具有条件约束的金字塔视野扩张网络去雾算法

为了消除雾霾天气对机器光学视觉系统的影响,当今社会急需有效的图像去雾算法。基于此提出端到端具有条件约束的金字塔视野扩张网络去雾算法。该算法通过金字塔视野扩张网络有效地提取有雾图像的上下文语义信息,以大气散射模型为约束,能够还原出高质量的无雾图,有效解决雾霾天气对机器光学视觉系统的影响。与其他流行去雾算法进行了对比实验,实验结果表明,所提出的算法在O-HAZE真实雾霾数据集的去雾结果平均PSNR指标高于对比算法2.4 dB,去雾效果优于对比算法,具有有效性和鲁棒性。     

基于光照估计的夜间图像去雾

相对白天雾天图像,夜晚雾天图像具有整体亮度低、光照不均匀、偏色等特点,因此去雾难度大。本文从夜间雾天成像规律出发,提出了基于光照估计的夜间图像去雾算法。针对光照不均匀问题,通过估计光照图来去除不均匀光照的影响;针对目前白天去雾算法假设不适用于夜晚图像问题,提出基于信息熵的传输图粗估计的方法;针对颜色失真问题,通过统计光源区域的颜色属性来进行颜色校正。实验结果表明,本文算法能够有效的去除不均匀光照影响,提高图像对比度,改善图像视觉效果。     

基于暗通道先验原理的偏振图像去雾增强算法研究

在装备试验与测试中,常规光学成像系统极易受气象环境(如雾霾、沙尘等)影响,导致探测距离、成像效果、测量精度等受到大幅限制,从而严重影响目标成像效果及关键参数获取。如何增强雾霾条件下光学探测识别能力及成像质量,成为了当前急需解决的关键问题。本文利用偏振成像优势,结合暗通道先验原理,提出了基于暗通道先验原理的偏振图像去雾增强算法。该算法首先利用采集到的偏振图像提取偏振特征,计算偏振度和偏振角;同时,采用基于区域增长算法自动提取出天空区域,对天空区域进行大气光参数估计,获取大气光偏振度及偏振角相关参数估计;然后,结合暗通道先验原理,获取无穷远处大气光强,进而计算各像素点的大气光强;最后,建立在大气物理退化模型基础上,实现图像去雾增强。实例分析与验证中,通过主观评价与客观评价两种方法,对比本文提出的方法和常见其他方法,实际结果表明,本文算法去雾增强能力较强,能有效提升光学系统的探测识别能力及成像质量,对雾霾条件下武器装备关键参数获取具有重要意义。     

基于TS201 DSP平台的雾霾视频数据质量提升实现

近年来北京等华北地区雾霾天气多发,严重影响室外摄像头采集视频数据的质量及应用效能。为有效提升雾霾视频数据的质量,文章对经典的暗通道优先去雾算法,进行运算模块的拆解分析;并在此基础上研究基于TS201 DSP平台的雾霾视频质量提升仿真与实现。主要研究内容包括:基于暗通道优先的去雾算法原理解析、算法实现的流程设计、及算法到DSP的映射三项关键技术。最终实验结果表明:文章基于TS201 DSP平台实现的暗通道优先去雾算法,可有效实现对雾霾视频图像序列质量的提升。     

基于同态滤波和Retinex的图像去雾算法

传统的Retinex算法在图像去雾时均假设光照是平缓变化的,在处理光照不均的图像时,易出现光晕现象。针对这一问题,本文提出一种改进的同态滤波算法用于校正图像的光照,可对图像中亮度差异较大的区域进行不同程度的滤波;经光照校正的图像再采用Retinex算法进行图像去雾,可避免光晕现象。实验结果表明,本文方法可有效消除光照不均的雾霾图像所出现的光晕现象,且去雾效果优于传统的Retinex算法,时间复杂度低于Meylan算法。     

基于FPGA的图像高速去雾实时系统设计实现

雾霾使光照条件恶劣,导致采集的视频图像失真.为了解决这个问题,本文采用Altera公司的Cyclone IV系列现场可编程门阵列(Field-Programmable Gate Array,FPGA)芯片作为核心,设计了支持多种分辨率的图像高速去雾实时系统.通过RAM的乒乓操作缓存高速数据流,并利用流水线处理的优势实现了限制对比度自适应直方图均衡化(Contrast Limit-ed Adaptive His-togram Equalization,CLAHE)算法的流程.实验结果表明,该系统能处理高达75 帧/秒的视频图像,具有良好的实时去雾功能.     

