雾天条件下的视频图像复原方法及其应用

针对雾天户外视频图像的退化现象,提出一种基于大气模型的完全自适应视频图像复原方法。该方法根据单帧图像的灰度分布特性,求出天空区域灰度的最佳近似正态分布,再由这个近似正态分布得到天空区域的灰度均值,同时根据灰度直方图分割出各个景物的深度区域并求出归一化辐射率的值,利用同深度区域内像素点的对比度实现退化图像的复原。实验表明,该方法对雾天退化图像的清晰化效果较好。     

基于暗原色和直方图匹配的雾天图像增强算法

针对雾天图像景物容易退化的问题,提出一种基于暗原色和插值直方图匹配的雾天图像自适应增强算法。该算法基于暗原色先验信息寻找并分割出图像中的天空区域,利用插值直方图匹配方法对非天空区域进行自适应增强处理,采用主成分分析方法将处理前后的图像信息进行融合。实验结果表明,该算法不仅能避免天空噪声对图像的干扰,而且能有效提高图像对比度,获得满意的图像视觉效果。     

多聚焦图像灰度重叠特征自适应识别仿真

传统方法对多聚焦图像进行预处理,由于图像灰度重叠区域合并使原图像细节信息损失,导致多聚焦图像灰度重叠区域识别效果不理想,为此提出基于Mean-shift算法和OTSU阈值分割算法的多聚焦图像灰度重叠特征自适应识别方法。使用Mean-shift算法对多聚焦图像进行平滑处理,对平滑处理过后的多聚焦图像进行小波变换,将图像的灰度重叠区域灰度值增强;再使用阈值分割将经过灰度增强的重叠区域分类;通过OTSU算法识别出灰度重叠特征区域。实验结果表明,提出方法在图像灰度重叠区域的识别效果上较为突出,并且能够有效保留灰度重叠区域的细节信息。     

一种区域多直方图红外图像增强方法*

直方图均衡是一种简单有效的红外图像增强技术,但存在着细节信息损失较大的缺陷。为改进这一缺陷,使直方图均衡在增强图像对比度的同时不损失灰度级别,并能增强图像细节特征,提出一种基于区域的multi-HE红外图像增强方法。该方法通过聚类算法将图像分割成多目标区域,据此将直方图分割成多个子图,运用多直方图均衡化对图像进行处理,从而达到在不同目标范围内的图像增强。经过实验验证,该算法能有效地抑制背景区的过增强,扩大了目标区的灰度范围,增强细节部分。     

脑白质疏松症MR 图像的静脉提取方法

针对脑白质疏松症MR图像白质区域静脉信息复杂的特点,提出一种基于小波变换的多阈值脑白质疏松症MR图像的静脉提取方法．首先,利用形态学变换对图像中的细节信息进行增强处理;其次,利用小波变换的多分辨率特性对图像的灰度直方图进行多层小波分解,对不同层次的小波细节信息及逼近信息进行阈值处理并重构,提取出静脉的灰度特征;最后,利用多阈值分割方法将脑白质区域的静脉分割出来．实验结果表明,该方法能实现静脉信息的自动快速提取,并实现了静脉的量化分析,为医生对脑白质疏松症患者白质区域静脉扩张程度的诊断提供一个定量标准,具有临床辅助诊断价值．     

基于局部特征的自适应快速图像分割模型

基于区域的活动轮廓模型如Chan-Vese(CV)模型等以其能较好的处理图像的模糊边界和复杂拓扑结构而广泛运用于图像分割中.然而基于灰度分布均匀假设,该模型对于含灰度不一致性的目标分割结果较差.此外,纹理是周期性重复出现的细节,依靠灰度信息无法正确检测.针对这些问题,提出一种基于局部特征的自适应快速图像分割模型.一方面,利用两种区域项检测卡通部分和纹理部分的特征信息,在自适应的局部块中提取局部统计信息以克服卡通部分的灰度不一致性;另一方面,利用自适应的局部块中的纹理特征来计算背景和目标区域的Kullback-Leibler (KL)距离以检测图像的纹理部分.进一步,基于分裂Bregman方法对该模型进行快速求解.分别对医学和纹理图像进行了实验,准确性和时效性都有显著提高.     

结合子层分割和自适应函数引导的规定化图像增强

为了更好地辨别低照度图像中的目标,提高图像的对比度并增强纹理细节信息,采用子层分割规定化算法对图像进行增强处理,提出一种结合子层分割和自适应函数引导的规定化图像增强算法.首先根据原始图像直方图的特点对直方图进行子层分割,之后通过对分割后的子层进行灰度区间拉伸来提高图像的亮度,以增强图像的对比度;为了增强图像中的细节信息,在每个子层求取自适应函数来对每个子层做规定化处理;最后对子层直方图合并,得到增强后图像.实验结果证明,经过增强后图像的灰度平均梯度值为原始图像的3~4倍,信息熵也明显增大;该算法在增强图像细节、提高图像的对比度上具有优越性.     

