基于YUV色彩空间的暗原色单幅图像去雾改进算法

为得到更清晰的复原图像,提出了一种基于暗原色先验理论图像去雾的改进算法。先将原始雾天RGB图像转化到YUV色彩空间,在Y(Luminance)通道中,对像素点进行区域划分,只使用属于同一区域的像素点来计算该方块的暗原色,同时在Y通道计算大气光值;最后,通过修正复原图像的计算公式,来校正亮区域色彩失真。与基于引导滤波及RGB色彩空间的暗原色去雾算法相比,本文算法具有更好的去雾效果。     

基于Wiener滤波的快速视频去雾算法

雾霾环境会极大的降低视频中事物的能见度。针对于目前去雾算法存在运算复杂度大、处理时间长的缺点,提出一种基于Wiener滤波的快速去雾算法,首先获取暗原色模型,通过Wiener滤波自适应获取透射率分布图并进行初级及深度去雾,最后通过自适应对数变换进行亮度调整,得到去雾后图像。实验证明,相比现有的先进方法,本文的算法具有处理速度快和去雾效果好的优点。     

基于半反图像的透射率优化降雾算法

传统的暗原色先验图像降雾算法在处理不满足暗原色先验假设的明亮区域时,估计的透射率不准确。从而导致降雾后的图像色彩出现较大偏差。针对这一不足,本文提出了一种基于半反图像的透射率优化降雾算法。该算法通过明亮区域检测来获取大气光,然后用自定义函数对图像中明亮区域透射率进行修正,最后利用引导滤波器优化初始透射率,恢复出清晰的降雾图像。实验结果表明,该算法可以有效地处理图像中不满足暗原色先验假设的明亮区域,提高了户外视觉系统的鲁棒性。     

一种快速的单幅图像去雾算法

为了解决基于暗原色先验的单幅图像去雾算法运行效率低,以及去雾后在图像的明亮灰白区域存在图像色彩失真的问题,提出一种快速有效的单幅图像去雾算法.该算法基于HSI色彩空间进行粗略的透射率以及大气光的估计;然后,用导向滤波对粗略的透射率进行平滑,再利用阈值法对灰白明亮区域的透射率进行修正,得到最终的透射率;最后,进行色彩调整得到复原图像.实验结果表明,本文算法具有很高的运行效率,能有效提高复原图像的清晰度和对比度.     

基于自适应指数加权移动平均滤波的快速去雾算法

经典的暗原色先验去雾算法易丢失图像细节信息,基于保边滤波的去雾算法虽可以有效保护图像细节,却耗时较长。针对以上问题,提出一种能够很好地保护图像边缘细节且耗时较短的自适应指数加权移动平均滤波算法,并与改进的暗通道结合,实现快速去雾。首先,对暗通道加以改进并求得透射率粗分布;再利用自适应指数加权移动平均滤波算法对透射率进行优化;之后修复明亮区域透射率,避免颜色失真;最后通过变换大气散射模型求解得到去雾图像。实验结果表明:本文算法具有很快的执行速度,且经本文算法处理后的去雾图像质量较高,在有效边缘强度、色彩还原能力、结构信息这三个无参考客观评价指标下均表现不错。     

基于暗原色优化算法的去雾研究

针对基于传统的暗原色先验去雾算法中,由于某些场景下的雾天图像存在大面积明亮区域无法满足暗原色先验的假设,导致去雾效果不佳。文中就此问题提出了一种改进的去雾算法,基于McCartnet的理论建立大气散射模型,根据暗通道理论粗略估计透射率,之后引入容差参数并设置阈值,重新计算明亮区域的透射率,从而实现对明亮区域透射率的自校正。针对于复原图像色彩较暗的问题,采用改进的线性亮度调整方法来调节图像的亮度。实验结果显示,相较于原算法而言,改进算法可以有效的对大气光值进行估计,降低明亮区域的色彩失真,复原的图像可以保持足够的亮度,同时不丢失图像的细节,视觉效果显著提高。     

基于暗原色与逆暗原色融合的含明亮区域图像去雾

针对暗原色先验模型对于图像明亮区域不适应,暗原色估计偏大,导致透射率估计偏小,出现色彩失真现象,本文介绍一种新的暗原色修正方法。提出一种逆暗原色概念,将雾化图像的暗原色与逆暗原色进行融合处理得到一种新的修正暗原色,从而获得比较真实的明亮区域透射率,有效消除了明亮区域的色彩失真。以有效细节强度、色调还原程度、结构信息及综合测评作为图像质量评价指标,与目前流行算法进行对比实验,本文算法的色调还原程度指标平均值提高41.1%,综合测评指标平均值提高48.7%。实验结果表明,本文算法在改善明亮区域色彩失真及提高去雾图像总体质量方面优于目前流行算法。     

结合图像分割的暗原色先验去雾算法

基于暗原色先验规律的图像去雾算法在进行暗原色通道计算时,用固定区域会造成介质透射率估算的不合理,从而导致最终去雾效果细节不清晰和在较远景深场景模糊的现象。采用基于图论的分割算法来确定取暗原色通道的区域,能根据景深的变化自适应地改变区域大小,避免了固定区域求取暗原色的带来的介质透射率估计不合理问题。通过实验分析和验证,证实了该算法能有效地改善雾天图像的退化现象和提高图像清晰度。     

基于天空约束暗通道先验的图像去雾

针对现有暗通道图像去雾算法存在的天空色彩失真,景物边缘光晕效应等问题,本文提出了基于暗通道理论的改进去雾算法.由于暗原色先验理论不适用于天空区域,本文将引导滤波用于天空区域的细化分割,准确估计包含天空区域图像的大气光照强度,解决了天空色彩失真问题;其次,利用中值滤波得到详细边缘信息,进而得到更为清晰的透射率,有效抑制了景物边缘光晕问题;最后针对去雾后图像偏暗的问题,在HSV空间对亮度分量V通道进行增强处理.实验结果表明,针对带雾图像,本文算法能够有效地去雾,改善天空区域色彩失真以及景物边缘光晕问题.     

