基于改进暗通道先验模型的无人机遥感图像去雾算法

无人机航拍技术因其诸多优势,已被应用在越来越多的场景中.但因空气污染或气候原因使得某些地区雾霾较多,导致拍摄的图像降质明显.针对该问题,同时对于无人机遥感图像较高的去雾速度要求,提出了一种基于改进暗通道先验模型的无人机遥感图像去雾算法.首先使用下采样法和插值算法改进暗原色先验模型的透射率计算,大幅降低了计算复杂度;然后针对图像偏白色区域的去雾处理,采用结合容差机制恢复无雾图像的方法,减少了偏色现象;最后对去雾图像采用自动色阶算法进行图像增强处理,提升了去雾后图像的亮度.实验表明,该算法在图像去雾的精确性和效率上均优于原算法.     

一种基于暗通道的航拍图像去雾算法

针对无人机航拍图像在雾霾天气下降质特点,提出一种基于暗通道先验原理的航拍图像去雾改进算法。根据大气物理模型和暗通道原理,对有雾图像进行自适应分块求取暗通道图;通过降采样得到初始透射率图,再应用导引滤波对投射率进行优化,同时利用最小值滤波和均值滤波求解大气光强;应用雾天模型恢复降质图像。通过实验对比验证,该算法简单且能够高效去雾,在客观评价指标上总体性能也优于其他算法。     

基于区域对比度约束的暗通道图像去雾

为了保持图像明暗区域的对比度约束,提出了一种改进的暗通道去雾算法;该算法首先将原始图像分割成适当的明暗双区域,并计算相应的对比度比值,再使用基于中值滤波的暗通道去雾算法处理图像暗区域部分,最后利用亮度精确控制的双直方图均衡算法,以最大程度保持区域对比度不变为约束条件,修正图像较亮区域的亮度分布。结果表明:对比相关去雾算法,利用所提算法最终处理后的图像能够在信息熵值、平均梯度和亮度标准差等方面取得明显增益,进一步凸显图像中被雾霾环境所掩盖的细节特征。     

结合暗通道先验和MRF理论的单幅图像去雾算法

针对在雾霾环境下获取的图像降质严重、现有算法去雾图结构细节信息丢失较多的问题,提出了一种结合暗通道先验(DCP)和马尔可夫随机场(MRF)的单幅图像去雾算法。该算法先采用子块部分重叠局部直方图均衡(POSHE)对原始雾图进行增强,以提高其对比度,并通过DCP算法获取优化后的透射率;利用MRF模型对图像结构细节信息的约束特性,对透射率进行建模,以进一步细化透射率;由天空域的显著特征,通过分块搜索法求取大气光值。与传统去雾算法相比,该算法能得到更精确的透射率图,有效保持图像结构信息,去雾后的图呈现出丰富的细节和较真实的色彩视觉效果。     

校园航拍中图像去雾霾技术的应用研究

无人机的发展使校园航拍风靡全国各大高校。然而受雾霾天气的影响,户外高空采集的图像往往严重降质。为解决这一问题,文章对图像去雾霾技术及各类方法进行了研究。先后实现了基于单尺度Retinex及暗通道先验的图像去雾霾算法,并将其应用到校园航拍采集到的因雾霾天气导致降质严重的图像中。根据对处理结果的比较分析总结了两种算法的适用范围和优缺点,同时对后续研究工作进行了探讨。     

暗原色先验图像去雾算法研究

为了减小有雾天气对户外成像系统尤其是航拍视觉系统成像的影响,提出了一种新颖快速的基于暗原色先验和雾天图像退化模型的图像去雾方法.结合航拍图像特点,对原暗原色先验去雾箅法做了优化和改进.选取一系列户外带雾图像进行大量实验,结果表明,该方法能从物理特性上快速明显的去除雾的干扰,提高图像的清晰度,增强图像色彩和细节,复原得到...     

基于量子分解的航拍图像中值滤波

针对无人机航拍图像在采集或者传输过程中容易产生噪声的问题,提出了一种基于量子图像分解的中值滤波算法。该算法首先将经典图像表示为量子图像,并通过量子理论对量子图像进行分解,得到分解子图,然后利用改进的快速中值滤波算法对分解子图进行去噪,最后将各子图去噪结果进行合成得到最终的去噪图像。实验证明,该方法能够有效去除无人机航拍图像中的椒盐噪声和高斯噪声,所提算法在去噪效果方面与传统中值滤波算法相比,信噪比提高了约17%,与递归中值滤波相比提高了约28%。并且算法的效率得到了一定程度的提高。     

