一种改进的雾天图像质量增强算法

暗原色先验去雾和增强算法在处理大范围天空区域时,容易出现颜色异常失真的现象,因此提出一种相应的改进算法.首先,根据天空的特征设定阈值进行区域分割,然后减弱天空的去雾处理,从而基本维持原始自然的视觉效果;接着,通过联合双边滤波对传输函数进行优化,克服了采用软抠图算法的高复杂度;最后,结合最大值与平均值加权对大气光的计算方...     

图像增强算法在车牌图像预处理中的研究与应用

雾天场景下摄像头采集到的车牌图像质量较低,在车牌识别系统中对图像预处理产生较大影响,从而造成车牌定位和识别效果较差。以雾天环境下实际采集的车牌图像为例,分别采用带色彩恢复的多尺度Retinex算法和暗原色先验去雾算法对实际图像增强进行仿真实验。实验结果表明,利用暗原色先验去雾算法对图像进行增强处理,能够提高图像的对比度,实现去雾效果,从而使车牌定位和车牌识别达到更好的效果。     

暗原色先验图像去雾改进算法

针对含雾图像的去雾增强问题,提出基于环境光调节参数的暗通道去雾改进算法,该算法考虑到使用暗原色先验算法在图像中含有较多的类似大气等场景时,会降低图像的去雾效果。首先,在含雾图像中暗原色去雾统一框架中引入环境光调节容差参数,在去雾过程中引入背景因素变化。其次,通过修正参数重新推导出准确透射率函数,并讲其应用于更新的去雾方程。最后,结合对含雾图像一本的统计,获取去雾算法的最优调节参数,该参数可以较好地适应大气环境的影响,在背景变化时可以实现对去雾效果的自适应处理。实验表明,算法可以在去雾过程结合环境背景因素的变化,在天空前景交界处能够明显改进图像去雾的效果。     

基于天空区域分割的输电通道图像暗原色去雾方法

输电通道的实时监测系统会受到恶劣天气情况的影响,尤其是北方冬季有雾天气较频繁,因此,去雾处理是实时监测系统的重要预处理环节.针对图片中存在大量天空区域或白色物体会导致原方法失效的问题,在暗原色先验方法的基础上开展研究,提出了基于天空区域分割的改进方法,获取了优化后的大气光值和透射率值,从而实现了有雾天气下的有效监测.经...     

基于物理模型的自适应快速单幅图像去雾方法

为提高雾天条件下降质图像的清晰度和色彩保真度,提出一种基于物理模型的自适应快速去雾方法。该方法求取暗原色的窗口选择为最小,并根据暗原色粗估计透过率,采用改进的增加补偿函数的双边滤波做优化,且对双边滤波中敏感的参数作自适应估计,最后通过物理模型恢复图像。实验结果表明,对于单幅图像在确保去雾效果的前提下,降低了算法的复杂度,且没有光晕效应。     

一种改进的暗原色单幅图像去雾方法

暗原色先验方法可以较好地处理单幅图像去雾,但对理图像中的灰白区域处理效果不好。通过分析暗原色先验原理,得出了暗通道图像和雾的透射分布率以及雾的浓度系数的关系,提出了一种结合峰值信噪比和暗原色优先法则的去雾方法。由实验结果分析,该方法能够更清晰的表现去雾后图像的细节,并且一定程度上克服了原方法在处理图像中灰白区域效果不佳的弱点。     

基于暗原色先验的Retinex去雾算法

针对雾天图像去雾问题,提出了一种基于暗通道先验理论的Retinex算法。首先利用引导滤波估计图像透射率优化暗通道先验算法,获取初步去雾图像并对去雾图像进行空间转换;在转换后的HIS空间中建立高斯尺度参数与透射率的指数关系,重新构造高斯滤波核并根据MSR算法对近处景物做大尺度变换以增强颜色保真性,对远处景物做小尺度变换以增强图像细节显示,实现根据景深大小完成自适应MSR算法以优化图像亮度分量I;对饱和度分量S进行自适应线性拉伸以优化图像色彩,最后由HIS空间重新转换为RGB空间得到最终增强图像。实验表明:与几种典型的图像去雾算法相比,经基于暗通道先验理论的Retinex算法处理后的图像清晰度和对比度提升明显,同时获得很好的图像色彩层次感。     

基于天空区域分割和条件约束优化的图像去雾研究

针对雾天环境中成像设备拍摄的景物容易出现图像模糊、目标丢失、成像质量差等而引起图像识别率下降的问题,提出一种基于天空区域分割和条件约束优化的图像去雾方法,解决使用暗原色先验理论技术进行图像去雾而导致的天空区域出现晕圈和失真的现象.对图像进行预处理后,将图像划分为天空区域和非天空区域,用灰度直方图估计环境光,利用已知条件对非天空区域的透射率进行合理约束,通过自适应增加天空区域透射率的方法,避免天空区域出现严重的颜色失真现象,合并之后对这两部分的透射率进行滤波细化.结果表明:对于含有天空区域的雾天图像,使用本文算法去雾后的图像轮廓和细节上都有较大改进,能够达到去雾目的.这对于提高成像设备在雾天环境中的工作效率具有重要意义.     

