一种基于改进非局部雾线先验的新型图像能见度检测算法

为了提高图像能见度检测的准确率,本文提出一种利用单幅日光条件图片检测能见度的方法,该方法基于非局部雾线先验和大气成像理论,首先通过改进非局部雾线先验选择图片中用于能见度估计的目标域 ;然后计算雾图像的透射率和恢复为清晰图像后的透射率,并计算二者的比值;最后,将清晰大气的消光系数与该比值相乘,得到被观测雾场景的大气消光系数,最终得到场景能见度。该方法一方面解决传统方法需要摄像机参数标定或者大数据量训练的问题,另一方面相比采用暗通道先验的能见度估计方法,该方法在估计能见度时保留场景的全局性,并一定程度上避免了暗通道先验对光照的敏感,可以较好地在日光户外场景下使用。算法平均准确率在89%以上,相较基于暗通道先验的比值法,平均准确率提升1%。     

利用透射率与场景深度实现带雾图像能见度检测

能见度检测是计算机视觉与交通视频图像处理的热点问题.针对传统检测方法存在硬件成本高、适用范围小、检测效率低等不足,给出一种利用透射率和场景深度获取单幅图像能见度的检测方法.首先根据Koschmieder定律和ICAO推荐的对比阈值推导出能见度检测公式,然后根据大气衰减模型得到消光系数,利用暗通道先验理论获取透射率值,结合SFS(从阴影恢复形状)和双目模型获取场景深度值,最后通过求解消光系数反演图像的能见度.实验结果验证了该方法的有效性,精确度和检测效率有较大提高,且不需要相机内部参数,也不需要拍摄同一场景的多幅图像,操作简单、适用范围较广.     

低能见度条件下车载视频的清晰化处理研究

针对低能见度天气影响交通出行的问题,提出一种新的车载视频清晰化处理算法。首先将获取图像的颜色模型转换为HSV模型,对其中的亮度分量进行直方图均衡后,再采用暗原色先验算法恢复,最后将其与原来的色度分量和饱和度分量整合后输出。实验结果表明,该算法能较大程度提高低能见度交通图像的目标辨识度,图像对比度明显增强,颜色失真较少。     

视频能见度目标物对比显示设计及实现

目标物法是气象监测工作中能见度判定的重要手段之一.通过调用室外监控摄像机管理控制接口,实现视频图像与能见度地标物图片的对比显示功能,以达到通过视频监控图像人工判断能见度的目的.     

一种基于通道差分先验的图像能见度检测算法

针对现有图像能见度检测算法准确率低的问题。本文提出一种基于通道差分先验的能见度检测算法。首先利用统一全景分割网络(UPSNet)分割图像，提取感兴趣区域(ROI)并计算其最小外接矩阵，其次，采用颜色恒常先验法计算最小外接矩阵的大气光值，使用通道差分先验法计算其透射率，并通过加权插值和引导滤波相结合的方法优化透射率。最后，计算被测图像和参考图像感兴趣区域的透射率比值，通过非线性拟合模块反演能见度。实验结果表明，本文算法的判定系数(R2)提高0.064~0.287，平均相对误差(MRE)较低，并且在曝光图像上具有良好的鲁棒性。     

基于场景深度的雾天图像能见度检测算法

针对传统能见度测试方法存在硬件成本较高、操作复杂、不能大范围使用等缺陷,提出了一种简单、快速的基于图像的能见度测量方法。首先,对图像进行感兴趣区域的提取、阈值分割和形态学处理。然后,基于大气退化物理模型和暗通道先验原理,估计透射率。再利用同一场景中不同角度所获取的两幅图像提取像素突变点,从而结合摄像机的内部参数估算场景深度。最后,根据能见度检测原理求取大气消光系数,进而获得图像的能见度。试验结果表明,该算法与人眼观测效果一致,准确率较高。与传统方法相比,该方法操作简单、抗干扰性强,不需要任何摄像机标定,并且适用范围广。     

减少色彩失真的自适应单幅图像去雾算法

基于暗通道先验的单幅图像去雾算法是目前最为高效的图像去雾技术,然而当图像中某些场景不完全满足暗通道先验时,去雾处理后的图像中常常出现大量伪影和色彩失真,因此需要根据图像对该方法进行修正。假设图像场景亮度越高,暗通道越不可信;场景饱和度越低,暗通道越不可信。基于该假设重新设计了图像的暗通道置信度,以补偿场景不完全满足暗通道先验时估算过大的暗通道值;另外对图像进行后置增强处理,以提升图像的视觉效果。对三类具有代表性的雾天图像进行实验,实验结果显示,与相关算法相比,该算法在缓解色彩失真、去除伪影等方面表现更好。该算法通过设计暗通道置信度克服了图像场景不完全满足暗通道先验时暗通道值估计偏大的问题,显著提升了暗通道先验去雾模型对不同雾天场景的适应能力。     

基于摄像机动态标定的交通能见度估计

为克服雾天能见度检测仪价格昂贵、检测范围小等缺点,该文结合雾天光线传输模型与摄像机几何光学模型提出一种交通能见度估计算法.该算法通过动态标定交通摄像机内外参数来计算路面区域内点到摄像机的距离,利用场景透射率得到大气消光系数并估计交通能见度.首先,算法基于活动图提取感兴趣区域,再根据区域内平均像素拟合曲线是否满足刃边函数对雾天进行识别;其次,通过暗原色先验原理估计交通场景中每一个点的透射率,并且选取道路上4组透射率差值最大的点对摄像机内部参数标定;然后,提取消失点及车道边缘线完成摄像机外部参数动态标定;最后,通过路面上点到摄像机的距离以及相应的场景透射率估计交通场景的能见度.该文将雾天多个交通场景下能见度值计算结果与人工观测、物理仪器测量等方法进行了比较,结果证明了该文方法的有效性与实时性.     

