单幅图像快速去雾算法研究与实现

近年来,尽管图像清晰化算法取得了很大进展,但依旧存在去雾算法复杂度高、去雾时间长以及工程化实现难度大等问题。针对以上问题,笔者首先分析了现有去雾算法的模型,并简化了该模型,提出了用暗通道图中每一行最大值的平均值作为整体大气光照值,并在SoPC(System-on-a-Programmable-Chip,可编程片上系统)平台上实现了单幅图像去雾算法。经测试发现,在SoPC平台上求解暗通道图仅需要9个时钟周期,去雾算法的整体延迟时间为83个时钟周期,对800*600的图像只需要12 ms就能完成去雾处理,且每个像素点仅延迟2.075 us。     

基于景深的单幅图像快速去雾算法

在雾、霾天气条件下,由于大气粒子的散射作用导致采集的图像质量严重下降,给计算机视觉系统成像带来极大不便。针对上述问题,提出一种基于景深的单幅图像快速去雾算法。通过暗通道对图像处理,得到图像传输图,从而简化大气散射模型,利用景深信息估计大气散射模型,得到边缘突变景深关系比,通过近水平方向上的景深关系比值优化传输图,利用双边滤波对景物边缘进行处理。从3个颜色通道出发,降低波长对景深估计的影响。实验结果证明,该算法能够恢复景物边缘的细节对比度,有效提高图像的清晰度与视见度。     

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.     

基于改进暗通道和导向滤波的单幅图像去雾算法

针对单幅雾霾图像中包含的大面积天空或白色物体等区域暗通道先验失效和导向滤波去雾方法去雾不彻底的问题, 提出了一种基于改进暗通道和导向滤波的单幅图像去雾算法.首先基于暗通道引入了混合暗通道, 然后对混合暗通道进行映射处理, 从而得到大气耗散函数粗估计值; 利用导向滤波方法优化大气耗散函数粗估计值, 进而求解环境光值和初始传输图; 利用全变差正则化方法对初始传输图进行优化, 以解决其平滑性较差的问题.实验结果表明, 本文算法得到的去雾图像具有较高的清晰度, 对于大面积天空或白色物体区域也能实现良好的去雾效果.     

基于暗通道先验的单幅图像去雾新算法

由于暗通道先验去雾算法会使天空等明亮区域产生颜色失真、偏移等问题,对此文中提出基于暗通道先验的单幅图像去雾新算法,提高了图像去雾效果。首先,根据图像的大小设计了一种自适应滤波窗口;其次,为了防止图像中的高亮像素对大气光值估计的影响,利用变差函数去除这些高亮像素,并结合去除高亮像素后图像的暗通道图,估计大气光值;然后,提出了一种结合结构相似性的暗通道先验去雾改进算法,并对透射率进行优化、修正;接着,利用大气散射模型恢复出无雾图像;最后,利用RGB模型和HIS模型的相互转化,增强恢复图像的亮度。实验结果表明,该算法不仅能对图中景物进行较好的去雾,还能较好地处理天空等明亮区域,使处理后的图像有很好的视觉效果。     

结合天空区域识别的单幅图像去雾方法

针对现有图像去雾方法易于在天空区域引入负面视觉效果的缺陷,提出一个结合天空区域识别的单幅图像去雾方法;提出一个新的天空区域特征先验知识,并利用所提先验将雾天降质图像分割为天空与非天空区域;基于天空区域对大气光进行估计,并利用暗通道先验和导向全变分模型对非天空区域的透射率进行估计,从而基于大气散射模型获得去雾处理后的图像;使用一种邻域自适应的Retinex方法克服了去雾处理后图像偏暗的问题。对比实验证明,所提方法相比现有的类似方法具备更好的有效性及鲁棒性。     

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。     

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

近几年,生态环境逐步恶化,雾霾情况日益严重,从总体上来看现阶段无论是在实际应用中还是学术界都没有能简便实现单幅图像快速去雾的方法。基于此种情况,笔者首先分析了现阶段单幅图像去雾方法研究状况,并结合自己的实际工作经验研发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,该方法在实际中的应用能够实现单幅图像的快速去雾,同时,也较为简单有效。     