面向可见光—近红外图像融合的植被与天空概率模板生成

目的 近红外(near-infrared,NIR)图像在夜视和去雾等方面发挥着重要作用,RGB-NIR图像融合是一种常见且有效的处理方式。在实际图像处理过程中,图像的不同对象区域因特性不同需要进行差异化处理,但是现有图像融合算法在植被和天空图像区域存在明显不足。对此,提出RGB-NIR联合图像的植被和天空区域概率模板生成算法。方法 以植被为感兴趣区域,基于RGB图像各通道比值和扩展归一化植被指数(normalized difference vegetation index,NDVI)两种特征,提出RGB-NIR联合图像的植被区域概率模板生成算法。以天空为感兴趣区域,基于透射率图引导的局部熵和扩展NDVI两种特征,结合像素高度信息,提出RGB-NIR联合图像的天空区域概率模板生成算法。两种算法生成的植被和天空的概率模板在RGB-NIR图像融合过程中利用概率模板对权重矩阵进行修正,可明显改善融合效果。结果 检测植被的模板生成算法与传统NDVI进行比较,在对比度和鲁棒性方面有更大优势;与语义分割进行比较,在准确度和纹理细节上有更好表现。检测天空的模板生成算法与当前的概率模板天空检测算法相比,准确率更高,边缘过渡更平滑;与当前的二值模板天空检测算法相比,在检测效果相当的情况下能保留更多细节信息,并且对小物体的划分更为准确。以本文检测算法修正后的图像融合结果在保持细节增强效果的同时,视觉感观更为自然,在定量指标上也更占优势。结论 本文提出的概率模板生成算法结果准确、性能鲁棒,能有效提升RGB-NIR图像融合的效果,特别是在涉及权重的图像融合中能更好地结合与应用。     

SUSAN算子在苹果图像缺陷分割中的应用研究

该文介绍一种新的分割算法——SUSAN算子。SUSAN算子是一种基于图像局部灰度特征的算法，利用一个圆形的模板对图像进行扫描，比较模板内部的点与模板中心点的灰度值，如果灰度差值小于一定的阈值，就认为该点与中心点的灰度相同。统计模板内部与中心点灰度相同的点的个数，与一个阈值进行比较，判断该点是否属于某个区域的边缘点，从而实现对图像的分割。应用SUSAN算子对苹果图像的缺陷区域进行分割，可以快速准确地分割出苹果图像上轻微的损伤。经过对100幅图像的检验测试，得出分割准确率为96％。     

基于局部熵的区域活动轮廓图像分割模型

为解决区域活动轮廓模型不能有效分割灰度不均图像的问题，提出了局部熵约束的区域活动轮廓模型应用于图像分割。首先基于局部熵信息将图像划分为两个特征区域，然后利用局部熵特征信息构造二值拟合能量，并与区域可放缩拟合（Region-scalable fitting，RSF）模型相结合，最后得到水平集演化方程。该模型考虑了图像灰度分布的聚集特征和局部区域统计信息，能有效处理灰度不均匀、弱边缘等图像分割问题，且对轮廓初始位置更具鲁棒性，医学图像实验结果验证了模型的有效性。     

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。     

利用偏振滤波的自动图像去雾

针对雾天退化图像提出一种自适应图像复原方法。 该方法基于定义的偏振图像暗通道, 自动提取图像中的天空区域, 由此获得大气光的强度和偏振度; 采用偏振滤波提取大气光强信息, 并基于最小归一化互信息原则对估计的大气光偏振度进行优化; 根据大气光强的变化规律, 对大气光强的分布进行修复; 将大气光强作为加性噪声予以扣除, 并补偿因大气衰减带来的影响, 最终复原得到场景的辐射强度信息。 实验结果表明, 该方法能够有效地改善雾天下图像的退化现象, 提高了图像的清晰度。     

基于混合先验的CT图像重建研究

在图像重建中,可以通过贝叶斯方法引入先验知识来抑制噪声提高重建的质量,提出了基于Gibbs先验和解剖中值先验混合的算法,该方法根据Gibbs先验分布和中值先验分布,先用基于Gibbs先验分布的算法多次迭代图像,再结合解剖结构先验,将以后每次迭代后的图像分割成不同的区域,将分割后的图像像素运用于中值先验.仿真实验表明,在...     