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.     

自适应校正透射率的暗通道先验去雾算法

针对暗通道先验算法复原后的图像在天空区域容易产生色彩失真和伪影的问题,提出了一种新的暗通道置信度计算方法,用以校正天空区域的透射率。根据观察,图像中亮度越高、饱和度越低的区域,越不满足暗通道先验的假设,利用二维高斯函数,结合有雾图像饱和度和亮度的特点,设计了一种新的自适应调参的暗通道置信度计算方法,对不满足暗通道先验区域估算的透射率进行补偿。实验结果表明,该算法能有效解决暗通道先验在天空区域失效的问题,复原图像颜色自然,没有出现色彩失真和伪影。     

基于马尔科夫随机场框架的单幅图像去雾*

雾或霾等天气会降低场景的能见度,给机器视觉的后续处理造成影响。针对图像雾霾退化的恢复、及现有基于马尔科夫随机场图像去雾算法的缺陷,提出了一种新的基于马尔科夫随机场和暗通道先验的图像去雾算法。该算法以雾天条件下退化模型为基础,通过介质传输图和原始无雾图像的约束条件,利用暗通道先验获取介质传输图的粗估计,构造MRF框架下的代价函数。为使去雾图像保持更多的纹理细节,引入纹理检测函数改进代价函数,最终求得去雾图像和介质传输图。实验结果表明,本文方法可以得到较好的去雾效果,同时保持较多的纹理细节和更快的运算时间。     

数字水印的信道选择及容量分析

该文提出了一种基于噪声允许的信道选择方案,根据图象自身特点,结合人眼视觉模型和噪声可见性函数,找出了在满足不可见性条件下每个信道可嵌水印的最大强度。在应用香农信道理论进行容量估计的同时,协调好了鲁棒性、不可见性、容量三者的关系。     

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.     

一种基于改进的暗通道先验的运动模糊核估计方法

传统的暗通道先验已成功地运用于单一图像去模糊问题,但是,当模糊图像具有显著噪声时,暗通道先验无法对模糊核估计起到作用.因此,得益于分数阶计算能够有效地抑制信号的噪声并对信号的低频部分进行增强,将分数阶计算理论与模糊图像的暗通道先验相结合,提出一种基于改进的暗通道先验的运动模糊核估计方法.首先,结合最大后验估计算法与分数阶暗通道先验,构建出运动模糊图像的核估计模型;其次,利用半二次方分裂法解决模型的非凸问题;最后,根据粗糙-精细的策略,利用多尺度迭代框架估计出准确图像的模糊核,进而利用非盲去模糊的方法求解清晰图像.实验结果表明:在有无显著噪声的模糊图像中,所提出的算法虽然所需计算时间较长,但是能够获得较为准确的模糊核,并且能够减少图像噪声以及振铃伪影,提高清晰图像估计的质量;此外,对于不同类型的模糊图像,所提出的算法也同样适用.     

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。     

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。     

基于改进暗通道和导向滤波的单幅图像去雾算法

针对单幅雾霾图像中包含的大面积天空或白色物体等区域暗通道先验失效和导向滤波去雾方法去雾不彻底的问题, 提出了一种基于改进暗通道和导向滤波的单幅图像去雾算法.首先基于暗通道引入了混合暗通道, 然后对混合暗通道进行映射处理, 从而得到大气耗散函数粗估计值; 利用导向滤波方法优化大气耗散函数粗估计值, 进而求解环境光值和初始传输图; 利用全变差正则化方法对初始传输图进行优化, 以解决其平滑性较差的问题.实验结果表明, 本文算法得到的去雾图像具有较高的清晰度, 对于大面积天空或白色物体区域也能实现良好的去雾效果.     

基于暗原色先验原理的偏振图像浓雾去除算法

在浓雾天气下,针对基于常规偏振特性去雾算法去雾效果不理想的特点,提出了一种基于暗原色先验原理的颜色空间转化算法去除偏振图像的浓雾。相比传统的成像技术,偏振图像探测技术在复杂环境下的目标探测和识别处理具有独特的优势,偏振图像通常采用强度图、偏振度图、偏振角图来表征目标的偏振信息。为了达到偏振信息与去雾模型相结合的目的,采用一种颜色空间转化的方法,首先把偏振信息转化到HIS颜色空间对应的亮度、色度、饱和度等各分量中,再把HIS颜色空间映射到RGB空间;其次,结合雾霾图像的大气散射模型用暗原色先验原理求图像的暗通道图;最后,在图像的稀疏先验基础上用softmatting算法细化修正大气传输率。实验结果表明,在能见度很低时,去雾后图像的标准差、信息熵、平均梯度等指标比现有的偏振去雾技术提高很多,该方法能有效增强浓雾天气下图像的整体对比度,提高偏振图像的目标识别能力。