结合金字塔技术的暗原色先验快速去雾方法

针对在雾霾天气下无人机航拍的视频图像对比度和色彩保真度差等问题,传统的暗原色先验方法虽然有较明显的去雾效果,但算法复杂度高、耗时长、无法满足实时性需求。本文提出一种基于金字塔技术的快速去雾方法,首先利用高斯金字塔将原始有雾视频图像降采样,然后将降采样后的图像通过暗原色先验的方法去雾处理,最后再采用拉普拉斯金字塔将结果图升采样为无雾视频图像。通过实验结果表明,本文方法在保证去雾效果的同时,提升了场景复原的速度。针对航拍视频场景,能较好地满足实时性要求。     

结合自适应暗通道先验和图像融合策略的单幅图像除雾方法

为解决暗通道先验统计学模型在一些情况下存在“光晕效应”、颜色偏暗和在雾浓度高区域处理效果不佳等问题,针对暗通道先验方法进行改进,并结合图像融合策略来增强可视化区域的视觉效果.利用像素块加权插值法来计算每个像素点的暗通道值,进而消除软抠图或导向滤波方法所带来的光晕效应;利用高斯模型对待恢复图像的暗通道像素值进行模拟,从而自适应地恢复天空和其他明亮区域;通过图像融合策略增强高浓度区域的图像信息.实验结果表明,与其他几种经典算法相比,改进方案不仅能够显著提高有雾图像的可见度,而且具有更好的鲁棒性.     

利用分割中值滤波和透射率补偿的图像去雾

为了增强雾天退化图像的质量,提出基于分割中值滤波和自适应透射率补偿的单幅图像去雾方法．首先提出分割中值滤波策略,通过对“暗通道先验+引导滤波”去雾方法估计的透射率进行滤波,去除其中不必要的纹理细节,同时保留深度突变的边缘信息;然后提出自适应透射率补偿方法,无须进行天空分割,而通过构造补偿函数对透射率进行提升,以校正明亮区域的色彩失真;同时给出简单有效的函数参数自动确定方法,提高了算法的适应性．由实验结果可以看出,该方法通过精确估计透射率,有效地增强了去雾图像的对比度,改善了天空区域的颜色失真．同时该方法适应性较强,对包含和不包含天空的图像,都可得到更为清晰的去雾结果．     

融合大气光值-图估计的无人机航拍图像去雾

针对现有去雾算法大都存在复原图像亮度低、天空明显色彩失真等问题,提出了一种融合大气光值-图估计的无人机航拍图像去雾方法。首先,根据颜色衰减先验理论获取景深图像,将景深图像内偏差最小区域均值作为大气光值;其次,设计了一种自适应随机游走聚类方法用来估计大气光图,通过自适应随机游走算法将图像聚类为N个子区域,对子区域前0.1%像素求均值作为区域大气光值,将区域大气光值组合并通过引导滤波对其进行细化,获得大气光图;然后,通过融合大气光值-图估计方法将两种大气光估计融合为新的大气光图,作为更加准确的大气光估计;利用雾霾线先验方法获得透射率,同时提出一种暗补偿方法对其进行优化,提高透射率精度;最后,根据大气散射模型,利用求得的融合大气光图和优化透射率,得到清晰的复原图像。实验结果表明,相对于比较算法,提出的算法的复原图像在信息熵、平均梯度、模糊系数及对比度上分别提升1.1%、6.3%、8.5%、6.4%,主观视觉效果更好,信息更加丰富。     

Superpixels-based golden dark channel for single image fog removal

Fog and haze can cause serious image degradation. In the light of the limitations of dark channel theory, the fog concentration is supposed to be constant locally, and the effectiveness of dark channel prior decays exponentially as the depth increases. Based on this, we propose a superpixels-based golden dark channel algorithm for single image fog removal. Small regions are obtained by superpixels in which the fog concentration and the depth remain constant. The golden dark channel is computed in these regions. The resulting transmittance remains constant and is finer and more precise. This method can suppress the “Halo effect” which occurs in depth mutation. Moreover, An iterative strategy is employed to gradually reduce the overall density of fog, making the residual amount of fog satisfy the golden section after each iteration. Further, the golden section is used to simplify the tolerance value and deal with the color cast problems in the sky region where the depth is infinity. Experimental results show that the algorithm can effectively improve the image of visibility, and performs even better when the fog concentration is greater.     

