天空区域分割的暗原色先验去雾视觉优化技术

暗原色先验规律在天空区域的不适用,将会导致去雾后图像中的天空区域产生明显的噪声放大和色彩失真,为此提出基于天空区域分割的改进暗原色先验去雾算法.首先,采用将K均值聚类与增强边缘提取相结合的方法来进行天空区域分割,之后对有雾图像中天空区域的透射率进行修正,以得到改进的去雾后图像.该方法在天空区域分割的准确性上较好,去雾后图像不仅天空区域失真与噪声等显著减弱,还保证了远景清晰度.实验表明,该方法明显改善了去雾后图像天空区域的视觉效果并保留了远景清晰度,使去雾后图像显得清晰的同时表现得更加自然.     

基于自监督学习的河流分割方法

针对水上桥梁图像受地形、天气、环境的影响,河流情况复杂且形式较多,无法事先采集所有图像中的河流样本等问题,本文提出一种基于自监督学习的河流分割方法,利用K均值聚类与Harris角点相结合的方法自动提取部分河流区域作为自监督学习的河流样本,以及河流样本的颜色和纹理特征,再根据提取的图像的河流特征利用支持向量机（SVM）的单分类功能进行训练学习,通过训练好的分类器完成河流的分割。实验结果表明,本文的河流分割方法能较好地分割出河流并适应不同场景的水上桥梁图像。     

暗原先验算法在天空区域的处理与改进

暗原先验算法在天空区域去雾过程中会造成噪声过度放大和晕环现象,针对这个问题提出了依据天空隶属系数调整天空区域透射率的方法。求得有雾图像相应位置天空隶属度系数,自适应改变透射率调整幅度,并利用二次函数特性,对隶属度小值区域进行压缩,减弱近景透射率有效区域的调整,最后通过大气散射模型得到复原图像。大量实验结果表明,该方法得到的复原图像清晰自然,特别是在天空区域,保留部分浓雾区域去雾程度的同时抑制了天空区域的噪声和晕环现象,取得了很好的去雾效果。相对暗原先验算法,改进算法在天空区域得到更加准确的透射率估计,复原图像效果更佳。