野外视频监控图像去雾算法研究

在野外雾天环境下,由于大气粒子的散射作用导致图像降质严重,直接影响图像的视觉效果和应用价值,因此有必要对雾天图像进行去雾处理,以提高雾天图像的清晰度和保真度。为此,提出一种野外视频监控图像去雾新方法。基于暗原色先验去雾的原理,采用区域生长算法准确快速估计雾天图像的深度信息,应用雾天图像物理模型对图像去雾处理,并进行亮度补偿。实验结果表明,该算法能有效改善雾天图像的质量,大幅提高运算速度。     

一种改进的基于地平线检测的去雾方法

雾、霾天气是影响图像和视频质量下降的重要因素,给室外视频任务带来很大不便。考虑到远景视频中地平线的存在,提出一种改进的基于地平线检测的去雾方法。该方法基于暗原色先验理论,用改进的地平线检测算法,从整幅图像分割出天空区域,得到雾天图像退化物理模型中的大气光部分,再引入容差机制,提高图像去雾质量。而在对传输图的修正过程中采用图像引导滤波代替既占内存又耗时的软抠图方法。对远景雾天图像的去雾实验表明,该方法改进了原有基于暗原色先验单幅图像去雾方法中白色场景和物体的存在易导致算法无效的限制,有效减小了日周光光晕现象对图像可视化质量的影响,同时提高了算法速度。     

雾天室外场景光照参数估计

在雾天情况下,雾对光线的散射使得室外场景的光照发生很大变化,太阳光和天空光的参数估计变得更为复杂.结合雾天情况下的大气散射模型,提出了室外场景的雾天基图像模型,并基于该模型提出了雾天室外场景图像光照参数估计算法.在已知场景基图像的条件下,利用迭代散射系数方法,优化求解雾浓度与场景深度图像,然后通过对去雾图像进行分解,获得最佳的去雾图像以及正确的光照分解系数.算法能够得到较为精确的雾浓度与场景深度图像.实验结果表明了算法的有效性.     

单幅图像去雾算法研究综述

随着图像处理技术和计算机视觉技术的蓬勃发展,对特殊天气下的场景检测和图像处理成为该领域的重要研究方向。其中在雾天拍摄的图像容易受雾或霾的影响,导致图片细节模糊、对比度低以至于丢失图像重要信息,为解决此类问题图像去雾算法应运而生。图像去雾算法是以满足特定场景需求、突出图片细节并增强图片质量为目的的一种图像分析与处理方法。为了研究图像去雾算法的发展过程、现状以及未来,根据原理不同将去雾算法分为基于物理模型去雾算法、基于非物理模型去雾算法和基于深度学习去雾算法三大类。对其中经典算法从内容、发展和优缺点等方面进行介绍;并对算法进行实验分析与比较。展望了去雾算法的未来研究的重难点。     

雾天环境下自适应图像增强去雾方法研究

由于雾天环境下大气散射现象,拍摄出来的景物能见度和对比度会大幅降低.为了解决问题,提出了一种针对雾天环境的自适应图像增强去雾方法,部分重叠直方图均衡化方法(POSHE).方法将邻域内的子块变换函数通过加权求和计算得到当前子块的变换函数,以消除子块直方图均衡化变换之间的差异,对于图像场景深度信息多变且未知的雾天图像能够突出图像的局部细节信息,达到良好的去雾效果,并能够满足实时视频图像处理的要求.     

基于偏振特性的图像去雾算法

传统的基于偏振特性的图像去雾方法近似认为大气偏振度为全局不变量,而未考虑场景深度信息对于偏振度的影响,导致离视点较远的场景区域去雾效果严重下降。提出一种基于偏振特性的图像去雾方法。该方法结合暗原色先验原理估计大气光强及场景深度信息,再利用景深信息对偏振度值进行求解,最终复原得到场景的辐射强度信息。实验结果表明,该算法能够有效恢复雾天图像细节信息,获得满意的视觉效果。     

基于物理模型的雾霾天道路图像清晰化

雾霾天场景下,视频监控系统在道路上获得的图像一般都有严重降质,因此需要对图像进行去雾处理.鉴于现有的基于物理模型的方法需要很多辅助信息,提出一种新的基于物理模型的图像复原方法.该方法首先对大气散射模型进行改进,减少未知参数至一个,然后通过Hough变换求取图像的消失点,最后利用最大熵方法求取参数最优值,从而自动地对退化图像进行去雾.实验结果证明,该方法是有效和实用的.     