基于人眼视觉特性的快速单幅图像去雾算法

为从降质图像中去除天气的影响,提出一种快速的图像去雾算法。该算法基于二色大气散射模型,针对雾天图像的亮度分布特点以及人眼的视觉特性,首先采用亮度分量来估计粗略传输图,然后采用线性空域滤波对粗略传输图进行细化处理,并利用大气散射模型得到复原图像,最后采用基于人眼视觉特性的拟合函数对复原图像进行亮度调节,使恢复的图像更自然、清晰。大量实验结果表明,该算法恢复的图像在对比度、信息熵和运算时间等客观评价标准上都优于现存算法,具有良好的视觉效果。     

减少色彩失真的自适应单幅图像去雾算法

基于暗通道先验的单幅图像去雾算法是目前最为高效的图像去雾技术,然而当图像中某些场景不完全满足暗通道先验时,去雾处理后的图像中常常出现大量伪影和色彩失真,因此需要根据图像对该方法进行修正。假设图像场景亮度越高,暗通道越不可信;场景饱和度越低,暗通道越不可信。基于该假设重新设计了图像的暗通道置信度,以补偿场景不完全满足暗通道先验时估算过大的暗通道值;另外对图像进行后置增强处理,以提升图像的视觉效果。对三类具有代表性的雾天图像进行实验,实验结果显示,与相关算法相比,该算法在缓解色彩失真、去除伪影等方面表现更好。该算法通过设计暗通道置信度克服了图像场景不完全满足暗通道先验时暗通道值估计偏大的问题,显著提升了暗通道先验去雾模型对不同雾天场景的适应能力。     

一种快速的暗通道去雾算法

为了在保证暗通道先验假设去雾效果的基础上,加快处理速度,提出了一种快速去雾算法。首先,根据暗通道先验假设结合中值滤波得到透射图;再根据函数构造的思想对透射图进行精确化处理;最后,采用直方图非线性拉伸实现处理后图像亮度的调整。通过对大量雾天图像处理效果图与近年来一些去雾算法处理效果图的主观和客观比较表明,该算法在保证去雾质量的前提下,提高了速度,而且去雾后图像色彩鲜艳,细节清晰。     

基于先验阈值面的夜空云图分割算法

夜空背景易受到大气污染、月光及黄道带光等影响,导致云图变化较大。传统阈值法仅利用像素点灰度值及相应的邻域信息,难以准确分割背景变化较大且灰度不均匀的云图。文中对大量云图统计分析,发现夜空云图的两个先验特征,提出一种基于先验阈值面的云分割算法。首先根据先验特征分割出可信的背景区域,再根据背景区域进行多项式拟合得到一个随图像区域信息变化的阈值面,阈值面上的各个值介于目标和背景之间,从而可将云从背景分割出来。实验证明,相对于传统的单阈值算法,本文算法分割精确度更高,应用范围更广,尤其对受干扰的云图有更好的分割效果。     

结合透射率和大气光改进的暗原色先验去雾算法

针对暗原色先验透射率在明亮区域估计不足以及大气光误差问题,提出一种结合透射率和大气光改进的去雾算法。在分析高斯函数特点的基础上,依据有雾图像暗原色的高斯函数初步估计透射率,利用最大最小操作消除块状效应;然后,通过晕光算子与形态学膨胀操作获取大气光描述区域来获取大气光值;最后根据大气散射模型复原清晰图像。实验结果表明,所提算法能够有效去除图像中的雾气,浓雾图像恢复效果相比暗原色先验等算法更佳,且处理速度较快,便于实时应用。     

实时软件设计方法的发展趋势

介绍实时程序设计方法学的两个基本方面:实时程序设计语言和实时程序的规范说明及形式化验证,讨论实时程序设计的基本特点和与一般程序设计的不同之处,程序层次的实时性包括静态的时间限制表达和动态的时间限制维护,程序规范层次的实时性包括建立规范说明模型和形式化证明.     

