一种有雾天气图像景物影像的清晰化方法

针对雾天下拍摄图像的退化现象，提出了一种景物影像清晰化的方法。该方法不需要依据大气模型，即可直接对景物的细节信息进行增强处理，并可用移动模板对不同深度的场景进行分割，以对模板中的区域进行块重叠直方图均衡化处理。为了能在对景物细节信息进行增强的同时，避免天空噪声的影响，可根据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估计来得到分割天空区域的灰度值分布范围，以增强景物细节信息。实验结果表明，该算法能有效地改善雾天下图像的退化现象和提高图像的清晰度。     

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。     

基于物理模型的雾天图像复原新方法

由于雾天场景的能见度很低,因此为了保证视频监控系统的正常工作,需要对视频图像进行去雾处理。根据光学原理,雾天条件下场景的能见度下降是与场景深度呈指数关系的,鉴于现有的基于物理模型方法的去雾效果不够理想,因此提出了一种新的基于物理模型的图像复原方法,该方法首先对雾天场景的光学成像建模;然后借助于一张晴天和一张雾天场景的参考图像,计算出场景各点的深度比关系,最后利用深度关系复原雾天图像或雾天视频。实验结果证明,该方法是有效的和实用的。     

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。     

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.     

雾天视频图像增强与运动目标跟踪模型及方法

关于视频图像多目标检测优化问题,针对雾天视频图像目标特征和背景不断地变化,雾天图像的退化程度跟场景深度成非线性关系的问题,提出用于准确完成雾天运动目标检测的实时背景建模框架的图像清晰化方法,并创建一种新的具有增量集成学习能力的目标跟踪计算模型和相应的方法,以适应跟踪过程中目标特征和背景的不断变化,构建一种具有增量学习能力的稳健的目标跟踪算法,改进方法有效地解决了雾天条件下运动目标跟踪的稳健性.     

全局平滑和边缘保持的单幅图像去雾

针对现有基于暗原色先验理论的去雾方法在天空区域容易产生失真和边缘定位不准确的问题,提出了一种雾天图像直接去雾方法。根据雾天成像模型和空间变化图像复原思想,构建了数据项;通过深入分析天空区域产生失真的原因、透射率图像和复原图像的边缘特征,构建了约束项,并通过线性组合数据项和约束项,构建了一个能量泛函;利用分步梯度下降流法最优化该能量泛函,实现了复原图像的精确求解。实验结果表明,与传统方法相比,该方法不但能更好地抑制天空区域失真现象的产生,也能更精确地定位复原图像的边缘。     

基于变分模型的图像去雾方法

基于雾天图像成像模型的去雾方法在天空区域易产生失真现象,并且存在边缘处透射率计算不准确的问题,为此,提出一种图像去雾方法。该方法基于变分模型构建含有数据项、平滑项和边缘保持项的能量泛函,利用梯度下降流法最小化该能量泛函以达到透射率的精确求解,根据已获取的透射率值和雾天图像复原理论实现图像的精确复原。实验结果表明,该方法在天空区域和边缘区域的去雾效果优于传统方法,具有更小的均方误差值和更大的结构相似度值。     

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。     

低空目标的多级图像投影检测方法

为解决地面背景干扰和雨天弱小目标难以检测的问题,提出一种低空目标多级图像投影检测算法。首先,分析地面背景与天空区域在图像中的分布位置以及灰度特征,根据水平灰度投影的阶跃变化将图像分割为天空区域和地面背景区域两部分;然后,由天空区域图像的水平和垂直投影一阶差分极大值截取目标所在的水平和垂直带状区域,分别计算水平带状区域的垂直灰度投影和垂直带状区域的水平灰度投影,并根据它们的一阶差分极大值点确定两组候选目标位置坐标;最后,验证获取的两组目标坐标,并计算目标位置坐标。实验结果表明:所提算法能检测出具有复杂地面背景的低空目标,也适用于雨天弱小目标的检测;该算法的速度较快,满足视频图像处理的实时性要求。     

基于暗原色先验的区域自适应图像去雾方法

在雾霾天气条件下,由于大气粒子的散射作用导致拍摄的图像严重退化。针对这一问题,提出一种简单有效的单幅图像去雾算法。设计晕光估计算子检测出晕光区域,在暗原色先验条件下,根据晕光估计值获取区域自适应融合权值,进而在不同区域采用不同的加权方式融合基于单像素估算的透射率与基于块状区域的透射率以获取精确透射率,有效地消除了晕光效应;最后增加参数限制透射率过低,保护了天空区域。实验表明该算法复原的图像清晰自然,尤其是在前景与背景的边缘处及天空区域能够达到很好的去雾效果。     

雾天监控视频图像Harris角点检测

对监控视频图像研究发现,退化的视频图像在角点提取时,出现角点数量少,甚至检测不到角点的情况,对后续图像分析造成困难。通过对雾天拍摄的视频图像分析,采用改进的直方图均衡化预处理算法,对雾天图像进行局部增强处理,在高斯滤波去除噪声的基础上进行Harris角点检测。试验结果表明,通过改进的直方图均衡化处理雾天视频图像,对图像的增强效果好,解决了角点数量少的情况。     

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...     

基于大气物理模型的快速视觉优化去雾算法

针对雾霾天气条件下单幅图像降质以及现有去雾方法时间复杂度高的问题,以环境光物理模型为基础,引出快速视觉优化去雾算法.首先对单幅图像阈值分割找到天空区域,并结合二叉树模型定位精确的天空光矢量,进而采用改进的约束最小二乘法滤波细化粗略透射比率,保证其边缘细节较完整且受噪声影响小,最后利用环境光物理模型实现无雾图像的还原,并采用平均梯度、信息熵和视觉保真度等指标对图像进行评价.实验结果表明,所提算法与基于多尺度Retinex的自适应图像增强方法、基于独立分量的复原方法、快速可视化复原方法和暗原色先验复原方法对比,指标值较好且实时性强.     

基于暗原色先验的图像去雾改进方法

本文基于大气散射模型, 建立了雾天图像复原的关系, 以暗通道原理作为基础知识, 复原雾天图像. 对不符合暗原色先验假设的大片浓雾及天空区域, 分析图像失真的原因, 通过引入容差参数来修正透射率, 防止天空区域的去雾程度过大, 从而提高含天空区域图像的复原效果. 为了避免大气光强过高, 去雾程度加强, 本文设置了大气光强的阈值, 并采用自动色阶算法对复原后的图像的色调分布进行相应调整, 使复原图像更自然, 增强其视觉效果. 完成图像去雾算法验证流程设计, 实现参数可调. 通过主观与客观的分析方式对3种算法进行性能验证与分析, 证明了改进后的算法优于前两种算法, 能够达到明显去雾的效果.     

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。