基于暗通道的单幅图像快速去雾算法

为了提高雾天环境下退化图像的视觉效果,以大气退化模型和暗通道先验估计为基础,提出了一种快速单幅图像去雾算法.利用暗通道先验对大气透射率进行粗估计,用采样边缘保持滤波细化透射率,再设法估计出原图中的天空区域,对其进行透射率补偿,根据估计的大气光和透射率,利用大气退化模型即可恢复出无雾图像.针对去雾后的图像色度较暗的问题,使用一种自适应直方图均衡方法.实验结果表明,相对于已有算法,该算法有效提高了图像去雾的效果,而且加快了处理速度.     

基于视觉区域划分的雾天图像清晰化方法

针对雾天图像退化程度与景深呈非线性关系的特点,以及MSR算法的参数选择没有考虑图像景深信息的局限性,提出一种新的基于局部信息特征的自适应Retinex雾天图像增强算法。算法将雾天图像划分为不同的子块,根据子块像素所处的人类视觉区域反映出的雾的厚薄程度自动调整Retinex增强算法的参数取值,使用面积比例因子策略融合处理后子块以避免分块带来的块状效应,最终实现对雾天图像的清晰化。实验表明:本文方法比MSR算法在多景深雾天图像局部细节增强方面具有更好的效果。     

基于图像去雾技术的变电站图像清晰化方法

随着变电站从有人值守向无人值守转变,运行人员逐渐利用摄像头、机器人对设备进行监控。但是,雾天能见度低,从变电站采集的图像存在不清晰的问题,导致无法有效开展远程监控等工作,增加电网运行安全风险。鉴于此,本文针对变电站雾天图像进行研究,根据所采集图像的背景色彩、光照条件等特点,提出一种基于改进自动色阶算法的变电站雾天图像去雾算法,该算法在自动色阶去雾算法基础上进行改进,采用自动寻优gamma校正,使去雾后的图像更符合人眼视觉感受。最后,选取几种常用去雾算法进行对比分析,通过主观评价和客观评价,表明使用该算法处理雾天图像在细节、亮度、保真度、运行速度等方面更具优势,符合现场应用要求,有效解决了雾天变电站采集图像清晰度差的问题。     

结合图像分层与暗通道的雾霾图像增强

为了解决雾霾天气下图像的去雾与增强问题,提出了一种结合图像分层与暗通道的去雾增强算法。该算法首先对输入图像建立暗通道模型,估计出大气光值与透射率,对图像进行去雾复原,接下来对图像进行双边滤波变换,将低频图像信息中像素的灰度级地区进行拉伸或压缩,将高频图像信息进行归一化处理,然后利用归一化的直方图与非线性S曲线进行灰度变换,最后利用加权融合方式将低频与高频图像信息进行有效地合并,得到输出图像。实验结果表明,该算法在3组图像中的平均梯度与信息熵的均值分别是0.073 4、7.173 3,均优于其余3种算法,并且该算法的对比度与时耗的均值分别为422.6与0.76,具有一定的可行性。     

变压器套管油位雾霾图像检测方法

针对雾霾天气下的视频图像测量,传统的颜色空间转换方法会由于图像对比度降低而失效。在图像预处理阶段,暗通道先验去雾算法被广泛运用,但是这种算法的计算效率不高,用于变压器油位测量中不能达到实时要求,因此,为了快速测量油位,提出了一种基于暗通道优先和颜色空间变换的油位测量方法。在去雾阶段,对每个像素点的透射率进行逐个估计得到粗透射图,再对其进行修正,从而得到去雾图像。去雾之后,采用加权分布的自适应增强算法对图像进行增强。在油位测量阶段,在HSV空间取阈值分离出目标区域。实验结果表明,测量油位误差在±1%的同时,相比传统算法提高了近5倍效率。在保证良好效果时,能减少算法的时间复杂度,使变压器油位测量算法在雾霾天气下也能有效。     

基于暗通道先验的视频去雾算法

带雾视频需要实时的去雾算法。为了提高视频去雾的速度,根据视频中相邻帧之间的相关性,将一帧画面的大气光延用到其后的若干帧,设定了大气光重新计算的条件以解决光线发生突变的情况,并建立了像素灰度分布的模型来简化大气光的计算。在计算一帧图像的暗通道图时,先估算与前一帧暗通道图的差别,若差别不大,则对前一帧的暗通道图进行修正后作为本帧的暗通道图,否则重新计算暗通道图。实验证明该方法在保证去雾效果的前提下大幅减少了计算量。     

