单幅图像中值暗通道先验去雾的改进算法

为解决传统基于暗通道先验(DCP) 的单幅去雾算法在景物边界处出现的白边现象及高计算复杂 度,在中值DCP(MDCP)法的基础上提出一种改进算法。首先通 过判断RGB三颜色通道的最小值与 中值暗原色的差值绝对值的大小判断DCP法或MDCP法是否成立:当DCP法成立时 , 取较大窗口的暗原色值作为最终的暗原色值;当DCP法不成立而MDCP法成立时,取两种 窗口中中值暗原色值较小的值作为最终的暗原色值;当DCP法和MDCP法都不成 立时,取 较小窗口的中值暗原色值作为最终的暗原色值。然后在HSI色彩空间保留色调分量不变,仅 对强 度分量运用修改的暗原色值进行去雾。最后,对饱和度分量进行颜色补偿。本文算法无需 图像后期 修补。实验结果表明了本文改进算法的可行性和有效性。     

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.     

一种基于暗通道先验的快速图像去雾算法

目前针对单幅图像去雾处理,暗通道先验算法具有较好的效果,但处理时间长,需要很大的储存资源与计算资源.本文在暗通道先验算法基础上提出一种快速去雾算法,首先用"边缘替代法"代替原算法中的抠图处理,显著降低了计算复杂度;然后针对明亮区域暗通道失效情况,提出了一种基于双阀值的明亮区域识别方法和透射率修正机制,提高了暗通道先验的适用范围;最后对去雾图像再采用非线性对比度拉伸进行增强处理,改善了去雾图像的视觉效果.实验表明:本文算法不仅极大地降低了计算复杂度,而且去雾能力优于原算法.     

基于暗通道先验图像去雾的方法改进

基于暗通道先验的规律在单幅图像处理中取得了很好的效果,但是在计算较高分辨率的图像时会消耗大量的内存,而且需要很长的计算时间。针对这一问题,文章提出通过小波变换提取图像的低频信息和高频信息。由于有雾图像的雾气信息主要集中在低频带区域,所以只需要对低频部分进行暗通道先验去雾,再和高频信息进行重构即可恢复无雾清晰图片。这种方法大幅减少了去雾的计算量,同时也减少了内存的消耗,而去雾效果和暗通道先验去雾差别不大。     

基于暗通道先验的图像去雾算法改进

为了实现基于物理模型的图像复原去雾算法,文中提出了一种改进的基于暗通道先验的图像去雾算法。介绍了雾天图像退化模型和基于该雾天图像退化模型的几种去雾算法。详细介绍了何恺明提出的基于暗通道先验的去雾算法,该算法在估计光线传播图时使用的基于导向滤波的软抠图非常耗时,经过改进,直接使用景深估计光线传播图,算法运行时间大大减少。最后,使用MATLAB对改进的去雾算法进行仿真,并与原算法的运行时间进行比较。结果显示新方法对光线传播图的估计可靠,运行时间对比改进前大约下降60%,实时性大大提高。带有天空的有雾图像去雾后色斑和光晕大幅减少,取得了很好的效果。改进的去雾算法运行速度快、去雾效果好,新提出的光线传播图估计方法可靠,并且去雾过程中得到的光线传播图可以用于其他应用。     

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。     

尺度自适应暗通道先验去雾方法

在雾、霾等天气条件下,大气粒子的散射作用使环境的能见度偏低,视觉系统采集到的图像严重降质。基于暗通道先验的图像复原方法因其去雾效果自然、约束条件少,且易于实现等优点而受到广泛关注。但是,该方法的去雾效果受尺度（暗通道的求解半径）影响很大,对于不同场景的图像,不存在一个普遍适用的最优尺度。针对该问题,文中提出一种尺度自适应方法,根据图像的颜色和边缘特征自适应地调节暗通道的尺度范围,得到像素级的暗通道求解尺度,兼顾大尺度求解色彩失真小和小尺度求解光晕失真小等优点。此外,针对暗通道去雾方法会使天空光估计点落到前景区域的问题,提出了一种改进的天空光估计方法,可使估计点鲁棒地落到与其物理意义相符的背景区域。对多种雾化场景图像的处理结果表明:文中方法适应性强、去雾效果自然,且对比度提升显著。     

基于暗通道先验的图像去雾优化算法

暗通道先验算法虽然在单幅图像去雾方面取得了一定的效果,但是该算法运行时间较长,另外对环境光的计算不太准确,不适用于天空区域,会导致复原图像色彩失真、亮度偏暗。针对这些缺陷,本文提出一种改进的White Patch Retinex算法,对原有图像去雾算法进行优化。首先,通过改进的White Patch Retinex算法计算出环境光。其次通过暗通道先验算法获得透射率。最后根据得到的环境光和透射率,求解大气散射模型,从而得到去雾后的图像。实验结果表明,该算法不仅运行时间较短,对分辨率为600×800的图像处理时间平均为5 s左右,且能解决天空区域失真问题,去雾后的图像具有较高的亮度和对比度。     

结合暗通道的自适应MSRCR图像去雾算法

针对传统Retinex图像增强算法在图像去雾中无法对雾天图像实际情况进行去雾,导致增强后的图像出现光晕效应和细节丢失等问题,提出一种结合暗通道先验理论和引导滤波方法的自适应的多尺度Ret-inex图像去雾算法.利用子块平移部分重叠法将雾天图像进行分块处理;通过分析雾天图像的透射率和引导滤波尺度的相关性,利用最小二乘法构...     

