基于暗通道先验的超像素图像偏振去雾仿真

传统超像素偏振图像去雾方法无法获取图像偏振,导致细节纹理处易产生突变零点,引发图像边界处发生光晕效应,去雾效果不理想.提出基于暗通道先验的超像素图像偏振去雾方法.构建大气散射模型,计算传播过程中散落光.根据散落光将超像素图像分解为RGB三个通道,结合暗通道先验原理计算透射率,选择像素平均强度值作为大气光估计值,得到景深图像.利用景深信息求解偏振值,得到恢复图像场景的辐射强度,实现超像素图像偏振去雾.实验结果表明:上述方法在图像复原质量与效率方面均有较大改善,能够有效恢复雾天超像素图像细节信息,获得满意的视觉效果,说明所提方法具有一定的实用价值.     

基于超像素的均值-均方差暗通道单幅图像去雾方法

雾、霾天气会引起图像严重降质.本文假设局部雾浓度恒定,认为暗通道优先的有效性随景深递增呈指数衰减,其比例大小可间接反映雾浓度高低.在此基础上提出一种基于超像素的均值-均方差暗通道单幅图像去雾算法.首先通过超像素分割得到景深恒定的小区域,接着在每个区域内计算均值-均方差暗通道:用均值替代最小值抑制景深突变处的光晕效应,同时采用均方差对其进行修正纠正景深无限远处的偏色问题,由此生成的透射率在超像素内保持不变且更加精细、准确.实验结果表明该算法在雾浓度较大时能够显著提高大景深图像的可见性.     

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.     

基于逆通道与改进引导滤波的暗通道去雾算法

为解决暗通道先验去雾算法存在的透射率计算不精确和图像去雾后偏暗等问题,提出一种利用逆通道与改进滤波的暗通道去雾算法。根据雾天可见光的衰减特性,基于蓝色通道的逆通道得到修正的雾天图像暗通道图,通过在引导滤波中设置自适应平滑因子,滤波处理时检测图像边缘并利用局部方差自适应调整滤波强度,以获得更准确的透射率,同时选取图像中天空部分亮度最大区域的像素平均值作为大气光值,最终得到修复的去雾图像。实验结果表明,与基于边界限制的去雾算法和多尺度小波去雾算法相比,该算法的峰值信噪比和结构相似性值更高且均方误差更小,图像去雾效果更好,能较好保持图像原有信息。     

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.     

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.     

基于高阶马尔科夫随机场的单幅图像去雾算法

针对基于暗通道先验的图像去雾算法先验信息不足和在天空等大面积白色物体区域失效的问题,提出了一种基于高阶马尔科夫随机场(MRF)的单幅图像去雾算法。首先根据雾天景物成像特点将雾霾图像分割为亮区域和暗区域;然后根据区域不同改进和衰减暗通道,并通过暗通道先验获取传输图;最后利用高阶MRF对传输图进行优化,解决其先验信息不足的问题。实验结果表明,本文算法可有效改善暗通道先验失效导致的去雾图像部分失真现象,同时恢复的图像清晰度更高、细节更丰富。     

一种基于Sigmoid函数的抑制Halo效应的有效算法

人们通常利用暗通道先验理论进行图像去雾,其副作用之一就是光晕现象,即Halo效应。在深入分析光晕效应特点的基础上,提出了一种基于Sigmoid函数的抑制Halo效应的有效算法。首先对带有光晕的图像进行大量观察,总结了光晕产生的位置规律及结构特性,构造了一个具有方向性的Sigmoid模板;然后对由暗通道先验理论得到的粗略透射率图进行边缘检测,获得景深突变处像素点的坐标和方向角;其次,再利用已构造的模板判断该处出现光晕的准确位置,并将非光晕区域的像素值赋给光晕区域,得到优化后的透射率图;最后引入一种容差机制还原出清晰无光晕的图像。本算法的特色在于所构造的模板仅仅处理出现光晕的区域,而不是处理整个图像区域,因此避免了传统方法中非光晕区域的颜色失真问题。实验结果表明,本算法简单易行,运行速度快,复原效果好。     

