基于暗通道先验和对比度增强的水下图像复原

在水下环境中,光的散射和衰减导致水下图像质量下降,为此提出一种基于暗通道先验和增强图像对比度的方法。根据水下图像成像特点,建立水下光学成像模型,采用改进的暗原色算法进行图像去模糊,由直方图均衡化和双边滤波器对去模糊之后的图像增强对比度。实验表明,该方法能够有效去除光的散射引起的模糊并提高图像对比度。     

融合暗原色先验和稀疏表示的水下图像复原

由于水下图像成像过程中受光的散射、噪声干扰等因素影响,致使图像质量严重退化。为了去除模糊和抑制噪声,改善水下图像质量,该文提出一种融合暗原色先验和稀疏表示的水下图像复原新方法。该方法首先利用暗原色先验理论计算水下图像的暗原色,然后基于稀疏表示理论对暗原色进行去噪和优化,基于改进后的暗原色计算水体透射率和光照强度以计算最终复原结果,可以同时达到去模糊和去噪的良好效果。实验结果表明,提出的方法有效提高了图像的平均梯度和信息熵等图像像素,从而改善了图像的质量。     

基于暗通道和伽马变换的水下图像增强

光在水下传播存在吸收和散射现象,导致水下图像颜色失真、对比度低.为此,提出了一种基于暗通道先验和伽马变换的水下图像增强算法.首先,在RGB空间利用暗通道先验估计水下图像透射率和大气光照值,加权处理后得到自适应补偿参数,进而对图像颜色校正.在此基础上,将增强后的RGB图像转化到HSV颜色空间,对V通道进行自适应伽马变换,...     

基于颜色空间的单幅图像去雾算法

为改善雾天图像对比度差、能见度低的特点,本文结合雾天成像模型和暗原色先验规律,在颜色空间的基础上提出了一种去雾新算法。首先,在RGB颜色空间,根据暗原色先验规律估计出空气光,然后将图像从RGB颜色空间转换到HSI和HSV颜色空间,再对HSV空间下的明度分量运用大气散射模型进行去雾处理,最后再对HSI空间下的饱和度分量进行校正,最终得到去雾之后的图像。通过该算法能得到清晰化的图像,并且该算法较之传统的单幅图像去雾方法,速度更快、效果更自然。     

基于全变分和颜色平衡的水下图像复原

针对水下图像存在的雾化、模糊和颜色失真问题，提出一种基于全变分和颜色平衡的水下图像复原方法。以完整水下光学成像模型为基础，分别结合四叉树细分法与光在水中传播特性估计背景光，利用水下中值暗通道先验估计透射率，并采用共轭梯度和迭代最小二乘法估计模糊核。为提高计算效率，引入交替方向乘子法对变分能量方程进行逆求解得到去雾、去模糊的图像。在此基础上，在YCbCr空间采用颜色平衡算法对颜色通道进行补偿以校正色彩失真。与6种流行的水下图像增强和复原方法进行比较，实验结果表明，所提方法可以有效地去除雾化和模糊、校正色偏、恢复出清晰、色彩真实的水下图像。     

基于暗通道先验改进算法的水下图像增强方法研究

针对水下图像受介质散射和吸收的影响所出现的颜色失真、对比度低和细节模糊等问题,提出水下图像增强的暗通道先验改进算法。采用白平衡处理对水下图像的蓝(绿)色偏进行颜色校正,进而在LAB空间对图像L分量进行同态滤波处理,从而获得暗部细节提亮的图像。在RGB空间对图像分别进行CLAHE处理增强图像对比度,解决图像雾化问题,MSRCR处理提高图像色彩饱和度并均衡图像亮度。根据暗通道先验图像计算融合权重系数对所得到的3幅图像进行加权融合与细节增强,得到最终增强图像。实验结果表明,所提算法能够有效消除图像颜色失真情况,增强的图像呈现出高对比度和更清晰的细节。     

基于MSRCR的水下图像清晰化算法

针对水体、悬浮颗粒对光线极强的散射效应导致水下图像细节模糊、对比度下降及颜色失真的问题,在水下光学成像模型的基础上,利用改进的暗通道先验算法对图像进行清晰化处理,并结合MSRCR算法对图像进行颜色恢复,实验结果图像和客观质量评价指标显示,该算法提高了图像清晰度和对比度,并且达到了修正色彩不平衡的效果。     

基于光衰减先验和背景光融合的水下图像复原

针对水下图像存在颜色失真和视觉模糊等问题,提出基于光衰减先验和背景光融合的水下图像复原算法.首先通过最大强度先验计算背景光一,基于图像四叉树的方法估计背景光二,根据水下图像光照的亮暗情况对两个局部背景光进行融合,确定全局背景光;其次根据光衰减先验估计场景的相对深度,进而计算三个通道的透射率;然后逆求解水下光学成像模型以...     