基于航拍图像去雾增强的秸秆焚烧监测技术研究

秸秆焚烧会造成严重的大气污染,航拍检测秸秆焚烧能够实现实时监测,具有便捷、实时的特点。但秸秆焚烧点航拍监测图像受天气中悬浮粒子影响,画质退化严重。针对该问题,提出来一种新的图像增强算法。算法在传统的暗通道先验算法基础上,对图像的直方图进行统计并采用自适应系数的去雾增强算法修正,并通过对比度增强最终提高航拍图像的质量。主客观实验结果表明,该算法在白天浓雾环境以及夜晚的低亮度环境下有较好的画质增强效果和较高的实用价值。     

暗原先验算法在天空区域的处理与改进

暗原先验算法在天空区域去雾过程中会造成噪声过度放大和晕环现象,针对这个问题提出了依据天空隶属系数调整天空区域透射率的方法。求得有雾图像相应位置天空隶属度系数,自适应改变透射率调整幅度,并利用二次函数特性,对隶属度小值区域进行压缩,减弱近景透射率有效区域的调整,最后通过大气散射模型得到复原图像。大量实验结果表明,该方法得到的复原图像清晰自然,特别是在天空区域,保留部分浓雾区域去雾程度的同时抑制了天空区域的噪声和晕环现象,取得了很好的去雾效果。相对暗原先验算法,改进算法在天空区域得到更加准确的透射率估计,复原图像效果更佳。     

改进暗通道的水下图像复原算法

水下光学环境的特殊性导致了正常拍摄的水下图像存在雾化现象、偏色和低对比度,现有复原方法存在深度图上局部错估和透射图不精确的问题。为了更好的提升水下图像的质量,提出了一种能够平衡衰减、精确估计全局环境光的改进暗通道的水下图像复原算法。通过梯度图和通道差构建深度图,获取全局环境光;通过平衡衰减的暗通道,得到更精确的透射图;通过白平衡算法校正色偏,进一步改善图像质量。为了验证算法的有效性,在UIEBD数据集和RUIE数据集上进行了实验评估,UIQM指标分别为1560和1668,UCIQE指标分别为0470和0364。实验结果表明,本文提出的改进能有效提升水下图像的复原效果。     

基于大气散射模型的偏振图像去雾算法

雾是1种常见的天气现象,由于大气中的水汽等对太阳光的散射作用会造成拍摄图像的对比度降低.在大气散射物理模型的基础上,提出1种可以轻松去除图像雾霾的方法.该算法首先利用偏振成像系统获取最好状态下和最差状态下的2幅图像,然后通过边缘检测和最佳正态分布搜索算法对天空区域进行分割,从而估算大气光强度和大气传递系数,最终实现图像...     

一种基于暗原色先验的低照度视频增强算法

在低照度条件下进行拍摄时,得到的视频对比度低,细节信息很难体现出来.提出了一种改进的基于暗原色先验的低照度视频增强算法来增强这类视频.传统基于暗原色先验的增强算法会放大视频噪声,为了克服这个缺点,利用时域累积信息对低照度视频进行去噪预处理.在增强过程中,采用快速算法逐帧计算,增强后的视频相比于传统方法具有更高保真度.实验结果表明,算法可有效抑制视频中的噪声、提高视频的对比度、突出细节信息,从而获得更加清晰、自然的高质量视频.     

结构稀疏通道先验盲图像去模糊方法

针对盲图像去模糊过程中主结构不准确和边缘不清晰问题,提出了一种结构稀疏通道先验(SSCP)盲图像去模糊方法。SSCP表示模糊图像比清晰图像具有更少结构稀疏通道的先验方法。利用SSCP的性能特性,将其作为新的正则化项引入经典去模糊模型,构建盲去模糊新模型,实现对模糊核的准确估计。通过坐标下降法,交替优化求解潜像与模糊核变量。最后,通过反卷积得到去模糊的清晰复原图像,在基准数据集和自然状态模糊图像上开展主观和客观对比实验,并进行人脸和低亮度真实模糊图像的应用拓展实验。实验结果表明,提出的方法在模糊去除、结构恢复、边缘保留和视觉效果方面的性能比经典去模糊方法平均提高了1.72%,通过该方法设计出的计算装置能够实现机器视觉领域中模糊图像的高精度清晰化处理。     

基于统计特征分类耦合自适应 Gamma校正的图像增强算法

为了避免图像在亮度增强时导致其颜色失真,且在局部易出现过增强等问题,设计了统计特征分类耦合自适应Gamma校正(adaptive Gamma correction,AGC)的图像增强算法,以更好提高图像细节与视觉效果。首先,将输入图像转换为HSV空间,使颜色与亮度分离,使其在增强亮度通道时不改变像素的原始颜色,有效降低颜色失真。然后,考虑不同图像的性质,利用统计信息将图像分类为高、低两种对比度,每种对比度又分为亮、暗两类。其次,基于传统的Gamma校正方法,通过对于不同类型的图像进行动态参数设置,形成一种AGC机制,从而为不同类型图像的构建了不同的增强函数,以完成不同类别图像的增强处理。实验数据表明,与当前流行的增强算法相比,所提算法具备更高的增强效果,呈现出更为自然的亮度与对比度,且保持了更多的颜色信息。     