鲁棒图像去雾的大气光校正与透射率优化算法

针对已有单幅图像去雾方法中存在的天空灰暗和对比度增强不足等问题,提出基于大气光自适应校正与透射率鲁棒性优化的高可见度图像去雾算法.该算法采用白平衡和伽马校正对输入图像进行预处理,以提升亮度、增强对比度并避免出现严重的偏色现象.为了防止大气光值估计过高,提出一种基于天空检测的大气光自适应校正方法,以获得更明亮的天空区域复原效果.最后通过检测光晕像素和透射率上下文一致性推断来识别透射率不可靠的像素,并在可靠透射率保持项、不可靠透射率插值项以及相似像素透射率关联项的约束下设计了透射率鲁棒性优化模型,以对不可靠透射率进行校正.实验结果表明,文中算法获得的透射率更符合场景中的深度变化趋势,使得去雾结果具有较高的清晰度、对比度与色彩饱和度,且天空区域也显得更为自然.     

基于形态学与梯度域导向滤波的图像去雾算法

目前的多数图像去雾方法不适用于浓雾场景,存在去雾后图像亮度偏暗及光晕伪影等问题,提出一种利用图像形态学和梯度域导向滤波的去雾算法。通过暗通道先验算法得到初始透射率,并根据图像形态学闭、开运算细化和平滑初始透射率。运用梯度域导向滤波优化透射率图,以平滑透射率图的边缘和消除矩形块状效应。为更好地估计出大气光值,对雾图的最小强度图进行形态学灰度腐蚀,并经过导向滤波处理,以此结果作为暗通道图,选取其最亮的前0.1%像素点对应到原图中,最高的像素值作为大气光值,得到大气光值后利用大气散射模型求出去雾后的图像。将除雾后的RGB图像转换到HSI颜色空间,利用多曝光融合框架对I通道进行无雾图像整体亮度提高,最终转到RGB颜色空间。实验结果表明,该算法能够恢复更多的细节信息,保证图像具有合适亮度,且颜色自然,无光晕伪影,优于暗通道先验和颜色衰减先验等去雾算法。     

混合先验与加权引导滤波的图像去雾算法

目的 图像去雾是降低雾、霾、沙等低能见度成像环境对图像的退化影响,提高图像信息获取质量的过程。为了消除先验盲区,同时进一步提高去雾图像边缘细节的清晰度,提出一种混合先验与加权引导滤波的图像去雾算法。方法 首先改进大气光值估计方法,提高大气光值估计的准确性。然后利用混合先验理论求取双约束区域的大气透射率,一定程度上消除了先验盲区,提高了去雾算法的鲁棒性。最后利用加权引导滤波算法优化透射率图,提高了图像边缘细节的清晰度。结果 本文以通用去雾测试图像和小型无人机拍摄的雾天图像作为实验对象,通过对比分析4种组合步骤算法的复原效果,验证本文各步骤改进方法的合理性与整体算法的优越性。实验结果表明：混合先验理论改善了暗原色先验在明亮区域的失真现象和颜色衰减先验对浓雾处理上的不足,取得了较好的视觉效果;加权引导滤波改善了图像边缘模糊的现象,使复原后的图像边缘细节更加清晰;相较传统算法,本文算法视觉效果更好,去雾图像边缘细节更加明显,综合评价指标均值提升幅度较大。结论 针对有雾图像复原,通过理论分析和实验验证,说明了本文各步骤的改进具有一定的优越性,所提的算法具有较强的鲁棒性。     