基于小波变换的雾天图像增强方法

针对雾天图像对比度低、能见度差的特点,提出了雾天图像的阈值确定模型和去雾阈值函数,并在此基础上提出了一种基于小波变换的雾天图像增强方法。实验结果表明,用该方法对雾天图像处理后,图像的清晰度和对比度提高很多,视觉效果有明显改善,图像失真度大大地降低。     

基于光学深度估计的雾天降质图像清晰化复原

研究雾天图像质量优化问题,雾天拍摄的户外场景图像对比度和色彩都发生不同程度的降质,严重影响了视觉监控系统的可靠性和鲁棒性。为提高雾天的图像清晰度,根据大气散射模型和雾天图像的对比度衰减同场景点深度成指数规律的先验知识,提出了一种场景光学深度的估计方法,应用于雾天降质图像的清晰化复原。采用建立了两组联系大气散射系数与场景点深度的关系式,并计算出场景各点光学深度的估计值。同时结合了两幅差异雾况天气下同场景图像的灰度信息以及局部对比度信息,可以更好地提高对场景深度信息估计的可靠性。结果表明,方法获得的场景可以实现雾天降质图像对比度的有效改善,获得满意的视觉效果。     

基于混合对比度增强的户外图像去雾方法

雾天拍摄的户外场景图像对比度和色彩降质严重,影响了视觉监控系统的可靠性和鲁棒性。针对雾天图像灰度动态范围较窄、对比度差的问题,为提高视觉精确性,提出一种基于混合对比度增强的户外降质图像去雾方法。在分析雾天图像特征的基础上,给出了一种全局去雾模型,然后基于遗传算法的全局搜索优势,对图像进行全局优化去雾处理。根据雾天图像降质与深度密切相关的先验知识,研究了一种模糊邻域对比度增强方法,进一步实现局部细节的增强处理,并进行仿真。结果表明,提出的混合去雾方法实现简单,能够有效增强雾天降质图像的全局对比度和细节结构,较好地改善视觉效果。     

基于多通路融合网络的高速公路雾天能见度等级识别

雾天是影响高速公路交通安全的重要因素。研究从监控图像进行高速公路雾天能见度的自动识别方法可以为交通管理部门的智能管理和决策提供技术支持。根据大气散射模型分析出与雾浓度相关的多个物理因素,提出了综合这些物理因素的多通路融合识别网络。该网络使用三个通路联合学习深度视觉特征、传输矩阵特征和场景深度特征,并设计注意力融合模块来自适应地融合这三类特征以进行能见度等级识别。同时构建了一个合成数据集和一个真实的高速公路场景数据集,用于网络参数学习和性能评估。实景数据集中的图像是从中国多条高速公路的监控视频中收集的。在这两个数据集上的实验表明,所提方法可以适应不同的监控拍摄场景,能够比现有方法更准确地识别能见度等级,有效提升了识别精度。     

基于双边滤波的RGB通道去雾算法研究

因大气光的散射和入射光的衰减,大雾天气下捕获到的图像质量呈指数系数下降。为改善退化图像的视觉效果,利用暗原色先验信息获得大气光;根据单幅雾天图像RGB通道强度估计场景深度图;同时在明亮区域引入一种容差阈值,避免了这部分区域场景深度的错误估计,使用带边缘保持的双边滤波器对求得的场景深度图进一步处理;利用大气散射模型实现了图像复原。实验结果表明,改进后的算法有效提高了雾天退化图像的视觉效果。     

Bayesian Defogging

Atmospheric conditions induced by suspended particles, such as fog and haze, severely alter the scene appearance. Restoring the true scene appearance from a single observation made in such bad weather conditions remains a challenging task due to the inherent ambiguity that arises in the image formation process. In this paper, we introduce a novel Bayesian probabilistic method that jointly estimates the scene albedo and depth from a single foggy image by fully leveraging their latent statistical structures. Our key idea is to model the image with a factorial Markov random field in which the scene albedo and depth are two statistically independent latent layers and to jointly estimate them. We show that we may exploit natural image and depth statistics as priors on these hidden layers and estimate the scene albedo and depth with a canonical expectation maximization algorithm with alternating minimization. We experimentally evaluate the effectiveness of our method on a number of synthetic and real foggy images. The results demonstrate that the method achieves accurate factorization even on challenging scenes for past methods that only constrain and estimate one of the latent variables.     