基于多先验约束和一致性正则的半监督图像去雾算法

针对合成雾霾图像训练的去雾模型在真实场景中去雾效果不佳、对高层视觉任务性能提升不明显等问题,该文提出一种基于多先验约束和一致性正则的半监督图像去雾算法。该方法采用编码器-解码器网络结构,同时在合成雾霾图像与真实雾霾图像上学习去雾映射,并利用多种统计先验去雾结果作为真实雾霾图像参考真值进行半监督学习,同时通过多张真实雾霾图像的随机混合进行一致性正则约束,以消除多种先验去雾结果差异以及噪声干扰,提高图像去雾结果的视觉质量。实验对比结果表明,所提算法可比现有方法获得更好的真实场景去雾结果,并且能够显著提升高层视觉任务性能。     

采用自适应全局亮度补偿的夜间去雾算法

针对夜间雾霾天气情况下还原的去雾图像存在颜色失真、纹理损失严重、去雾效果差等问题,本文提出了一种夜间去雾算法,采用自适应全局亮度补偿、同态滤波、限制对比度自适应直方图均衡化算法以及联合双边滤波对降质图像进行处理,结合大气散射模型得到还原的去雾图像。实验结果表明,该算法的夜间去雾效果好、处理速度快,较对比算法在对比度、平均梯度以及信息熵上均有改善,有效减少了还原图像的颜色失真、纹理损失。     

人工光源条件下夜间雾天图像建模及去雾

夜间有雾图像光照不均匀,整体亮度较低,色偏严重,且人工光源周围存在光晕。现有的去雾模型和算法大多针对白天图像,其并不适用于夜间场景,夜间图像去雾颇具挑战性。该文深入分析夜间有雾图像的成像规律,建立含有人工光源的夜间雾天图像成像新模型,并在此基础上提出夜间图像去雾新算法。针对夜间图像光照不均问题,提出基于低通滤波的环境光估计方法,利用估计出的环境光可准确预测夜间场景传输率;针对目前夜间图像去雾后存在光源光晕问题,提出根据图像色度估计场景点属于近光源区域的程度,使算法能自适应地处理光源区域和非光源区域;针对非一致色偏问题,利用直方图匹配方法进行颜色校正。对大量图像进行实验,并与现有白天、夜晚图像去雾算法进行比较,验证了该文提出的夜间雾天图像成像模型及去雾算法的有效性。     

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。     

一种基于反馈机制的闭环图像去雾算法

针对目前去雾算法易受大气环境随机性和复杂性影响而造成自适应性不强的问题,该文提出一种具有反馈机制的自适应闭环去雾算法。该算法首先通过基于人眼视觉的特征认知评价进行参数初始化;然后利用去雾强度评价结果对反馈校正局部对比度参数进行调节,从而对去除加性光照后的图像进行自适应局部对比度提升;最后借鉴去雾后图像的自然度设定迭代终止条件,决定是否输出去雾结果。实验表明该算法能够自适应提升不同退化类型、不同退化程度下的雾天图像对比度,且去雾结果的信息熵和清晰度质量评价指标优于已有算法。     

图像雾霾等级评价及去雾技术研究进展

图像去雾技术是对有雾图像进行清晰化处理的一门技术,该技术的任务是去除环境因素对图像质量的影响,从而增强图像的视见度。文章首先对雾霾图像的性质与分类研究进行了论述,并进一步综述了图像去雾技术的国内外研究现状,对直方图均衡化算法,Retinex算法和先验暗通道算法等典型的去雾方法的效果进行评价。总结了各类算法的性能,分析他们各自的优势和不足。最后指出了图像去雾技术的发展趋势和未来展望。     

基于FPGA的视频图像去雾系统的设计与实现

基于FPGA设计与实现视频图像实时去雾系统.该系统基于暗原色去雾模型,直接估算雾的浓度并恢复出高质量的去雾图像,具有并行运算能力强、接口逻辑丰富等特性,为构建实时、便携的视频图像实时去雾系统提供了一种有效、可行的解决方案.实验结果表明,通过合理的硬件架构设计,该系统完全可达到视频去雾的实时处理.     

