暗通道先验在雾化图像复原中的应用

目前,基于暗通道先验的去雾算法是目前最有效的单幅图像去雾方法之一.文中研究比较了各种基于暗通道先验的雾化图像去雾技术;由于采用软抠图算法的暗通道先验去雾算法时间复杂度太大,文中提出利用自适应中值滤波实现对透射率的平滑与细化,以提升去雾算法的速度;提出了一种具有鲁棒性的大气光值求取方法.实验结果表明,文中所提方法能实现雾化图像的有效去雾,能保证去雾图像的清晰度,大幅提高暗通道先验去雾算法的速度,具有一定实用价值.     

基于暗通道先验的自适应超像素去雾算法

传统基于暗通道先验的图像去雾算法不能有效去除有雾图像在景深突变处的雾点,边界处容易引起光晕效应,对此提出一种基于暗通道先验的自适应超像素去雾算法.首先,在暗通道的获取过程中引入自适应方法判断当前像素邻域内是否具有多个景深物体,若仅存在相同景深物体,则直接求取此像素的暗通道,若存在多个景深物体,则引入超像素分割算法区分不同景深物体,减小景深变化对暗通道获取的影响,以求取更准确的暗通道;然后,估计粗略的透射率,并根据上下文约束细化透射率;最后,通过图像降质的逆过程求解去雾图像.实验结果表明,所提出的算法与暗通道先验单幅图像去雾(DCP)算法、基于边界邻域最大值滤波的快速图像去雾(EMDCP)算法、基于自适应暗原色的单幅图像去雾(ADCP)算法、带边界约束和上下文正则化的高效图像去雾(BCCR)算法相比,可将客观质量综合评价准则提高10%,能够抑制光晕效应,提高有雾图像的视觉效果.     

基于物理模型的单幅图像对比复原算法

基于图像复原的去雾算法中参数的估计容易造成去雾图像场景信息的丢失,对此,提出一种图像去雾新算法。在暗通道先验的基础上,通过对大气散射模型的分析,总结出雾气分布对暗通道图像的影响,并依此对外景图像进行加雾操作,利用加雾后的参考图像与外景图像中各点的景深关系完成透射率的估计,进而达到去雾目的。算法利用物理模型和多幅图像实现参数的估计,能够更好地保留场景信息。实验结果表明,该算法不仅去雾效果优于对比算法,在处理速度上也有明显改善。     

基于线性加权的自适应图像去雾算法

在雾霾天气下,大气散射作用导致采集图像信息丢失。针对这一问题,以暗通道先验原理为基础,提出一种基于线性加权的自适应图像去雾算法。首先,在计算暗通道函数时,采用一种改进方法生成精确的暗原色图,并使用图像锐化技术确保场景边界特性;其次,针对复原图像对比度过深,定义一种自适应的线性加权方式计算准确的大气光强值,确保得到代表实际场景的透射率图;最后基于大气散射的物理模型,得到清晰的无雾复原图片。实验结果表明,该方法能有效地实现图像去雾,且具有效果好和速度快的优点。     

基于光源区域自适应的夜间去雾方法

夜间有雾图像会导致图像质量下降,主要体现在夜间有雾图像光照不均、对比度较低且色偏严重,而人工光源的存在更是使得环境光呈现出不均匀性.现有的主流算法主要是针对白天图像进行处理,并不适用于夜间场景去雾处理,导致夜间去雾难度加大.针对上述问题,通过深入分析夜间有雾图像的成像特点,提出了一种新的夜间图像去雾算法.针对夜间有雾图像的色偏问题,提出了改进的暗通道先验算法(MRP)进行颜色校正,该方法单独操作每一个颜色通道进行颜色校正,从而可以减少由MRP引起的光源区域周围的光晕效应;针对夜间场景环境光不均匀性的特点,提出了基于有雾图像低频分量的最小-最大值滤波方法,以此来实现局部环境光的估计;针对最大反射率先验(DCP)估计透射率在光源处失效的问题,提出了一种基于光源区域自适应的透射率估计算法.实验结果表明,该算法在抑制光晕和光源区域发散的同时,能够较好地重现暗部细节,恢复图像具有较好的亮度和对比度,且色彩自然.相比暗通道先验,所提方法的峰值信噪比(PSNR)与结构相似性值(SSIM)平均提升了81.8％和26.5％.     