基于雾线和颜色衰减先验的图像去雾方法

针对现有图像去雾方法易产生的颜色过饱和、细节丢失、伪影等问题，提出了一种基于雾线和颜色衰减先验的去雾方法。首先，利用雾线先验和霍夫投票估计大气光。然后，根据颜色衰减先验建立关于场景深度的非线性模型，获取准确的透射率。最后，通过对大气散射模型进行反向求解去除图像中的雾霾干扰，获得细节丰富的去雾图像。在RESIDE公共数据集上进行了实验，并与多种现有方法进行了比较。实验结果表明，所提方法可有效去除图像中的雾霾干扰，获得清晰自然的去雾图像，且其时间和空间效率均优于其他方法。     

无人机图像去雾与特征匹配算法研究

无人机遥感具有实时性、高分辨率等优点,但易受高空中雾气影响,造成图像清晰度降低甚至失真,极大影响了无人机图像的拼接,现有的特征匹配算法在匹配中存在一定误匹配率,影响图像拼接的质量。针对这些问题,在图像去雾方面,本文基于暗通道先验去雾算法,提出一种结合亮通道先验理论的去雾算法,并使用伽马函数优化图像显示;在特征匹配方面,本文提出了基于几何相似性理论改进的特征匹配算法,提高了匹配的准确率。实验证明,本文的算法去雾视觉效果优于传统暗通道算法,特征匹配质量也优于传统的KNN匹配算法。     

基于深度卷积神经网络的自适应图像去雾算法

室外拍摄图像由于受雾气、雾霾、沙尘等大气颗粒杂质的影响呈现出图像灰白化,而现有的图像去雾算法存在过度依赖先验信息、透射率计算不精确的问题。针对上述问题,文中提出了一种基于深度卷积神经网络的自适应图像去雾算法。该算法基于大气散射模型实现了有雾图像的去雾,设计浅层提取、并行提取和深度融合共3个全卷积网络实现图像浅层特征与深层特征的融合,大幅提高了透射率图的准确性。去雾实验测试结果表明,文中所提出的算法对室外露天雾图具有良好的去雾效果,且去雾细节效果更加理想。     

基于生成对抗网络的超声图像超分辨率重建

针对医学超声图像的分辨率低而导致视觉效果差的问题,使用基于神经网络的图像超分辨率(SR)重建方法提升医学超声图像的分辨率。采用针对自然图像超分辨率重建的生成对抗网络(SRGAN)作为基本方法,通过减少2个输入通道和删除1个残差块对该网络的结构进行更改,并且改进网络损失函数,新增模糊处理数据集,使该网络适应医学超声图像所具备的灰度图像、散斑纹理单一等特点,从而重建出放大4倍的边缘清晰没有伪影的医学超声图像。将改进SRGAN与原始SRGAN的结果相比,峰值信噪比(PSNR)和结构相似性(SSIM)分别有1.792 dB和3.907%的提升;与传统双立方插值的结果相比,PSNR和SSIM分别有2.172 dB和8.732%的提升。     

一种改进的雾天监控图像增强算法

视频监控或激光成像在大气环境监测中有着广泛应用,然而在雾天条件下获取的图像不可避免存在视觉质量降低问题。针对雾天图像对比度增强以及噪声抑制的需要,提出了一种改进的雾天图像增强算法。首先对原图像进行正反双向的双直方图均衡处理与融合,然后重复采用上述方法对融合图像的小波分解低频系数矩阵进行增强处理,最后将处理结果和高频系数矩阵进行小波重构得到输出图像。实验结果表明,该算法处理雾天监控图像能够取得较好的对比度增强与噪声抑制性能。     

基于超像素暗通道和自动色阶优化的图像去雾算法

针对暗通道先验(dark channel prior, DCP)复原图像中的光晕现象、明亮区域色彩失真、环境光估计不准确等问题,提出了基于超像素暗通道和自动色阶优化的单幅图像去雾算法。首先,由改进的White Patch Retinex算法增强图像并计算精确环境光。接着,在传统暗通道去雾算法中引入超像素图像分割和引导滤波算法,使透射率估计的稳健性与精确性得以提升。然后,采用自适应容差对明亮区域的透射率进行补偿,有效抑制明亮区域色彩失真问题。最后,以自动色阶优化算法提高图像对比度。将本文去雾算法与其他算法从主观和客观两个维度进行比较,实验结果表明：采用不同算法对不同浓度的自然雾图进行对比实验,信息熵提高0.2 bit,峰值信噪比(peak signal-to-noise ratio,PSNR)提高0.8 dB,运行效率提高。该算法对不同浓度含雾图像具有良好的适应性,复原图像色彩真实、纹理清晰、细节丰富,去雾效果良好。     

