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.     

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。     

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。     

基于近红外的图像去雾方法

针对雾天可见光图像降质现象,提出一种简单、有效的自动去雾算法。算法充分利用了近红外透雾能力强,可见光图像色彩亮度好的特点。首先利用暗原色先验估计出雾浓度分布,然后根据此分布计算出归一化暗原色图像亮度分布系数,并对其进行双边滤波处理,最后利用该系数将近红外与可见光图像进行融合。实验结果表明,该算法能有效地改善雾天图像质量,且具有广泛的应用前景。     

基于暗通道先验的图像去雾算法改进

暗通道去雾算法存在导向滤波精细化求取透射率后边缘细节不突出和剧烈变化的边缘处有伪影,针对这种问题提出一种基于优化的Sobel算子对导向滤波器进行自适应加权改进;同时通过判断天空区域是否存在并结合约束条件法解算大气参数,实现透射率的补偿,从而解决高亮区域失真的问题。实验结果表明,与采用统一的规整化因子导向滤波器的传统暗通道算法相比,本文算法去雾后结果图像边缘更突出,更清晰,同时消除高亮区域失真。     

一种改进的基于近红外图像的去雾方法

为了解决雾天可见光图像降质问题,提出一种简单、高效的去雾算法。为充分利用可见光图像的色彩信息和近红外图像的细节信息,首先,根据暗通道估算出可见光图像中雾的浓度,根据雾浓度对可见光图像进行分区;然后,分别对可见光和近红外图像进行平稳小波分解,结合雾浓度分区和脉冲耦合神经网络（pulse coupled neural network,PCNN）分别融合可见光与近红外图像的高频分量和低频分量,复原得到一幅清晰而不失真的图像;最后,引入引导图像滤波对融合图像做滤波处理,平滑分区边缘的同时保留源图像的边缘信息。为验证算法的有效性,与当前主流去雾算法进行对比实验,对比指标包括去雾图像的信息熵、均值、标准差,以及算法运行时间。实验结果表明,在相同图像分辨率条件下,本文算法去雾后图像视觉效果更加理想,同时,无雾区域能够很好地保持色彩信息,反映图像细节和清晰化的各项指标优于其他算法,而且算法处理时间显著降低。     

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。     

结合天空分割和超像素级暗通道的图像去雾算法

为了提升去雾图像质量,提出了一种基于天空分割和超像素级暗通道的单幅图像去雾方法。首先提出一种简单有效的多阈值天空分割方法,可将图像划分为天空区域和非天空区域;其次,根据天空区域估计大气光值;然后分别估计两类区域的透射率,对天空区域利用该区域无雾和有雾时暗通道值间的线性关系直接估计其透射率,对非天空区域则通过计算超像素级暗通道值来估计透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,与现有方法相比,本文方法能更准确地分割天空且阈值自适应性强,大气光和透射率估计也更准确高效。采用本文方法得到的去雾图像具有对比度高、颜色自然、细节清晰等优点。     

一种新的图像分割算法

针对一类普遍存在的图像,采用具有生物学背景的交叉视觉皮质模型进行图像分割.将交叉视觉皮质模型所具有的符合人眼对亮度响应非线性要求的指数衰减的阈值机制,改进为适合图像分割处理的线性衰减的阈值机制,提出了线性阈值-交叉视觉皮质模型.同时采用改进的二维Tsallis交叉熵作为分割准则,可自动地确定交叉视觉皮质模型神经元的分割阈值以及循环迭代次数.实验表明,这种分割算法优于经典的OSTU算法和K-m eans算法,同时基于改进的二维Tsallis交叉熵准则优于基于二维最大Shannon熵准则、传统二维Tsallis交叉熵准则和一维最小Tsallis交叉熵准则.     

