一种基于加权均值滤波噪声点检测的中值滤波算法

针对常规中值滤波在图像去噪过程中会将原图像的有用信息同时滤除的问题,提出了一种基于加权均值滤波噪声点检测的中值滤波算法.该算法通过含噪图像与其经加权均值滤波的图像作差对图像中的噪声点进行判别,从而针对噪声点进行滤波,能在保持图像原始信息的前提下有效地将图像中的噪声滤除.实验结果表明,与常规中值滤波算法相比,该方法既具有较好的去噪特性,也具有较强的细节保护能力.     

Retinex模型下基于融合策略的雾霾图像增强

针对现有Retinex算法处理后的图像达不到色彩与细节同时增强的效果,且细节增强的同时易产生光晕,出现噪声放大、色彩失真等情况,提出了一种Retinex模型下基于融合策略的雾霾图像增强算法。该算法首先在HSV空间实现色彩增强,根据亮度分量,获取无色彩失真的反射分量,再通过修正照度分量,得到改进的Retinex模型;然后在RGB空间,采用快速双边滤波器来保留图像细节,在获得反射分量的基础上,引入原图部分和色彩恢复因子,实现细节增强;最后,在RGB色彩空间对处理后的图像加权融合,得到增强后的去雾图像。通过本文算法和现有算法对雾天图像进行去雾处理,得到不同的去雾结果。本文算法得到的去雾图像增加了细节信息,没有出现明显的颜色失真和光晕现象,处理后图像的信息熵提高。本文算法具有更短的运算时间,具有良好的可操作性。根据实验结果以及评价标准,本文算法能够在减少色彩失真的基础上,达到细节增强的良好效果。     

一种雾天监控视频图像增强处理算法

针对雾天条件下监控系统视频图像退化严重的问题,提出一种基于YUV色彩空间直接增强的雾天监控视频图像增强处理算法,首先对亮度分量采用多尺度Retinex理论进行增强处理提高对比度,然后对色差分量进行线性拉伸恢复色彩,最后将增强后的亮度分量和色差分量合成处理后的图像。通过对薄雾和浓雾条件下图像的验证表明,本算法可增强图像的对比度,恢复色彩信息,得到比直方图均衡化算法和MSRCR算法更好的去雾效果,而且算法复杂度较低,具有应用于监控系统实时去雾图像处理的能力。     

基于容差机制与高斯滤波的图像去雾算法

为了使暗通道先验去雾算法能够有效处理雾靈图像中天空等明亮区域 ,提升去雾后图像的抗 噪性能 ,提出了一种基于容差机制与高斯滤波的图像去雾算法 装 首先 ,引入容差机制来修正明亮区域 透射率；然后 ,融入高斯滤波算法来提升去雾后图像的抗噪性能；最后 ,适当调整图像亮度 ,以提升去雾 后图像的可视化效果装 仿真实验结果表明 ,改进后算法不仅能够有效处理雾靈图像中天空等明亮区 域 ,而且能够提升去雾后图像的抗噪性能；相较于主流的同态滤波算法 ,改进后算法的去雾性能更优装     

一种含雾交通图像梯度双边滤波算法

针对雾霾天气下传统滤波算法处理过程中容易受到噪声干扰,边缘像素点保持效果不理想且容易出现噪声斑块的问题,提出了一种含雾交通图像梯度双边滤波算法来实现雾霾天气下交通图像降噪滤波处理。算法提出了一种梯度相似度核,并基于此设计了一种梯度双边滤波器,将RGB颜色空间的交通图像转换到Lab颜色空间进行滤波处理。将处理过的Lab颜色空间的交通图像转换到RGB颜色空间,得到处理后的雾霾天气下交通图像。与传统方法相比,本文算法处理后图像的PSNR、细节强度和SSIM平均提升了27. 12%、24. 11%和6. 45%,能够实现在滤除噪声信息的同时,尽可能的保持图像边缘,对进一步提取雾霾天气下含有大量噪声的交通图像的特征信息十分有意义。     