基于Zynq雾霾天气下的实时车牌识别系统

秋冬时节雾霾天气频发,严重影响了监控系统里的车牌识别精度,迫切需要能够进行实时处理的小型化的嵌入式车牌识别系统。图像去雾目前主要是在PC端进行,实时性低。本文提出一种基于Zynq雾霾天气下的实时车牌识别系统。通过改进去雾算法对颜色空间(HSV)中的亮度分量进行处理,然后通过中值滤波进行去噪,最后将处理后的图像利用车牌识别相关算法进行处理。该系统采用ARM+FPGA异构的方式,PS(ARM)端负责简单算法运算、IP核控制与驱动等,PL(FPGA)端负责需要大量并行运算的算法。通过实验结果对比,该系统能够达到预期的效果,具有实时性、可移植、可嵌入和功耗低等特点,能够满足在雾霾天气下的车牌识别的性能要求。     

多核DSP图像去雾优化方法

数字信号处理器(DSP)专门针对信号处理而设计,以其独特的特点在信号处理、图形图像处理、通信、交通、航空航天等领域得到越来越广泛的应用。在图形图像处理领域中,图像去雾一直是研究热点,开发时多使用Matlab和C语言仿真,将其直接移植到DSP中运行效率通常较低,难以做到实时处理。针对该问题,提出一种快速有效的图像去雾算法,优化算法过程,获得更好的处理结果;利用TI公司的多核DSP和开发工具,对C代码进行实时优化和并行处理,取得很好的优化效果,能够对低分辨率进行图像去雾的实时处理。     

基于暗通道先验的短波红外图像去雾

针对短波红外成像系统在雾霾天气下存在图像质量模糊、分辨率低等问题，本文提出了一种基于暗通道先验理论的短波红外图像去雾算法。本文首先通过改进的暗通道先验得到暗通道图像数据，然后基于暗通道数据对大气光进行估计；为了避免目标局部高亮或细节模糊，采用引导滤波和多尺度Retinex(Multi-scale retinex,MSR)对透射率图进行细化和增强处理，最后结合大气散射模型来反演出去雾图像。实验结果表明，经此算法处理后的短波红外图像在主观视觉和客观指标方面均得到了较好的验证，去雾效果显著、细节特征丰富且明亮度适宜。     

退化图像的去雾方法

由于大气的散射作用,雾天的大气退化图像具有对比度低、景物不清晰的特点,给交通系统及户外视觉系统的应用带来严重的影响.因此,对雾天低对比度图像进行去雾处理有着重要的意义.在大气物理退化模型的基础上,根据雾对景物退化与深度的指数关系,提出了一种去雾算法.该方法仅需单幅退化图像,采用一种景物深度估计法佑算景物深度,并结合运用了亮度调整,最后利用亮度增益曲面对原彩色图像RGB三颜色分量同比增强,保证了色调恒定不失真.实验结果表明:该算法去雾效果显著,操作简单,且色彩自然,速度快,可以实现实时视频去雾的要求.     

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...     

基于改进SRGAN的无人机航拍图像去雾算法

针对航拍图像往往受雾霾天气影响出现图像模糊、细节丢失等问题,本研究提出了一种基于改进SRGAN的无人机航拍图像去雾算法,旨在快速高效地去除航拍图像中的雾霾并恢复图像细节和纹理信息。本文重新设计判别器核心结构SResblock并引入CBAM注意力机制,完成了对原始SRGAN的改进,提出DH SRGAN算法。在VISDRONE户外航拍合成雾数据集上测试结果显示,本算法在单幅图像去雾方面取得了显著提升,去雾后的图像与原始图像PSNR 达2448dB、SSIM 达9529,两项指标均优于传统算法。相比原始SRGAN,DH SRGAN算法更加轻量化,适合嵌入到无人机侦察任务中的图像预处理流程。     

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。