一种基于图割的图像去雾方法

暗原色先验去雾方法在户外场景图像去雾方面取得了一定的去雾效果,但该方法在估计近景局部高亮物体透射率时会产生严重误差。本文针对暗原色先验方法的不足首先利用图割理论对粗透射率图进行分块,并使用指导滤波器对细化透射率图进行校正,最后将校正的透射率图带入有雾图像成像模型求得清晰无雾图像。通过将基于暗原色先验的方法、局部对比度最大化的方法和本文中的改进方法进行了实验并对实验结果进行了分析,结果表明本文中的图割分块校正透射率的方法能够更有效地复原因雾霾影响的单幅降质图像。     

结合区域生长与容差机制的暗通道去雾算法

针对传统的暗通道先验算法在处理带有大面积天空区域的有雾图像时出现明显的块效应、色彩失真和亮度偏低等问题,提出了一种结合区域生长与容差机制的去雾算法。首先通过灰度图腐蚀求出暗通道;接着利用种子区域生长法分割出天空区域,并把天空区域的平均灰度值作为大气光值估计;然后结合大气散射模型得到粗略的透视率,并采用改良的容差机制和引导滤波对透视率进行修正和细化;最后,引入Retinex法对图像进行后处理,进一步调整色彩和亮度。实验结果表明,本文提出的去雾算法对带有天空区域的图像去雾效果明显,天空区域的色彩有了显著改善,图像整体清晰明亮。     

Image restoration algorithm based on compensated transmission and adaptive haze concentration coefficient

Aiming at the drawbacks of traditional dark channel prior,which was prone to distortion and Halo effects in the bright areas,a haze image restoration algorithm based on compensated transmission and adaptive haze concentration coefficient was proposed.First of all,a Gaussian function was used to fit the attenuation relationship between the haze and haze-free image,and the compensation transmission was set to correct the initial transmission.Then the characteristics of haze was analyzed,the concept of brightness entropy was introduced and the bright channel operation was performed to acquire entropy value with pixel by pixel.Combined with the Gaussian pyramid to extract texture features,the haze distribution map was obtained.An adaptive transformation was established to seek the haze concentration coefficient and get the accurate transmission.Finally,the recovery results were restored by improved atmospheric light value and atmospheric scattering model.Experimental results show that the recovered image has better color and detail,the degree of dehazing is thorough,the brightness is appropriate,and the effect is clear and natural.     

Adaptive single image dehazing method based on support vector machine

A dehazing method often only shows good results when processing the image for a certain haze concentration. So an adaptive hazy image dehazing method based on SVM is proposed. The innovation points are as follows: Firstly, combining the characteristics of the degraded images of haze weather, the dark channel histogram and texture features of the input images are extracted to form the feature vectors. These are trained by supervised learning through SVM algorithm to realize automatic binary classification of images; Secondly, the defined dehazing methods are called to process the classified result as a hazy image and the same quality evaluation indexes are used to evaluate each image output by different dehazing methods. Then, it outputs the highest evaluation image after haze removal. Finally, the output image is classified again by SVM until the image reaches the clearest it can be. The experimental results show that the proposed algorithm exhibits good contrast, brightness and color saturation from the visual effect. Also the scene adaptability and robustness of the algorithm are improved.     

基于双通道及图像质量评价模型的去雾方法

针对传统暗通道先验去雾算法易产生明亮区域失 真、去雾图像整体偏暗等问题,提 出一种基于双通道及图像质量评价模型的去雾方法。首先,划分出图像的明亮区域与非明亮 区域;其次,利用双通道先验算法准确估计出大气光值;接下来,将暗通道先验的透射率作 为非明亮区域的透射率,在明亮区域单独构建透射率,将二者融合细化,得到带有参数的透 射率;最后,通过构造参数驱动图像质量评价模型,迭代选取最优的无雾图像。实验结果表 明,算法去雾效果良好,可以有效地抑制Halo效应,避免区域的失真,改善复原图像 的综合质量。     

一种改进的容差机制图像去雾算法

针对经典容差机制图像去雾算法存在的对部分明亮区域透射率提升力度不够,难以彻底消除色彩失真问题,本文提出一种改进算法。将原算法中对明亮区域透射率根据容差进行双曲线提升修正变为线性提升修正,使透射率平稳提升,并适当增大了透射率提升力度,有效消除色彩失真。以方差和色调还原度作为图像去雾的客观质量评测指标,与暗原色先验算法和经典容差机制算法进行对比实验。实验结果表明,本文算法在改善明亮区域色彩失真及提高图像去雾效果方面优于对比算法。     

基于改进暗通道算法的红外图像去雾研究

为了提高红外图像去雾的质量,采用改进暗通道算法。首先通过图像自身调节来获得较准确的大气光强,利用原图暗原色图以及亮原色图的调节因子得到更加接近图像真实值的大气光强;然后均方差判断去雾图像区域块的对比度,通过透射率伸缩系数和透射率增减系数来调节透射率;接着为避免去雾图像画质偏暗,通过灰度值大小对图像亮度进行校正;最后给出了算法流程。实验仿真显示本文算法没有色彩失真现象,边缘细节处理更清晰明亮,平均梯度值最少为6.0,信息熵最少为7.5,峰值信噪比最少为17.6dB,能够满足红外图像去雾对清晰度、信息量的要求。