基于双容差机制的快速暗原色理论雾天图像增强算法

针对经典暗原色理论算法在处理雾天图像时出现的色调和亮度失真问题,提出了一种基于双容差机制的快速暗原色理论雾天图像增强算法.该算法首先通过容差机制分割图像,并根据阈值判断图像的明亮和非明亮区; 然后引入改进的高斯平滑滤波对透射率图像进行平滑处理,以此优化透射率图像; 最后通过引入容差机制对透射率图像进行修正,以此得到更加清晰的图像.将本文方法与经典的暗原色算法进行对比表明,本文方法在亮度、颜色保真度和时间效率上均优于暗原色算法,因此本文方法可为雾天图像的处理提供参考.     

先验信息辅助的运动模糊星图星点提取方法

星敏感器处于高动态环境时所拍摄的星图会出现运动模糊现象,这将会严重影响星敏感器的星点提取精度.针对上述问题,提出了一种基于先验信息直接对高动态环境下的运动模糊星图进行星点提取的方法.首先,利用惯性导航系统和星敏感器的姿态先验信息预测当前运动模糊星图上的星点粗略坐标,将其作为“种子”点进行局部区域生长而获得运动模糊星图上的星像范围;然后,基于惯性导航系统的角速度输出估算星像运动轨迹长度并利用质心法计算星点坐标,根据星像运动轨迹长度与质心法提取误差之间的关系建立运动模糊星图星点提取误差修正模型;最后,基于上述模型对星点坐标进行修正,得到精度较高的运动模糊星图星点坐标. 仿真结果表明,相比于先对运动模糊星图进行复原再提取星点坐标的方法,本方法不仅能保证高动态环境下星敏感器的星点提取精度和较好的抗噪性能,同时还能大大减少星敏感器对运动模糊星图的处理时间,这有助于保证星敏感器的数据更新率不受高动态环境太大影响.     

一种新的NSCT超分辨率图像复原技术

考虑到非下采样Contourlet变换具有多尺度性和多方向性,提出了一种基于非下采样Contourlet变换的图像复原算法.首先对给出的序列低分辨率图像进行图像配准,对配准图像进行非下采样Contourlet变换,分解成低频及高频部分,对低频和高频分别采取不同的融合策略进行融合,再对融合后的高频和低频进行非下采样Contourlet变换逆变换得到融合图像.对融合后的图像再进行非下采样Contourlet变换,分别对高频细节和低频进行插值,再经非下采样Contourlet逆变换复原成高分辨率的图像.实验表明,该算法在主观效果和客观评价上均优于传统复原算法,是一种可行的图像复原新算法.     

一种自适应暗通道先验去雾算法

基于暗通道先验的图像去雾算法是一种简单有效的图像去雾算法,但该算法在处理较高分辨率的图像时,时间复杂度较高,复原后的图像亮度偏低,且在处理具有大面积白色明亮区域图像时存在色彩失真的问题。针对这些问题,本文提出了改进的自适应暗通道先验去雾算法,新算法引入自适应的指导滤波法代替原算法中的软抠图法,提高算法的计算效率的同时获得最优滤波窗口半径。同时,新算法还通过改进透射率图估计方法,弱化对明亮区域的去雾处理,避免过增强,并调整图像亮度,优化去雾结果。通过合成雾图和真实场景雾图实验验证了新算法的有效性。合成雾图实验中采用全参考评价方式,在清晰的无雾场景上模拟雾的形成,计算加雾前与使用不同算法去雾后图像的绝对差值进行比较。真实场景雾图实验中,采用基于人类视觉感知的CNC(Contrast-naturalness-colorfulness)综合评价体系,计算同一雾图在不同算法去雾后图像的CNC指数。实验结果表明,在相同图像分辨率条件下,本文提出的自适应算法不仅去雾后图像视觉效果更加理想,而且处理时间大为减少。     

基于规一化割的声呐图像谱抠图分割

针对目前谱图理论应用于声呐图像分割时,效果不够理想的问题,提出一种结合Ncut和谱抠图的声呐图像分割方法.该方法首先通过形态学变换对声呐图像进行预处理,降低复杂背景对分割结果的影响;其次,引入数字抠图技术,通过改变Ncut算法中的拉普拉斯公式得到用于分割的图像透明度估计;最后,通过透明度处理得到最终的声呐图像分割结果.仿真实验证明了所提算法的有效性,与传统的谱图分割方法相比,没有对声呐图像的背景进行分割,并准确提取出了目标区域,得到了更理想且更细致的声呐图像目标分割结果,有利于后期识别.