基于分水岭和种子生长的彩色图像分割

提出一种基于分水岭和种子区域生长的彩色图像改进分割算法。该算法先对彩色图像进行分割前预处理,使用分水岭算法对图像进行初始分割,然后根据一定的规则从分水岭算法分割形成的区域中自动选取种子区域并进行生长,最后合并相似区域或小区域。以区域作为种子生长单位,使用种子区域一次性生长方法进行生长。实验结果表明,该算法分割结果较好,分割速度较快。     

基于边缘检测和自动种子区域生长的图像分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,提出一种基于边缘提取和自动区域生长相结合的分割算法,即先利用Canny算子对图像进行边缘提取,得到边缘像素点集,再利用灰度直方图从点集中选取自动种子点,结合平均相似度,采用区域生长法进行图像分割。该算法能够实现阈值和种子的自动选取,在传统算法中很难实现。实验结果表明该算法有效。     

Objective measurement for image defogging algorithms简

Since there is lack of methodology to assess the performance of defogging algorithm and the existing assessment methods have some limitations, three new methods for assessing the defogging algorithm were proposed. One was using synthetic foggy image simulated by image degradation model to assess the defogging algorithm in full-reference way. In this method, the absolute difference was computed between the synthetic image with and without fog. The other two were computing the fog density of gray level image or constructing assessment system of color image from human visual perception to assess the defogging algorithm in no-reference way. For these methods, an assessment function was defined to evaluate algorithm performance from the function value. Using the defogging algorithm comparison, the experimental results demonstrate the effectiveness and reliability of the proposed methods.     

一种新的运动目标自适应图像分割算法

提出了一种新的运动目标自适应图像分割算法．在设置自适应跟踪波门对运动目标进行跟踪的基础上,依据最大类间方差函数准则自适应地求出调节系数,再用设置门限分割法完成图像的自适应分割．对该算法进行了详尽的图像分割实验,与著名的Otsu法、迭代法、最大熵法相比较,该分割算法不仅能适应多种复杂背景,而且分割精度高、速度快,是一种实用有效的图像分割方法．     

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(IHSV_d...     

Two-stage image segmentation based on edge and region information

A two-stage method for image segmentation based on edge and region information is proposed. Different deformation schemes are used at two stages for segmenting the object correctly in image plane. At the first stage, the contour of the model is divided into several segments hierarchically that deform respectively using affine transformation. After the contour is deformed to the approximate boundary of object, a fine match mechanism using statistical information of local region to redefine the external energy of the model is used to make the contour fit the object's boundary exactly. The algorithm is effective, as the hierarchical segmental deformation makes use of the globe and local information of the image, the affine transformation keeps the consistency of the model, and the reformative approaches of computing the internal energy and external energy are proposed to reduce the algorithm complexity. The adaptive method of defining the search area at the second stage makes the model converge quickly. The experimental results indicate that the proposed model is effective and robust to local minima and able to search for concave objects.     

视觉注意引导和区域竞争控制的医学图像分割

模糊连接度已经成为医学图像分割的实用方法，但其困难在于需要设定多种子点，自动给定的手段不是很有效.为此将种子点等价于视觉特征显著点，提出了在视觉注意模型引导下种子点给定的新方法.通过研究显著点定位与图像特征概率密度估计之间的关系，引入新的视觉特征估计地图，构造了注意计算模型，采用无阈值方法定位各类物体的视觉显著点并用于引导区域增长方式的图像分割.新的注意计算模型的定量描述能力较以往的模型有很大提高，适用于处理模糊图像.新方法能够完全自动定位种子点，有效分割图像，准确率高.引入多种子点之间的竞争策略加快了图像分割中的区域增长处理过程.     

最小类内方差和区域生长相结合的图像分割法

针对视频车辆检测中,光照不均匀、对比度不强的多目标图像分割,提出了一种基于最小类内方差和区域生长相结合的快速阈值分割算法.首先对最小类内方差法进行改进,快速确定差分图像的最佳分割阈值,再用区域生长法分割得到目标.理论分析和实验结果表明,该分割算法不仅适用于简单的车辆图像分割,而且对于复杂的车辆图像也取得了较好的分割效果.该算法计算量小,分割精度有一定优势,有助于下一步的目标识别.