一种暗通道先验去雾后图像参数的调节方法

针对在暗通道先验去雾方法中图像亮度随着去雾深度加深而降低的情况,分析了导致图像亮度降低的原因,并结合户外自动白平衡的有雾图像,提出了一种采用图像能量回补来调节图像参数的方法,以此来提高图像亮度和对比度.实验结果表明,通过对去雾后图像损失的能量进行回补,对于不同的去雾深度,图像的亮度和对比度都能得到较好的调节.     

暗原色先验自适应图像去雾方法

针对传统暗原色先验去雾算法存在的亮区域色彩失真、去雾参 数人工设定等问题,提出了一种基于暗原色先验改进的自适应图像去雾方法。首先,提出快 速OSTU法对雾霾图像亮暗区域进行自适应分割,并分区域获取亮暗区域的暗原色值;其次, 根据亮区域分布情况,对不同区域大气光强进行自适应估计;接着,通过分析雾霾图像直方 图特征,提出采用灰度集中度法自适应计算去雾系数;然后,运用色阶自适应调整方法进行 输出图像的色彩调整;最后,通过开展对比实验,验证了本文算法的优越性。主客观 评价结果表明:本文方法无需人为设定去雾参数,具有较好的 鲁棒性,可适用于多种浓度、 各种场景雾霾图像的去雾处理,获取的图像清晰、色彩自然,对比度高。     

基于自适应阈值改进暗通道先验图像增强技术

基于暗通道先验的图像增强技术在图像的去雾和增强方面具有较好的图像增强效果.针对基于暗通道先验图像增强算法在处理有雾图像存在大面积白色高亮区域时出现的失真,提出了基于自适应阈值的改进暗通道先验算法.该算法在对图像进行直方图统计的基础上,先判断图像是否存在大面积白色高亮区域,并对区域的面积进行标识和统计,得到自适应系数β,再利用该系数对暗通道先验算法进行修正,最终进行对比度增强实现图像的去雾增强效果.实验结果表明,该方法能够有效消除图像去雾过程中出现的失真,提升图像质量,具有较高的实用价值.     

基于非局部先验的雾线优化图像去雾算法

针对非局部先验去雾算法中雾线端点像素位置精确度不足的问题,提出了雾线优化的非局部先验图像去雾算法。首先分析雾线理论,结合暗通道理论确定最大聚类雾线真实端点,以其为已知条件补偿小聚类雾线端点与大气光之间的距离,根据类内不同像素与雾线对应夹角预估单个像素雾线端点进而求得像素级优化后的透射率,最后根据图像局部灰度值差异融合暗通道先验(dark channel prior, DCP)和非局部先验透射率得最终透射率图。将本文算法与其余3种去雾算法在多幅户外雾图下通过主观及客观两方面分析比较,实验结果表明该算法能取得更好的去雾效果,尤其在天空区域图像复原效果较为突出。     

改进的基于暗原色先验的图像去雾算法

分析讨论了原暗原色先验去雾算法原理,指出其不足之处并推导出改进方法.通过引入一种容差机制,算法能更有效地处理不满足暗原色先验的明亮区域,纠正了这类区域错误估计的透射率,从而克服原算法在处理这些区域时产生的色彩失真.实验结果表明,这样的修改切实可行,恢复图像消除了色彩失真,视觉效果得以显著提高.     

基于暗原色先验的夜视图像增强算法

在夜晚条件下拍摄到的图像对比度低,信息缺失,对诸多领域获取图像细节信息造成不便。提出了一种改进的基于暗原色先验的夜视图像增强算法来增强这类图像。采用形态学开运算替换软抠图估计透射率,缩减了算法的时间复杂度。经过暗原色先验增强的图像会放大噪声,为了克服这个缺点,对处理后的图像局部去噪获得保真度更高的图像。实验结果表明,算法可有效增强夜视图像,提高图像对比度、突出细节信息并且减少噪点。     

基于暗通道先验的红外图像清晰化及FPGA实现

针对红外图像普遍存在目标与背景对比度低、细节模糊等问题,提出一种改进的基于暗通道先验理论的红外图像清晰化算法,并在FPGA平台加以设计实现。该算法通过对输入图像当前像素和邻域的数据进行非线性滤波得到暗通道图像数据,并利用修正函数对透射率进行优化生成透射率查找表。在此基础上,根据暗通道像素值在查找表中查找透射率,并结合大气光散射模型进行图像清晰化处理,从而减少或消除传统暗通道算法产生的块效应及天空等高亮区域的颜色失真。结果表明,处理后的红外图像细节特征丰富、明亮度适宜。所提算法基于FPGA硬件实现仅占用4%的LUT和8%的I/O资源,工作频率最高达188 MHz,远远高于所使用的红外相机工作频率27 MHz,能够满足实时处理视频图像的需求。     

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。     

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。