基于暗通道先验和自适应颜色校正的水下图像处理

研究了基于暗通道先验和自适应颜色校正的密闭空间下的水下图像处理。针对传统水下图像去雾方法对光照强度不均的密闭空间内的图像处理效果不佳以及色彩失真问题,利用暗通道原理对水下图像进行去雾后,引入自适应红通道补偿参数,改善红光缺失现象;结合渐晕模型对水下图像亮度通道进行校正,降低光强对图像成像质量的影响。所提方法在真实的密闭水下环境中进行测试,实验结果表明,相比于传统去雾算法,所提方法可以在有效改善图像亮度的同时还原图像色彩。     

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。     

基于颜色衰减先验和视觉显著性的水下图像增强算法

针对水下拍摄的图片存在颜色失真、细节和边缘模 糊等特点,提出了一种基于颜色衰减先验的水下图像增强算法。首先在计算暗通道函数时,用最小值滤波去噪。然后,对图片进行显著图处理,利用颜色先验法则完成深度估计。此滤波方法不仅能降噪,还可以防止颜色失真。最后,基于模型简化获得复原的图片,将其进行伽马变换进行校正,实现柔性去雾。实验结果表明,本文算法与几种典型的水下图像去雾算法相比,能够较好提高图像的清晰度和对比度,同时获得较好的图像颜色。     

基于OTSU分割和融合的非均匀光照水下图像增强

针对深海和夜间水域补充照明造成的水下图像光照不均,水中悬浮颗粒造成的图像 噪声、低对比度、偏色等问题,提出一种新的非均匀光照水下图像增强方法。首先,用高 斯滤波去除水下图像的噪声;其次,用最大类间方差法(大律法,maximum inter class variance, OTSU)分割出图像的明暗区域 掩膜,将亮度图分割成明暗区域,并对暗区域进行同态滤波处理,校正光照不均造成的阴 影;接着,用加权平均法融合明暗区域得到新的亮度图,重新合成彩色图像;最后,对水 下图像用对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)和灰度世界进行增强对比度和颜色失 真校正,得到增强的水下图像。实验结果表明,本文提出的算法能够有效的改善光照不均 问题,并去除水下图像噪声、增强图像对比度,有利于后续目标检测、追踪等任务的进 行。     

基于暗原色先验的嵌入式图像增强系统

针对彩色直方图均衡化算法颜色易失真的缺点,提出了一种基于暗原色先验的快速图像增强算法。首先求取全局暗原色图,然后估计透过率图和大气光成分图,最后根据大气散射模型恢复出图像中所有像素的灰度值。结合实际应用,以高性能DSP芯片TMS320DM6437作为中央处理器,结合现场可编程门阵列FPGA构成外围电路逻辑控制,搭建了嵌入式高速图像增强处理平台。基于该平台用真实图像验证了本文提出的算法。实验结果表明,本系统在提高色彩和对比度的同时,有效地还原了场景中物体的颜色,获得了较好的增强效果,同时算法运行时间少,能够满足工程项目的要求。     

基于亮度校正与多空间转换的水下图像增强北大核心CSCD

由于水体环境中光的吸收与散射,导致采集的水下图像存在颜色失真、亮度不均、对比度低等缺点。针对以上缺点,提出了基于亮度校正与多空间转换的水下图像增强方法。首先采用色彩平衡算法对退化图像进行颜色校正;然后将色彩校正的图像从红-绿-蓝(red-green-blue,RGB)空间转换为色调-饱和度-亮度(hue-saturation-value,HSV)空间,用构造出新的二维伽马函数处理V通道,再转回RGB空间;最后对颜色校正图像和亮度校正图像进行加权融合,并将融合图像从RGB空间转换为LAB空间,用限制对比度自适应直方图均衡化算法处理L通道,再转回RGB空间,便得到最终的增强图像。为验证本文算法的有效性,采用主观视觉效果和3种客观指标进行验证。结果表明,本文算法能够有效地校正图像亮度,提高图像清晰度。     