一种基于假彩色的像素级多传感器图像融合算法

本文给出了一种基于假彩色的像素级多传感器图像融合算法,并将其用于两幅灰度图像的融合中.这种算法将现有的图像融合技术和彩色显示技术相结合,在灰度融合图像的基础上利用色差来表现原图像与灰度融合图像的细节差异.该算法分为三步:首先,用选择与平均相结合的方法得到两幅原图像的灰度融合图像;接着,求出灰度融合图像与两幅原图像的差异图像;最后,将两幅差异图像和灰度融合图像分别送至R、G、B颜色通道进行显示.比起灰度融合图像,最终得到的彩色融合图像在色彩上更丰富,包含更多的细节,直觉上更容易辨认.     

显著颜色提取的织物图像色彩转移改进方法

针对传统织物图像色彩转移方法中存在的算法复杂度高、不能很好地保留原织物图像的层次感和细节等问题，文中结合显著颜色提取提出了一种新的织物图像色彩转移改进方法。一方面，利用显著颜色提取得到原织物图像更具代表性的主要颜色和分割区域，以使色彩转移结果图像的层次感更加忠实于原织物图像。另一方面，利用图像分解和一种简单高效的防溢出色彩转移策略更好地保持了色彩转移结果图像的细节。仿真实验结果表明，相对于传统的织物图像色彩转移方法，文中所提新方法不仅能够有效地保持原织物图像的层次感和细节，而且运行效率也得到了明显的提高。新方法具有简单、高效的特点，能够较好地适用于织物图像的颜色设计工作。      

基于CLAHE和多尺度细节融合的静脉图像增强算法

利用静脉识别原理采集的静脉图像通常模糊不清、难以分辨。传统的CLAHE算法虽然能够提高静脉图像的对比度,但是会丢失图像的一些细节信息。文章提出了一种基于CLAHE和多尺度细节融合的静脉图像增强算法。首先对静脉图像进行ROI提取,采用CLAHE算法增强静脉与手背间的对比度;然后利用多尺度细节融合算法得到静脉图像的细节图,再通过均值滤波滤除细节层中的高频噪声;最后把上面两种方法得到的图像加权叠加得到细节增强后的静脉图像。实验结果表明,该方法在提高静脉图像对比度的同时保留了原图像的细节信息。     

基于改进直方图均衡化和SSR算法的灰度图像增强研究

为了提高偏亮和偏暗图像的增强效果,提出了一种改进的直方图均衡化和SSR算法相结合的灰度图像增强方法.对原始图像进行改进直方图均衡化增强,提取低频分量进行直方图均衡化,与高频分量融合;对原始图像进行SSR算法增强;将得到的2个图像进行加权融合.结果表明:新方法得到的图像比原始图像细节特征突出,视觉效果明显改善;对比度和信息熵得到提高、亮度得到调整.在医学X射线图像上验证了其可行性,与其他增强算法相比,新方法更有利于图像的准确分析.     

基于Contourlet变换的偏振图像融合

提出一种基于Contourlet变换的偏振图像融合算法。Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用Contourlet变换对三个555波段不同方向的偏振图像进行分解,对于高频和低频系数分别采用不同的窗函数计算区域能量,最后加权实现偏振图像的融合处理。实验结果表明,该算法与小波分解法相比在保留原始图像边缘和纹理信息同时,可以体现偏振图像的特点,取得较好的融合视觉效果。     

基于融合策略的单幅图像去雾算法

为了有效增强雾天衰退图像,提出了一种基于融合策略的单幅图像去雾算法。该融合策略无需依靠大气散射模型或场景结构信息,只需通过原始衰退图像来获取其输入图与权重图。其中2幅输入图的作用主要是对原有雾图像进行颜色校正和对比度增强,而3幅权重图则突显了图像雾气较浓区域的细节信息。融合策略将上述输入图与权重图相融合以生成对比度高、色彩丰富的去雾图像。此外,本文还从人类视觉感知的角度提出了一个新的去雾效果评价指标,从而为图像去雾与去雾效果评价问题提供了新的解决思路。实验结果表明,与已有方法相比,提出的基于融合策略的去雾算法能更好地提高各种雾天图像的清晰度。     

一种像素级多传感器图像融合算法的研究

该文给出了一种像素级多传感器图像融合算法,并将其应用于不同波段SAR图像的融合。该算法先用基于卡尔曼滤波的图像融合技术得到一幅灰度融合图像,再用不同的RGB颜色通道分别表示灰度融合图像以及原图像中增强后的细节,最终得到一幅彩色融合图像。仿真结果表明,用此算法得到的彩色融合图像包含更多的细节,可辨识性强。