基于图像分块与特征融合的户外图像天气识别

在视频监控及智能交通等领域,雾、雨、雪等恶劣天气会严重影响视频图像能见度,因此快速识别出当前的天气情况,并自适应地对监控视频进行清晰化处理极为重要。针对传统天气识别方法效果差以及天气图像数据集缺乏的问题,构建了一个多类别天气图像分块数据集,并提出了一种基于图像分块与特征融合的天气识别算法。该算法基于传统方法提取平均梯度、对比度、饱和度、暗通道4种特征作为天气图像的浅层特征,基于迁移学习对VGG16预训练模型进行微调,提取微调模型的全连接层特征作为天气图像的深层特征,将天气图像浅层特征与深层特征融合作为最终特征用于训练Softmax分类器,实现对雾、雨、雪、晴4类天气图像的识别。实验结果表明,所提算法能达到99.26%的识别准确率,并且可作为天气识别模块应用于自适应视频图像清晰化处理系统。     

基于车道线检测与图像拐点的道路能见度估计

为了解决传统的能见度仪价格昂贵、采样有限,以及现有的一些视频测量手段需人工标记物、稳定性差等问题,基于车道线检测与图像拐点提出一种通过固定摄像机识别雾天天气并计算道路能见度的算法。与以往研究不同,在交通模型增加了均质雾天因素。该算法主要分为三步：首先,计算场景活动图,利用区域搜索算法（ASA）结合纹理特征提取待识别区域,如果在待识别区域内像素自顶向下以双曲线形式变化则判断当前天气为雾天,同时计算区域内图像亮度曲线的拐点;其次,基于可伸缩窗算法检测车道线,提取车道线端点并标定摄像机;最后,结合图像拐点以及摄像机参数计算大气消光系数,根据国际气象组织给出的能见度定义计算能见度。通过三种场景下的能见度检测,实验结果表明,该算法与人眼观测效果一致,准确率高于86%,检测误差在20m以内,鲁棒性好。     

Single Image Fog Removal Based on Local Extrema

Atmospheric conditions induced by suspended particles, such as fog and haze, severely alter the scene appearance. In this paper, we propose a novel defogging method based on the local extrema, aiming at improving the image visibility under foggy or hazy weather condition. The proposed method utilizes atmospheric scattering model to realize the fog removal. It applies the local extrema method to figure out three pyramid levels to estimate atmospheric veil, and manipulates the tone and contrast of details at different scales through multi-scale tone manipulation algorithm. The results on the experiments of comparison with traditional methods demonstrate that the proposed method can achieve more accurate restoration for the color and details, resulting in a great improvement in image visibility.      

基于颜色衰减先验的自适应Retinex去雾算法

当前的图像去雾算法中对自适应的要求越来越高,而传统的Retinex算法无法根据雾天图像的实际雾化情况进行去雾,导致处理后的图像仍然存在细节不突出以及色彩失真等问题。针对上述问题,提出了一种基于颜色衰减先验的自适应Retinex去雾算法。利用颜色衰减先验理论求得有雾图像的景深信息,通过建立的景深和高斯尺度参数的线性模型实现对亮度分量的自适应Retinex去雾处理;其次采用饱和度自适应线性拉伸算法优化饱和度分量,最终实现雾天图像的自适应处理。实验结果表明,上述算法在突出图像细节的同时,能够更好地修复图像本来的色彩,改善了雾气浓度不均对图像的影响,为图像去雾的自适应处理提供了有益参考。     

基于物理模型的快速单幅图像去雾方法

在雾、霾等天气条件下,大气粒子的散射作用导致捕获的图像严重降质.本文提出一种新的基于物理模型的快速单幅图像去雾算法.该算法从大气散射模型出发,通过对大气光照进行白平衡,从而简化大气散射模型;利用快速双边滤波方法估计大气耗散函数,进而恢复场景反照率.本文算法的时间复杂度达到图像像素数的线性函数,具有很快的执行速度.实验结...     

基于运动检测的视频监控系统

视频监控系统以其直观、方便、信息内容丰富而成为现代安防系统发展的主流。文章利用相邻帧差法对视频监控图像序列进行运动检测,以确定是否对其进行存储或传输,在保证记录有事件的场景的同时,有效地提高了存储空间的利用率及事后检索的方便性。系统使用实时传输协议来传输监控视频流,确保了监控系统数据传输的实时性要求。