一种消除halo效应的去雾算法

雾天条件下获取的图像会有低对比度和低场景可见度的问题,一些去雾算法会出现halo效应现象。基于暗原色先验理论的去雾算法,花费了大量的时间在透射率的优化问题上。为此,提出一种结合暗通道去雾算法的景深优化的图像复原方法,在图像景深边缘和非景深边缘分别采用不同的模板处理得到暗图像,进而得到粗略透射率,双边滤波器进行修复粗略透射率。该算法能够有效地去除图像中的雾气,和软件抠图法相比较,不仅有效降低了halo效应,并且大大地减少了透射率处理时间,提高了处理效率。实验表明该算法的时间复杂度与图像尺寸成线性关系,相比于传统算法在计算速度上有一定提高,保障了图像处理的实时性。     

基于线性映射的暗原色快速去雾

针对雾天图像对比度、清晰度低等问题,提出一种基于暗原色先验去雾的快速算法。根据给定的判决条件,通过四叉树估计大气光值;利用雾天图像和恢复图像之间的线性关系,使用一种线性映射得到初始透射率,并使用容差对其修正;对修正后透射率进行高斯滤波,根据大气散射模型得到恢复图像。仿真结果表明,该算法在保证去雾效果的同时,拥有较高的算法效率。     

结合天空分割和局部透射率优化交通图像去雾算法

针对现有的去雾算法在处理交通场景图像时由于透射率估计与实际情况偏差较大,尤其交通图像含有天空区域时容易导致色彩失真和产生光晕效应等问题,在暗原色先验理论的基础上,提出一种结合天空分割和局部透射率优化的交通图像快速去雾算法。首先,采用大津算法(OTSU)将原始图像分割为天空区域与非天空区域;其次,对非天空区域,利用最大值滤波和引导滤波对其透射率进行优化,采用自适应参数调整的方法对天空区域的透射率进行修正;最后,对复原的图像利用限制对比度自适应直方图均衡法(Contrast Limited Adaptive Histogram Equalization, CLAHE)调整色调,提高亮度。实验结果表明,对于天空区域,本文算法不但能有效减少产生颜色失真和光晕效应的现象,得到更为自然清晰的复原结果,对于非天空区域,复原结果的清晰度和对比度更高,而且,算法保持较高的运行效率,另外,去雾后的图像在方差、平均梯度、信息熵等指标上相对于暗原色先验算法、Tarel算法、Meng算法、Zhu算法和Berman算法均有所提升。本文方法可较好地复原雾天交通图像,能为雾天模糊的交通图像快速有效去雾复原提供重要有益的理论基础和技术支持。     

基于ECP算法的RFID标签图像去雾与测试保障

射频识别（RFID）多标签几何分布对系统识别性能具有重要的影响,基于人工智能新技术的图像处理方法对测量多标签的几何分布提供技术支撑。在RFID系统应用的盐雾环境下,环境会对标签图像产生污染,影响标签图像的识别,进而影响RFID多标签应用性能的测试。因此,去雾便成为了盐雾环境下RFID多标签系统性能测试保障的一个关键步骤。研究了将极端通道先验（ECP）运用于图像去雾的理论,提出了将ECP运用于标签图像去雾的新算法。该算法分别利用亮通道先验（BCP）和暗通道先验（DCP）对明亮像素区域和暗区域的透射率进行估算,以此构成整张图像的总体透射率,再带入估算的大气光强,完成标签图像的去雾复原。实验结果表明,所提出的算法去雾效果较为理想,具有很好的鲁棒性。     

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。     

硬件优化的高清视频实时去雾算法

去雾技术已经在单幅图像上取得了较大的进展,但是由于时间复杂度较高,无法满足高清视频去雾的实时性要求。针对该问题,提出了基于硬件架构优化的暗通道先验去雾算法,通过硬件导向的双尺度联合滤波法和阈值比较法来简化透射率和大气光值的计算复杂度,同时利用帧间依赖性约束来抑制视频去雾中的闪烁噪声。实验结果表明,所提算法的去雾速度达到了148.2 Mpixel/s,相比软件的方式提高了约55倍,实际对1920×1080分辨率全高清视频的去雾速度达到69 fps,满足实时性要求且去雾质量高。