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.     

改进的暗通道先验快速图像去雾算法

针对暗通道去雾算法复杂度过高的问题,提出一种基于暗通道的快速去雾算法。首先对图像分块处理,提高求取暗通道值的速度;接着采用线性插值算法平滑处理,消除块状效应;然后根据暗通道先验求得透射率;最终利用大气散射模型得到清晰无雾图像。实验结果证明,在保证良好去雾效果的前提下,相比原暗通道算法,所提算法复杂度被有效降低,去雾所需时间也降为原来的1/10左右,达到准实时。     

基于暗通道先验的比值重估透射率去雾算法

针对暗原色先验去雾算法中雾霾图像明亮区域透射率估计过小,造成图像色彩失真的问题,提出一种新的基于比值重估透射率去雾算法。设定暗通道图与大气光强的差值阈值,利用预估透射率和全局透射率的比值重新估计透射率,从而改善明亮区域过小的透射率。实验结果表明,比值重估透射率去雾算法跟暗通道和容差机制去雾算法相比,该算法恢复的图像更接近于真实图像。     

视频实时自适应去雾算法

在雾天环境下,户外视频的可视性将受到极大损害,需要通过视频实时去雾来恢复视频的可视性。视频实时去雾对于单帧图像处理的速度有很高的要求,现有的图像去雾算法或是速度上达不到要求,或是速度虽快但去雾效果不理想。另外,视频还会面临拍摄场景中雾气浓度不断变化的问题,现有图像去雾算法中需要手动设置参数且参数固定,无法在雾气浓度变化的条件下始终达到理想的去雾效果。提出了一种实时的视频自适应去雾算法,该算法对视频中单帧图像进行去雾时,会基于暗原色值来区分图像区域,并对不同区域进行不同程度的去雾,在满足实时性的同时得到了很好的去雾效果。此外,该算法还基于暗通道先验设计了评价去雾结果的方法,并使用迭代的方式根据雾气浓度自动调整去雾参数,从而在视频中雾气浓度变化的情况下,始终能达到理想的去雾效果。     

基于暗原色先验的图像快速去雾

目的 针对暗原色先验去雾算法出现的边缘残雾、天空色彩失真以及速度较慢问题,提出一种快速有效的图像去雾算法。方法 舍弃传统分块的思想,采用逐像素处理的方法估计透射率,并对估计值过低的透射率进行适当的增强。大气光采用效率更高的四叉树算法来求解。结果 有效地解决了边缘残雾和天空色彩失真问题,相比其他算法,去雾后的视觉效果有所提升。透射率和大气光的求解速度都得到一定程度的提高,去雾速度是暗原色先验去雾算法的近4倍。结论 实验结果表明,本文算法在保证良好去雾效果的前提下能大幅提升去雾的效率,节省去雾所花费的时间。对于大部分有雾图像,本文算法都能够达到较好的去雾效果,但在处理具有较大景深的图像时,远景部分的去雾效果欠佳。鉴于速度上的优势,本文算法适用于对实时性要求比较高的去雾场合。     

一种基于幂指数拉伸的去雾算法

比较同一场景无雾和有雾时图像RGB(Red-green-blue)三通道和HSV(Hue-saturation-value)三通道的变化,提出一种基于幂指数拉伸的去雾算法.首先将图像从RGB变换到HSV空间,将饱和度分量和亮度分量分别作1～3的幂指数拉伸和调整,将拉伸变换后分量生成HSV图像再变换到RGB空间,生成增强后的去雾图像.以饱和度均值、亮度指标、信息熵和对比度作为去雾评价的指标,确定最优的拉伸幂指数组合.然后使用最优幂指数完成去雾处理,同时根据图像饱和变化的阈值或时间间隔长度决定是否重新寻找最优拉伸幂指数.最后使用Python软件,借助多进程编程实现本文去雾算法.当图像分辨率为400像素×300像素时,树莓派上运行时幂指数参数寻优用时为5.077～6.160 s,单帧图像去雾用时第1帧时间长为0.308 s,其余时间为0.077～0.168 s,结果验证了本文算法的实时性.     

