基于暗通道的图像去雾改进算法

针对传统暗通道去雾算法对有雾图像处理后存在的颜色偏差问题和在天空区域与非天空区域上去雾的效果存在较大差异的问题,提出一种基于暗通道的图像去雾改进算法。该算法在大气光值与透射率值的计算上进行了相应的改进,首先通过暗通道相关的概念及其原理的计算得到原始输入图像的暗通道图,通过计算的最优阈值将原始图像分为天空区域和非天空区域两部分,然后在两部分不同的区域上分别使用不同的方法得到大气光值的估计值并且计算出透射率的值,再将得到的初始去雾图像通过导向滤波对得到的图像进行去噪,最后得到清晰的去雾图像。实验结果显示：本算法更能有效地展示图像的真实情况,避免其他环境因素的干扰,具有一定的优越性。     

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。     

一种改进的基于暗通道先验的图像去雾算法

雾霾天气造成图像采集设备无法获取足够清晰的图像,为之后获取图像中的有效信息带来很大困难,由此对图像进行去雾处理显得尤为重要。暗通道先验去雾算法对大多数自然场景图像有着较好的去雾效果,但暗通道先验规律并不适用于天空区域,造成去雾后图像的天空区域颜色失真严重。针对这一问题,本文提出一种基于天空区域分割和HSI颜色空间模型的暗通道先验去雾算法。首先,运用RETINEX算法增强有雾图像的边缘信息,对增强后的图像进行canny边缘提取,同时结合形态学方法精确分割出天空区域;其次,在天空区域选取准确的大气光值,将图像中的天空区域转换到HSI颜色空间进行处理,并只对亮度分量进行改进的暗通道去雾处理,保留原图像色调和饱和度信息;最后,对非天空区域进行暗通道去雾,完成整幅图像的去雾。实验结果显示,该方法很好地解决了天空区域颜色失真和噪声增加的问题,使去雾后的图像更加清晰自然。     

基于二进制掩码的单幅图像天空区域识别去雾算法

针对暗通道先验去雾算法处理得到的去雾图片存在颜色失真、偏移等问题,提出了一种基于天空区域识别的改进算法。首先,利用区域窗口自适应最小化滤波器获得暗通道图像,并使用二进制掩模图进行天空区域识别。其次,对天空区域进行透射率和大气光值的设定,同时引入引导滤波器对透射率图进行优化,避免了图像恢复时天空部分色彩失真的问题。最后,利用大气散射模型对原始图像进行复原。实验结果表明,本算法能够有效对图像中天空等明亮区域进行去雾,使处理后的图像具有良好的视觉效果。     

明亮区域的暗原色先验算法

针对暗原色先验算法在处理含有大面积明亮区域的有雾图像时,复原图像会产生严重色彩偏移的不足,提出了一种基于像素点的透射率修正方案.在分析暗原色先验去雾原理以及复原图像色彩偏移成因的基础上,对去雾模型进行推导,使用暗通道亮度与大气光数值接近度及像素通道间数值接近度作为明亮区域判定机制,得出更具普适性的透射率求取方法.明亮区域采用容差机制纠正错误估计的透射率,非明亮区域仍采用原透射率求取方式,并首次将改进算法应用到雪天模糊图像清晰化中.实验结果表明,改进算法使去雾图像清晰自然,可有效修正色彩失真.     

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．     

基于线性变换的自适应透射率去雾算法

针对现有图像去雾算法在天空或高亮区域透射率估计不准确的问题,且复原图像色彩失真以及细节丢失严重等情况,提出了一种基于线性变换的自适应透射率去雾算法。首先将输入图像转换至Ycbcr空间提取亮度分量,并构造反S型函数对其进行尺度压缩,以此减弱高亮像素的影响;然后利用线性变换模型对压缩后的亮度分量进行增强处理,使用高斯函数对亮度分量进行卷积操作得到自适应控制参数;结合线性变换模型和自适应控制参数逼近无雾图像最小颜色通道操作,进而得到精确的透射率估计值;最后利用大气散射模型和局部大气光值逆向求解出复原图像。在实验验证环节中,采用可见边、平均梯度、饱和像素点和结构相似性作为客观评价指标。客观数据表明,所提算法的各项指标均取得优势。在主观效果方面,所提算法可以准确估计出透射率,有效去除图像雾气干扰并改善天空或明亮区域色彩失真的现象,提高图像可视度,复原出更多细节和边缘信息。     

