新的5种散射去除方法进行了比较,相比于各指标中性能第2的算法,本文方法结果中梯度比指标R值平均提高了50.83%,属于感知质量指标的集成自然图像质量评价指标(integrated local natural image quality evaluator, IL-NIQE)值平均提高了6.33%,属于跨域目标检测指标的平均精准率(mean average precision, MAP)值平均提高了6.40%,平均查全率Recall值平均提高了7.79%。实验结果表明,本文方法结果在视觉质量和目标可识别层面都优于对比方法,并且本文方法对于高清视频的处理速度达50帧/s,且无需标注数据,因而在监控系统具有更高的实用价值。结论 本文方法可以同时满足雾霾天候下对采集视频进行人眼观看和使用识别算法进行跨域目标检测的需求,具有较强的应用意义。     

基于曝光融合的单幅图像去雾算法

针对雾霾等恶劣天气导致户外图像降质的问题,设计了一种简单、高效的图像去雾算法。首先通过空域高通滤波对降质图像进行处理,达到压制低频分量、增强图像边缘细节的目的;然后,对滤波后的图像进行空间线性对比度拉伸,增强图像的对比度;最后通过拉普拉斯金字塔的多曝光图像融合方法,将滤波结果与对比度拉伸结果进行融合,得到最终的去雾图像。实验结果表明,所提算法实时性较高,对雾霾、沙尘、水下等降质图像均有较好的增强效果。     

基于HSI颜色空间的单幅图像去雾算法

针对有雾图像对比度差、能见度低的情况,结合HSI颜色空间特点,提出一种单幅图像去雾算法。首先,将有雾图像从RGB颜色空间转换到HSI颜色空间;然后,依据HSI颜色空间中色度、饱和度和亮度各分量受雾影响程度的差异,建立相应的去雾模型;最后,通过分析图像饱和度,得到饱和度模型中权重的取值范围,再对亮度模型中权重进行估计,从而实现去雾效果。与其他几种算法的实验结果比较表明,所提算法运算效率提高1倍左右。同时该算法能有效增强图像清晰度,能很好地运用于单幅图像去雾。     

一种基于改进AOD-Net的航拍图像去雾算法

针对航拍图像易受雾气影响, AOD-Net (All in one dehazing network)算法对图像去雾后容易出现细节模糊、对比度过高和图像偏暗等问题, 本文提出了一种基于改进AOD-Net的航拍图像去雾算法. 本文主要从网络结构、损失函数、训练方式三个方面对AOD-Net进行改良. 首先在AOD-Net的第二个特征融合层上添加了第一层的特征图, 用全逐点卷积替换了传统卷积方式, 并用多尺度结构提升了网络对细节的处理能力. 然后用包含有图像重构损失函数、SSIM (Structural similarity)损失函数以及TV (Total variation)损失函数的复合损失函数优化去雾图的对比度、亮度以及色彩饱和度. 最后采用分段式的训练方式进一步提升了去雾图的质量. 实验结果表明, 经该算法去雾后的图像拥有令人满意的去雾结果, 图像的饱和度和对比度相较于AOD-Net更自然. 与其他对比算法相比, 该算法在合成图像实验、真实航拍图像实验以及算法耗时测试的综合表现上更好, 更适用于航拍图像实时去雾.     

基于暗原色先验原理的偏振图像浓雾去除算法

在浓雾天气下,针对基于常规偏振特性去雾算法去雾效果不理想的特点,提出了一种基于暗原色先验原理的颜色空间转化算法去除偏振图像的浓雾。相比传统的成像技术,偏振图像探测技术在复杂环境下的目标探测和识别处理具有独特的优势,偏振图像通常采用强度图、偏振度图、偏振角图来表征目标的偏振信息。为了达到偏振信息与去雾模型相结合的目的,采用一种颜色空间转化的方法,首先把偏振信息转化到HIS颜色空间对应的亮度、色度、饱和度等各分量中,再把HIS颜色空间映射到RGB空间;其次,结合雾霾图像的大气散射模型用暗原色先验原理求图像的暗通道图;最后,在图像的稀疏先验基础上用softmatting算法细化修正大气传输率。实验结果表明,在能见度很低时,去雾后图像的标准差、信息熵、平均梯度等指标比现有的偏振去雾技术提高很多,该方法能有效增强浓雾天气下图像的整体对比度,提高偏振图像的目标识别能力。     

Quaternion Based Maximum Margin Criterion Method for Color Face Recognition

Color is one of the basic features of images, which can provide very useful information and play an important role in face recognition. By using the quaternion matrix representation, the R, G, B information of each pixel is not destroyed and it can be taken as a organic body. Therefore, this paper proposes a quaternion based maximum margin criterion (QMMC) algorithm. Firstly, the quaternion number is used to denote the pixel of the color image, and a quaternion vector is taken to represent the color image. Secondly, the maximum margin criterion algorithm is used to project the quaternion vector in the high-dimension space into a low-dimension space. Finally, the nearest neighbor classification are taken for classification recognition. Numerous experiments show that the proposed QMMC can achieve better recognition performance.     

黄瓜彩色图像分割

提出一种基于彩色阈值变换的黄瓜果实识别算法：利用黄瓜果实与周围梗叶在R和G颜色分量深度上存在一定的差异,先通过R、G阈值变换将彩色图像二值化,然后进行腐蚀和膨胀操作消除背景中的枝叶,最后根据圆形度提取黄瓜。实验结果显示,该算法能够有效地将黄瓜从背景中提取出来。     

The method for image retrieval based on multi-factors correlation utilizing block truncation coding

In this paper, we proposed multi-factors correlation (MFC) to describe the image, structure element correlation (SEC), gradient value correlation (GVC) and gradient direction correlation (GDC). At first, the RGB color space image is converted to a bitmap image and a mean color component image utilizing the block truncation coding (BTC). Then, three correlations will be used to extract the image feature. The structure elements can effectively represent the bitmap which is generated by BTC, and SEC can effectively denote the bitmap?s structure and the correlation of the block in the bitmap. GVC and GDC can effectively denote the gradient relation, which is computed by a mean color component image. Formed by SEC, GVC and GDC, the image feature vectors can effectively represent the image. In the end, the results demonstrate that the method has better performance than other image retrieval methods in the experiment.     

Adaptive transmission compensation via human visual system for efficient single image dehazing

Dark channel prior has been used widely in single image haze removal because of its simple implementation and satisfactory performance. However, it often results in halo artifacts, noise amplification, over-darking, and/or over-saturation for some images containing heavy fog or large sky patches where dark channel prior is not established. To resolve this issue, this paper proposes an efficient single dehazing algorithm via adaptive transmission compensation based on human visual system (HVS). The key contributions of this paper are made as follows: firstly, two boundary constraints on transmission are deduced to preserve the intensity of the defogged image and suppress halo artifacts or noise via the minimum intensity constraint and the just-noticeable distortion model, respectively. Secondly, an improved HVS segmentation algorithm is employed to detect the saturation areas in the input image. Finally, an adaptive transmission compensation strategy is presented to remove the haze and simultaneously suppress the halo artifacts or noise in the saturation areas. Experimental results indicate that this proposed method can efficiently improve the visibility of the foggy images in the challenging condition.