基于生成对抗网络的图像去雾算法

与基于图像增强的去雾算法和基于物理模型的去雾算法相比,基于深度学习的图像去雾方法在一定程度上提高计算效率,但在场景复杂时仍存在去雾不彻底及颜色扭曲的问题.针对人眼对全局特征和局部特征的感受不同这一特性,文中构建基于生成对抗网络的图像去雾算法.首先设计多尺度结构的生成器网络,分别以全尺寸图像和分割后的图像块作为输入,提取图像的全局轮廓信息和局部细节信息.然后设计一个特征融合模块,融合全局信息和局部信息,通过判别网络判断生成无雾图像的真假.为了使生成的去雾图像更接近对应的真实无雾图像,设计多元联合损失函数,结合暗通道先验损失函数、对抗损失函数、结构相似性损失函数及平滑L1损失函数训练网络.在合成数据集和真实图像上与多种算法进行实验对比,结果表明,文中算法的去雾效果较优.     

Numerical maximum log likelihood estimation for generalized lambda distributions

This paper presents a two-step procedure using the method of moment or percentile to find initial values and then maximize the numerical log likelihood to fit the appropriate generalized lambda distribution to data. This paper demonstrates the use of this procedure to fit well-known statistical distributions as well as some empirical data. Overall, the use of numerical maximum log likelihood estimation is a valuable alternative among existing methods of fitting. It provides not only convincing results in terms of quantile plots and goodness of fit tests but also has the advantage of a lower variability in its parameter estimation compared to the existing starship (King and MacGillivray, 1999) and method of moment (Karian and Dudewicz, 2000) fitting schemes.     

逆向工程中基于精确截面信息的曲面拟合*

针对带有精确截面信息的有序离散点的三维曲面重构问题,提出了一种NURBS曲面快速重构方法。该方法有效地减少了运算数据量,提高了运算效率,同时改进了传统曲面拟合在处理非均匀截面数据点时曲线曲面形状的失真和运算的不稳定现象,最后应用三维图形标准以及图形函数库在实际系统中验证了该方法的有效性。     

多个B样条曲面光滑重建技术研究

提出一种对多个B样条曲面光滑重建的拟合算法，并通过对牙模的例子进行重建给出了计算结果。说明新的拟合算法既能够处理大量测量点，又能够提高重建速度，很好地解决了多个曲面的光滑重建问题。     

逆向工程中基于精确截面信息的曲面拟合

针对带有精确截面信息的有序离散点的三维曲面重构问题,提出了一种NURBS曲面快速重构方法．该方法有效地减少了运算数据量,提高了运算效率,同时改进了传统曲面拟合在处理非均匀截面数据点时曲线曲面形状的失真和运算的不稳定现象,最后应用三维图形标准以及图形函数库在实际系统中验证了该方法的有效性．     

基于Msmall-Patch训练的夜晚单幅图像去雾算法——MP-CGAN

针对基于暗通道先验（DCP）与大气散射模型方法实现夜晚图像去雾出现颜色失真及噪声等问题,提出一种基于Msmall-Patch训练的条件生成对抗网络（CGAN）去雾算法MP-CGAN。首先,将UNet与密集神经网络（DenseNet）网络结合成UDNet网络作为生成器网络结构;其次,对生成器与鉴别器网络使用Msmall-Patch训练,即通过对鉴别器最后Patch部分采取Min-Pool或Max-Pool方式提取多个小惩罚区域,这些区域对应退化严重或容易被误判的区域,与之对应提出重度惩罚损失,即在鉴别器输出中选取数个最大损失值作为损失;最后,将重度惩罚损失、感知损失与对抗感知损失组合成新的复合损失函数。在测试集上,与雾密度图预测算法（HDP-Net）相比,所提算法的峰值信噪比（PSNR）与结构相似性（SSIM）值分别提升了59%与37%;与超像素算法比,PSNR与SSIM值分别提升了59%与48%。实验结果表明,所提算法能够减少CGAN训练过程产生的噪声伪影,提高了夜晚图像去雾质量。