一种基于自适应大气光和加权引导滤波的夜间图像去雾算法

夜间图像去雾对于夜间场景下无人驾驶、交通安防等有重要的工程应用价值。针对暗通道先验算法在夜间雾天场景下的失效问题,提出一种基于自适应大气光和加权引导滤波的夜间图像去雾算法。该算法首先基于图像亮度和饱和度联合求取信道图,并将信道图作为引导图对原图像进行引导滤波得到大气光分布图,为解决暗通道先验在图像亮区域的失效问题,引入亮通道先验矫正亮区域的透射率,为优化亮、暗通道透射率的融合,建立一种基于分段伽马矫正的融合权值计算方法,用于亮区域透射率的权值计算,并利用该透射权值加权得到图像的初始透射率;然后利用加权聚合引导滤波代替引导滤波细化初始透射率,通过基于相似度为滤波中心像素的邻域像素赋予权值,并在滤波聚合阶段采用加权聚合代替均值聚合,解决引导滤波弱化细小纹理而引起的边缘模糊问题;最后将复原图像转换到HSV空间,对亮度分量V进行均衡化调整,并对均衡化前后的图像进行线性加权获得最终复原结果。实验结果表明,所提算法大气光分布图估值合理,可有效反映夜间多光源场景下的大气光分布情况,图像亮、暗区域透射率计算准确,复原图像去雾彻底、纹理清晰,与经典算法对比显示,复原结果的峰值信噪比、信息熵、平均梯度和方差的最大提升幅度分别为49.4%、18.3%、172.3%、115%,综合指标优于所对比的算法。     

基于引导滤波和暗原色先验理论透射率估值的视频去雾算法

针对雾天条件下户外采集的图像严重退化问题,解决传统的暗原色先验理论算法出现的边缘残雾、天空区域去雾效果欠佳、实时性差和鲁棒性差等问题,提出去雾效果显著的实时视频去雾算法.对大气光散射模型进行改进,以引导滤波后的灰度图作为大气光估计图;利用四叉树法和暗原色先验理论（DCP）在暗原色图中寻找浓雾区域,求得透射率估计值;利用改进的大气光散射模型复原图像.通过大量实验表明,复原出的图像去雾效果彻底,色彩鲜艳亮丽,天空区域不会出现彩色失真,景深变化大的地方不会出现白边现象,对于不同浓度的雾都有着较好的去雾效果,处理速度快且稳定,适合于实时视频去雾.     

改进的海雾图像去除方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题,提出了一种改进的图像去雾方法,应用于海上含雾图像处理中。首先,获取含雾图像的暗通道及最小值图像,将含雾图像转换到HSV颜色空间计算各个像素点的颜色衰减率,对其按降序排序取前10%中的最小值作为亮暗部分界阈值,据此计算出HSV暗部图像区域(I_(HSV_dark))。通过引入变差函数来判断像素点是否来自于高亮区域,并获得基于变差函数的变差暗部图像区域(I_(VAM_dark))。对两个暗部图像区域做并运算,得到用于估计暗区域大气环境光值的暗部图像I_(dark)。将像素值进行递减排序,选取前1‰的像素点所对应雾化降质图像像素点集合的平均值作为A_(dark)的值。其次,提出一种基于多级权重相对总变差模型的去纹理方法,对最小值图进行滤波作为粗估计的透射率图,并使用透射率函数对其进行调整,弱化亮部图像的去雾,增强暗部图像的去雾。最后,提出一种最小方差中值引导滤波算法对调整后的透射率进行优化,根据雾天图像降质模型得到复原后的清晰图像。实验结果表明,提出的算法与基于暗通道先验理论以及融合变差函数和形态学滤波的去雾算法相比,获得的复原图像信息熵、平均梯度、对比度及雾霾浓度评价指标(FADE)等指标均有显著提升,更加清晰。