基于高分辨率卫星影像数据高原输电通道巡视技术的研究

近年来,随着西电东输工程的持续推进,位于高原区域的输电线网规模持续扩大,但因受高原气候条件影响,高原区域内的输电通道巡视难度逐步增大。为提升高原输电通道的巡视精度、效率,保障高原输电通道的安全,本文以worldview-3高分卫星影像数据为数据源,采用多尺度分割技术与面向对象分类算法,研究分析高原输电通道关键地物信息的提取方法,研究表明:(1)面向对象算法适用于高分影像数据的信息提取,其地物信息提取精度较高,能够满足输电通道的巡视工作,这表明基于高分卫星影像技术的输电通道巡视可行;(2)基于多尺度分割技术耦合面向对象分类算法提取的大棚信息精度可达95%,可替代人工解译工作,而道路信息精度可相对较低,但仍可替代大部分人工解译工作;(3)与传统野外核查、人工目视解译相比,基于多尺度分割技术耦合面向对象分类算法具有边界精度高、效率高等优势。     

基于多通道采样和注意力重构的图像压缩感知

近年来用于图像压缩感知的深度学习网络得到广泛关注,深度学习网络可以实现图像的压缩采样,并从采样数据重构出原始图像。但现有的压缩感知算法在信息分布不均匀的图像场景中,无法有效提取原始图像信息,导致重构精度较低。针对上述问题,本文提出了基于多通道采样和注意力重构的图像压缩感知算法。该算法包含了多个不同采样率的采样通道,能够根据视觉显著性对图像不同区域应用不同的采样率,使得采样数据中能够包含更多原始图像信息。重构采用了残差通道注意力结构,自适应调整通道特征来提高网络的表示能力。通过对比实验表明,本文提出的基于多通道采样和注意力重构的图像压缩感知算法能够取得更好的重构质量与视觉观感。     

基于显著性检测与权重映射的可见光与红外图像融合算法

为了解决当前可见光(VI)与红外(IR)图像融合中易出现信息丢失,以及存在伪影等问题,提出了一种显著性检测耦合权重映射结合的VI与IR图像融合算法。分别对VI和IR图像进行二尺度分解,得到基础层和细节层。为了提高VI和IR融合效果,定义了一种显著性特征检测方法,在每个源图像上应用均值滤波以减小像素与其相邻像素之间的强度变化,以完成平滑处理。再借助中值滤波来消除每个源图像中的噪声与伪影,较好地保留图像边缘。并通过取均值和中值滤波输出的差异来计算图像的显著性特征,以突出边缘和直线等显著性信息。然后,通过对显著性检测结果完成归一化处理,以构建权重映射,为细节层分配合适的权重。再将基础层和细节层采用不同的规则进行融合,其中,联合权重映射与细节层,得到最终的细节信息,并借助平均融合规则来完成基础层的融合。最后,利用最终基础层和细节层的线性组合来构造新图像。实验表明,与当前多尺度图像融合技术相比,所提算法仅采用两尺度分解,显著提高了融合效率,而且得到的融合图像具有更好融合质量,有效消除了伪影,在融合过程中的信息丢失量更少。     

基于显著性检测与权重映射的可见光与红外图像融合算法

为了解决当前可见光(VI)与红外(IR)图像融合中易出现信息丢失,以及存在伪影等问题,提出了一种显著性检测耦合权重映射结合的VI与IR图像融合算法。分别对VI和IR图像进行二尺度分解,得到基础层和细节层。为了提高VI和IR融合效果,定义了一种显著性特征检测方法,在每个源图像上应用均值滤波以减小像素与其相邻像素之间的强度变化,以完成平滑处理。再借助中值滤波来消除每个源图像中的噪声与伪影,较好地保留图像边缘。并通过取均值和中值滤波输出的差异来计算图像的显著性特征,以突出边缘和直线等显著性信息。然后,通过对显著性检测结果完成归一化处理,以构建权重映射,为细节层分配合适的权重。再将基础层和细节层采用不同的规则进行融合,其中,联合权重映射与细节层,得到最终的细节信息,并借助平均融合规则来完成基础层的融合。最后,利用最终基础层和细节层的线性组合来构造新图像。实验表明,与当前多尺度图像融合技术相比,所提算法仅采用两尺度分解,显著提高了融合效率,而且得到的融合图像具有更好融合质量,有效消除了伪影,在融合过程中的信息丢失量更少。