基于改进权重非局部均值图像滤波方法与实现

图像滤波是计算机图像处理领域中极为重要的预处理环节,目的是消除混杂在图像中的干扰因素,改善图像质量,强化图像表现特征。在传统非局部均值滤波算法基础上,提出了基于改进权重的非局部均值图像滤波算法,以欧式距离高斯加权为基础,配以图像之间的自相似性,在图像领域灰度值的矩阵间使用,充分地将图形领域间的自相似性发挥出来。实验结果表明,基于改进权重的非局部均值图像去噪算法比传统的非局部均值去噪算法保持更有效的图像结构信息。     

基于法向量距离分类的散乱点云数据去噪

在三维点云数据的去噪中,很难实现既保持尖锐区域的特征,又使平滑区域高度光顺。为此,提出了一种基于法向量距离分类的去噪方法。首先计算点云数据的微分几何信息。采用鲁棒的方法对点云数据进行法矢量估算,并将其法矢量方向调整到一致。再根据采样点的局部二次曲面拟合来估算点云数据的曲率;然后通过计算从采样点到其切平面的法向距离,将点云数据划分为平滑区域和尖锐区域,并采用加权局部最优投影算法和双边滤波算法分别对平滑区域和尖锐区域进行滤波去噪。选用Bunny和Fandisk点云模型,分别采用单一的加权局部最优投影算法、双边滤波算法及两者相结合算法对点云模型进行去噪测试。测试结果表明:所提方法可有效去除噪声模型中的孤点,提高点云分布的均匀性;增强点云模型平滑区域的光顺度,保持了尖锐区域中的几何特征并避免了过度光顺和细节特征失真。对比测试数据可知,降噪点云模型的误差和偏差较小,Bunny模型的平均误差为0.001 1 mm,Fandisk模型的平均误差为0.000 7 mm。     

基于残差注意力机制的图像去雾算法

传统基于先验知识与基于学习的图像去雾算法依赖大气散射模型,容易出现颜色失真和去雾不彻底的现象。针对上述问题,提出一种端到端的基于残差注意力机制的图像去雾算法,该算法网络包括编码、多尺度特征提取、特征融合和解码4个模块。编码模块将输入的雾图编码为特征图像,便于后续特征提取并减少内存占用;多尺度特征提取模块包括残差平滑空洞卷积模块、残差块和高效通道注意力机制,能够扩大感受野并通过加权筛选提取的不同尺度特征以便融合;特征融合模块利用高效通道注意力机制,动态调整不同尺度特征的通道权重,学习丰富的上下文信息并抑制冗余信息,增强网络提取雾霾密度图像的能力从而使去雾更加彻底;解码模块对融合后的特征进行非线性映射得到雾霾密度图像,进而恢复无雾图像。通过在SOTS测试集和自然有雾图像上进行定量和定性的测试,所提方法取得了较好的客观和主观评价结果,并有效改善了颜色失真和去雾不彻底的现象。     

基于改进生成式对抗网络的图像去雾算法研究

针对传统图像去雾算法存在颜色失真并被雾图先验理论束缚的问题,提出一种基于GAN(Generative Adver?sarial Networks)的去雾算法Defog-GAN,将雾天图片和普通图片分别送入GAN的生成器与鉴别器,利用卷积神经网络对图像的颜色与纹理信息特征进行提取,鉴别器最终引导生成器生成去雾图像.以分块输入形式对GAN的鉴别器做了改进,提高了模型训练速度,引入新的激活函数LeakyRelu,使输入在负值上也有一定的输出,加强图像细节的还原.对输出的去雾图像进行局部颜色直方图匹配,增强图像真实度.实验表明,改进后的网络模型缩短了训练时间,且在真实图像中去雾效果更好,主观评价和客观评价优于其他算法.     