基于FPGA的图像自适应AWB系统设计与实现

为了解决常见自动白平衡(Auto White Balance, AWB)方法的场景适应能力不足且实时性较差等问题,提出了一种基于颜色通道直方图重构的自适应AWB方法,并使用现场可编程门阵列(FPGA)对所提出的算法进行硬件电路实现,在校正图像白平衡的同时也确保了系统高速实时处理图像。首先对图像进行限制对比度自适应直方图均衡化(CLAHE)处理来提高图像对比度,然后对图像进行灰度级区间的通道分区统计,对不同场景类别的图像采用颜色直方图匹配或平移的重构方式做自适应处理。实验结果表明,该算法在处理图像白平衡时,相比基于光源估计的AWB算法,色温校正准确率提高了14%,对不同色彩场景有更好的适应性,具有实时处理能力。     

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.     

基于多光源模型的夜晚雾天图像去雾算法

依据夜间多光源导致强光处能见度低的现象,在传统大气散射模型中定义发光因子项,构建了一个专门针对夜晚雾天图像的去雾模型,在此基础上提出了一种夜晚雾天图像去雾算法.该算法将原输入图像分解为新雾天图像层和发光图像层,然后对此分解得到的新雾天图像层进行色偏纠正和引导滤波操作以得到最终的去雾结果.与暗原色原理方法、快速中值滤波方法、图像颜色迁移方法、夜晚成像模型方法等已有方法的对比实验证实了本文算法的有效性.该算法可应用于汽车防碰撞系统、道路监控系统,以及其他识别系统.     

改进的伽马校正与多尺度融合的水下图像增强

由于光在水下传播会发生吸收和散射,导致采集 的水下图像出现模糊、对比度低、色偏、光照不 均匀等问题。针对以上问题,提出了一种改进的伽马校正与多尺度融合的水下图像增强算法 。首先基于G 通道对R和B通道进行补偿,并对RGB 三通道进行直方图拉伸后使用灰度世界(Gray World) 算法得到颜 色校正图像;然后使用改进的伽马函数改善颜色校正后图像光照不均匀问题,得到光照均匀 图像,并进 行归一化处理;再对光照均匀图像使用限制对比度的自适应直方图均衡化(contrast limite d adaptive histogram equalization,CLAHE)算法得到对比度提升图像;最后采用多尺度融 合算法对以上得出的3幅图 片进行融合,得出增强图像。实验结果表明,提出的算法对不同水下环境的图像均有较好的处理 效果,图像质量评价指标得到明显提高。     

融合深度学习与多尺度Retinex的水下图像增强方法

针对水下图像纹理模糊和色偏严重等问题,提出了一种融合深度学习与多尺度导向滤波Retinex的水下图像增强方法。首先,将陆上图像采用纹理和直方图匹配法进行退化,构建退化水下图像失真的数据集并训练端到端卷积神经网络(convolutional neural network,CNN) 模型,利用该模型对原始水下图像进行颜色校正,得到色彩复原后的水下图像;然后,对色彩复原图像的亮度通道,采用多尺度Retinex(multi-scale Retinex,MSR) 方法得到纹理增强图像;最后,融合色彩复原图像中的颜色分量和纹理增强图像得到最终水下增强图像。本文利用仿真水下图像数据集和真实水下图像对提出方法进行性能测试。实验结果表明,所提方法的均方根误差、峰值信噪比、CIEDE2000和水下图像质量评价指标分别为0.302 0、17.239 2 dB、16.878 4和4.960 0,优于5种对比方法,增强后的水下图像更加真实自然。本文方法在校正水下图像颜色失真的同时,能有效提升纹理清晰度和对比度。     

A novel dark channel prior guided variational framework for underwater image restoration

Image captured underwater often suffers from low contrast, color distortion and noise problems, which is caused by absorbing and scattering before the light reaches the camera when traveling through water. Underwater image enhancement and restoration from a single image is known to be an ill-posed problem. To overcome these limitations, we establish an underwater total variation (UTV) model relying on underwater dark channel prior (UDCP), in which UDCP is used to estimate the transmission map. We design the data item and smooth item of the unified variational model based on the underwater image formation model. We further employ the alternating direction method of multipliers (ADMM) to accelerate the solving procedure. Numerical experiential results demonstrate that our underwater variational method obtains a good outcome on dehazing and denoising. Furthermore, compared with several other state-of-the-art algorithms, the proposed approach achieves better visual quality, which is illustrated by examples and statistics.