基于显著图的可变模板形态学去雾方法

针对暗通道先验去雾中存在的光晕现象和天空区域颜色失真现象，提出了一种基于自适应可变形结构元（Adaptive deformable structuring element，ADSE）中值滤波结合灰度形态学重构精细化透射率的方法.该方法利用透射率与图像细纹理结构的无关性，由有雾图像的灰度图计算显著图（Salience map，SM），将SM作为导向图计算ADSE，用生成的ADSE对最小颜色通道图像进行自适应中值滤波运算；其次，以粗估计暗通道图像为标记图像，以自适应中值滤波后的图像作为模板图像进行灰度形态学重构运算，获得精细化暗通道图像，继而得到精细化透射率；最后，针对天空区域，引入最优化透射率方法，对天空和非天空区域做统一的运算得到最终透射率，完成图像去雾.本文算法对真实场景具有很好的去雾效果，同时，基于形态学的运算易于并行化和硬件实现.     

基于区域分割的雾天图像增强算法

由于受雾天光亮条件的限制,雾天拍摄的图像一般都有比较严重的图像降质;针对雾天图像的退化现象,提出了一种基于区域分割的雾天图像增强方法;该方法无需依据大气模型,而是采取基于边缘检测的区域分割方法首先将图像平坦区域提取出来,然后对非平坦区域进行局部直方图均衡化处理;同时,为防止区域边界效应的产生,通过距离变换进行渐变处理,最后对获取的图像进行信息融合,进一步提高图像质量;通过实验分析和验证,证实了该算法能有效地改善雾天图像的退化现象和提高图像清晰度.     

融合GF-MSRCR和暗通道先验的图像去雾

目的 针对雾天图像高亮和雾浓区域中容易出现场景透射率值求取不准确,导致复原后的图像细节丢失、出现光晕现象、对比度和色彩难以满足人眼的视觉特性等问题,提出了一种融合引导滤波优化的色彩恢复多尺度视网膜算法（GF-MSRCR）和暗通道先验的图像去雾算法。方法 首先利用加权四叉树方法从最小通道图中快速搜索全局大气光值,再从图像增强角度应用GF-MSRCR算法初步估计场景透射率值,依据暗通道先验原理对最小通道图进行二次估测,根据两次求取结果按一定比例进行像素级图像融合,得到场景透射率估计值;利用变差函数修正估计值,经中值滤波进一步优化得到场景透射率的精确值,最后通过大气散射模型恢复雾天图像,调整对比度和恢复颜色后,得到了轮廓完整且细节清晰的无雾图像。结果 理论分析和实验结果表明,经本文算法去雾处理后的图像信息熵、对比度、平均梯度、结构相似性分别平均提升了7.87%、21.95%、47.73%和15.58%,同时运行时间缩短了53.22%,对近景、含小部分天空区域、含大片天空区域和含白色物体场景的多种类型雾天图像显示出较好的复原效果。结论 融合GF-MSRCR和暗通道先验的图像去雾算法能快速有效保留图像的细节信息、消除光晕,满足了人眼的视觉特性,具有一定的实用性以及普适性。     

提高特殊场景下图像质量的图像复原算法

本文首先分析基于暗原色先验去雾算法的基本步骤,然后提出一种提高特殊场景下图像质量的图像复原算法.该算法先对特殊场景下的图像进行反转操作,然后利用反转操作后的图像与雾天图像具有相似特征的结论,将改进的暗原色先验理论算法用于反转后的图像,从而使特殊图像的质量得到提高.本文通过改进暗原色先验去雾算法参数的获取,同时将图像中天空区域和非天空区域分开处理,得到了很好的视觉效果,也降低了算法的复杂度.     

Single image fog and haze removal based on self-adaptive guided image filter and color channel information of sky region

In this paper, we report an effective algorithm for removing both fog and haze from a single image. Existing algorithms based on atmospheric degeneration model generally lead to non-definite solutions for the haze and thick fog images, though they are very efficient for thin fog images. In general, as the algorithms based on vision enhancement cannot automatically adjust weight coefficient for the different structure images, the excessive or inadequate enhancement may emerge. In this paper an original degradation image is primarily segmented into the sky and non-sky regions, and then the main boundaries of non-sky region are extracted using L ₀ smoothing filter. So our vision enhancement algorithm automatically adjusts weight coefficient according to various structure images. At the stage of vision enhancement, guided image filter famous for its excellent boundary preservation is adopted. As for haze image, the color channel information scattered by haze particles can be obtained in the sky region to make an effective color correction. Both the subjective and objective evaluations of experimental results demonstrate that the proposed algorithm has more outstanding recovery effect for haze and thick fog images. Moreover, the proposed algorithm can judge fog or haze image, which is a by-product of this research.