基于暗原色先验的Retinex去雾算法

针对雾天图像去雾问题,提出了一种基于暗通道先验理论的Retinex算法。首先利用引导滤波估计图像透射率优化暗通道先验算法,获取初步去雾图像并对去雾图像进行空间转换;在转换后的HIS空间中建立高斯尺度参数与透射率的指数关系,重新构造高斯滤波核并根据MSR算法对近处景物做大尺度变换以增强颜色保真性,对远处景物做小尺度变换以增强图像细节显示,实现根据景深大小完成自适应MSR算法以优化图像亮度分量I;对饱和度分量S进行自适应线性拉伸以优化图像色彩,最后由HIS空间重新转换为RGB空间得到最终增强图像。实验表明:与几种典型的图像去雾算法相比,经基于暗通道先验理论的Retinex算法处理后的图像清晰度和对比度提升明显,同时获得很好的图像色彩层次感。     

基于大气消光系数和引导滤波的浓雾图像去雾算法

针对浓雾天气下户外采集的图像退化严重的问题,提出了一种浓雾图像的去雾算法。本文简化了雾天成像物理模型,提出雾浓度因子的概念,并在分析影响雾天能见度因素时借助大气消光系数建立了能见度和雾浓度因子的关系。通过对单幅浓雾图像的能见度值进行估计求得雾浓度因子的值,再结合灰度图像引导滤波估计大气光值,最后借助修复函数完成有雾图像的去雾处理。去雾实验结果显示：本文算法处理后的图像亮度效果好,图像对比度和清晰度高,图像整体视觉感知效果好。     

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。     

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。     

基于新的中值引导滤波的交通视频去雾算法

针对现有改进双边滤波算法处理雾霾天气下交通图像过程中边缘保持效果不理想且容易出现噪声斑块的问题,提出了一种基于新的中值引导滤波的去雾算法。首先,在快速引导滤波基础上改进,利用引导图像在滤波窗口的中值重新定义以像素k为中心的窗口系数ak和bk,并应用在对滤波框内临近像素点上,避免了对引导图像和滤波图像求方差和协方差,进一步提升计算速度。去雾阶段则将含雾图像转化到RGB颜色空间,获取暗通道值、大气光值以及粗透射率,利用中值引导滤波算法对粗透射率进行优化,得到透射率的精确值,根据模型方程反向求解获得去雾图像。实验结果证明,与传统方法相比,新算法去雾效果强化了对边缘的检测和保持能力,更好保持了图像细节。同时,运算效率较同类算法提升较大,实时性较高,可用于交通视频处理。     

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。     

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。     

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。     

利用上下边界估计的图像增强方法

提出了一种基于上下边界估计的快速图像增强方法.该方法使用上边界提升图像的细节信息,使用下边界消除图像的雾霾成分,调整上下边界的距离可灵活控制图像增强的程度,在上下边界计算过程中采用了加权中值滤波,能够在有效去噪的同时保持图像边界清晰.实验结果表明,该算法能有效改善图像质量,保持图像细节信息,压缩图像动态范围,色彩逼近于真实环境,且避免了光晕的产生.     

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.     

基于PCA和混沌置乱的零水印算法

针对传统的数字水印技术在图像中嵌入水印信息会导致图像在一定程度上的失真,且图像受到各种攻击后难以提取出水印的问题,提出了一种零水印算法,该算法可在不导致图像任何失真的情况下起到版权保护的作用.对图像进行分块和主成分分析(PCA),得到图像的主要分量,基于Renyi映射生成混沌序列对图像的主要分量进行位置置乱,比较置乱后相邻主分量系数间的大小生成特征水印.当对待认证图像进行认证时,用同样的方法提取该认证图像的特征水印,比较两特征水印的相似度来判断图像的版权和所有权.实验结果表明,该算法的不可察觉性很好,并对一些常见的攻击,如JPEG压缩、剪裁、加噪、滤波和旋转等有很强的鲁棒性.与小波域内图像零水印算法的比较结果证明了该方法具有更强的鲁棒性.