单幅图像自动去雾新算法

针对雾天拍摄图像的退化现象,提出一种针对单幅图像的自动去雾新算法。该算法先将有雾图像从RGB转换到YCbCr颜色空间后,再在亮度分量上进行多尺度Retinex处理,所得的亮度图在图像清晰度评价指标的调控下经过反色变换和中值滤波即可求得传播图,并进一步得到清晰化后的复原图像。实验结果表明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

人造光照下的单幅雾天图像复原

当前基于单幅雾天图像复原算法的研究都是在光照充足的情形下（白天）,这种情形下的光照主要来自天空光。然而,对于在光照主要来自人造光（夜间）的雾天图像复原算法的研究屈指可数。因此提出了新的基于人造光照下的雾天成像模型,并同时考虑了不均匀的环境光和对图像的光照补偿。检测出光源位置,根据光源的发光特性求出环境光和光照补偿系数,利用提出的新模型求出清晰的图像,使用基于边缘颜色恒常性（EBCC）来对颜色进行校正。实验结果表明,该算法优于其他算法。     

暗原色先验单幅图像去雾改进算法

目的为解决传统基于暗原色先验的单幅图像去雾算法实现效率低以及恢复雾化图像在天空、白云等明亮区域颜色失真的不足,提出一种改进算法。方法通过分块思想,完成透射率的空间自适应估计;通过判断大气光强度和暗通道差值绝对值大小来判断雾图中是否含有明亮区域。结果该算法不仅降低了传统算法的时间复杂度,而且弥补了传统算法在明亮区域透射率估计的不足。结论实验结果表明该改进算法可行、有效。     

基于环境卫星CCD影像的薄云去除研究

云雾覆盖是光学遥感影像的主要噪声之一,它严重影响了遥感影像的判读和使用。如何降低或去除薄云的影响,恢复云下地表信息,成为提高遥感影像可用性的重要环节。本文分析了环境卫星CCD影像的特点,基于BSHTI(Background Suppressed Haze Thickness Index)云检测方法,对BSHTI方法进行了适应性改进和完善。通过目视评价和统计分析,表明该方法不仅能够有效地降低薄云雾的干扰,而且可以在很大程度上减少遥感影像信息的损失,同时较好地保持了原始影像的清晰度和连续性,是一种有效可行的薄云去除方法。     

极端天气条件下低质图像增强算法研究

针对雾霾、雨雪、沙尘等极端天气下获得的图像严重退化的问题,提出一种自适应的单幅图像增强算法。首先设计一种图像分类器,判断图像是否为降质图像,若是则根据色度分量值对图像分别处理。其次对于雾霾图像,在暗原色先验算法基础上,通过分割图像的明亮区域求取透射率,改善了原算法复原的图像易产生光晕的现象,并将该算法扩展应用于雨雪图像;为了处理沙尘图像,采用限制对比度自适应直方图均衡化算法,为了校正该算法处理图像时对比度和亮度失衡的问题,采用伽马校正。与其他算法对比实验表明该算法有效提高了图像的清晰度,同时避免了光晕的产生,解决了沙尘图像处理中对比度和亮度失衡的问题。     

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.      

基于薄云厚度分布评估的遥感影像高保真薄云去除方法

针对遥感影像薄云去除易出现地物失真的问题,在传统加性云污染模型的基础上提出了一种改进的薄云去除方法,即基于薄云厚度分布（HTM）评估的高保真薄云去除方法。首先,基于传统的加性薄云去除算法得到HTM,用整个HTM减去HTM中无云区域的平均值,使得HTM满足无云区域的薄云厚度接近于零;然后,对降质影像中的蓝色地物独立估计薄云厚度;最后,用降质影像减去最终优化的不同波段的薄云厚度得到无云影像。对多幅分辨率不同的光学遥感影像进行实验,实验结果表明,所提算法有效解决了蓝色地物失真严重的问题,改进了降质影像的薄云去除效果,提升了在无云区域的数据保真能力。