一种改进的基于暗原色先验的雾天图像清晰化方法

为了提高雾天降质图像的清晰度,基于暗原色先验提出了一种改进的图像去雾方法。针对原算法对明亮区域敏感和运算量过大问题,首先提出天空区域自适应选择算法求取大气光强度,然后利用快速双边滤波算法修复透射率图,在保证去雾效果前提下大幅度降低了计算复杂度。针对去雾后的图像颜色较真实场景偏灰暗的问题,提出了一种简单有效的亮度调节方法。实验结果表明,该算法可以有效的消除灰白和明亮区域对大气光和透射率计算的影响,真实地复原场景的色彩和清晰度,同时,本文算法的时间复杂度与图像大小成线性关系,可以明显提升运算速度。     

基于物理模型的快速单幅图像去雾方法

在雾天环境下,获取的图像受到大气粒子散射的影响而导致对比度和能见度降低.针对该问题,提出了一种基于物理模型的单幅图像的快速去雾方法.该方法以大气散射模型为基础,引入暗原色先验规律求取全局大气光,利用双边滤波局部估计雾浓度,间接求取大气耗散函数,最终通过变换的大气散射模型恢复无雾图像.大量实验结果表明,该方法能够恢复出自然清晰的无雾图像,并能够较好地处理景深突变的边缘及远景处.此外,该算法在处理图像的运算时间上具有明显的优势,可满足图像实时处理要求.     

基于景深约束的单幅雾天图像去雾算法

本文提出一种基于景深约束的单幅雾天图像去雾算法,该算法首先对退化模型进行变换以满足Kimmel变分框架的要求;其次,考虑到人眼视网膜锥细胞对绿光的敏感性,将绿光分量作为大气传输图变分求解模型的输入;最后,利用景深图像特性,在8邻域快速求解中对能量函数进行约束,从而有效提升去雾图像的视觉效果.实验结果表明本文算法在获得最佳去雾效果的同时,具有较好的实用性和较少的计算资源消耗.     

一种基于大气散射模型和Retinex的红外图像去雾算法

基于红外图像和可见光图像在有雾天气下退化过程中的相似性,可以使用大气散射模型对红外图像进行图像复原.但是图像在去雾复原处理后常常会有对比度低,细节不明显的特点,不利于人眼直接观察.针对这一情况,使用Retinex对去雾后的图像进行对比度增强.经过这两个算法处理后可以提高红外图像的对比度,突出其细节,提高其信噪比,并且具有良好的视觉效果.对算法的改进可以在计算处理速度和算法处理的效果上找到一个平衡点,为后期的嵌入式平台实现实时的视频去雾打下基础.     

基于自适应维纳滤波的单幅图像快速去雾算法

在雾霾天气中,摄像头拍摄图像的对比度和清晰度都会受天气影响而降低,针对这类问题,提出一种基于自适应维纳滤波的快速去雾算法。算法基于大气散射物理模型,通过软件阈值分割法估计全局大气光,利用自适应维纳滤波算法估计大气光模型。实验结果表明,该算法具有较高的处理效率,能够较好还原无雾图像和保持图像的边沿细节。     

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。     

单幅图像去雾算法研究

随着计算机技术和硬件能力的提高,计算机视觉处理系统已广泛应用于各类场景中,雾霾等恶劣天气下获取的图像会影响后续图像的处理,进一步导致计算机视觉处理系统性能的降低,因此提高降质图像的质量具有重要意义.文章给出一种结合图像增强和图像复原的处理算法,算法能在不同尺度的残差图像上和基础层上分别进行处理,达到保留图像细节和去雾的...     

一种基于分割的图像去雾新算法

在雾天环境下,大气介质中悬浮颗粒的散射作用导致图像质量严重下降,限制了其使用范围,因此对雾天图像进行去雾处理是必要的.根据暗原色先验去雾的原理,在局部区域内基于图像分割的思想来较准确快速估计雾天图像的传播图,然后应用大气散射模型对雾天图像进行去雾处理,并通过直方图拉伸来增大处理后的图像的对比度.实验结果表明,该算法能有效去除雾气对图像的影响,与传统去雾算法相比较,具有较快的处理速度和较强的实用性.     

基于暗通道的单幅图像除雾

针对暗通道先验算法存在的对全局大气光值估计不准确的问题,提出了一种单幅图像除雾的优化技术,对全局大气光值的选取方式进行了改进.首先用完美反射法对含雾图像进行颜色校正,接下来利用四叉树算法粗略估计大气光值,对其进行数值校正;再利用引导滤波对透射率进行优化,进而得到平滑的透射率.通过大气散射模型复原,得到较为清晰的除雾图像...     

基于双通道及图像质量评价模型的去雾方法

针对传统暗通道先验去雾算法易产生明亮区域失 真、去雾图像整体偏暗等问题,提 出一种基于双通道及图像质量评价模型的去雾方法。首先,划分出图像的明亮区域与非明亮 区域;其次,利用双通道先验算法准确估计出大气光值;接下来,将暗通道先验的透射率作 为非明亮区域的透射率,在明亮区域单独构建透射率,将二者融合细化,得到带有参数的透 射率;最后,通过构造参数驱动图像质量评价模型,迭代选取最优的无雾图像。实验结果表 明,算法去雾效果良好,可以有效地抑制Halo效应,避免区域的失真,改善复原图像 的综合质量。     

基于饱和度运算单幅图像去雾算法

在雾、霾等恶劣的天气条件下,大气介质中悬浮粒子的散射和吸收作用会严重退化户外拍摄图像,造成图像识别率降低.从单色大气散射模型和暗原色先验规律,提出面向视觉感知的HSI颜色模型的饱和度的新算法,从而实现图像去雾,对于去雾图像最小值像素点采用极大值和极小值进行估计,并对透射率进行修正.该算法能够有效地提高清晰度,能很好地运用于单幅图像去雾.     

基于融合策略的单幅图像去雾算法

为了有效增强雾天衰退图像,提出了一种基于融合策略的单幅图像去雾算法。该融合策略无需依靠大气散射模型或场景结构信息,只需通过原始衰退图像来获取其输入图与权重图。其中2幅输入图的作用主要是对原有雾图像进行颜色校正和对比度增强,而3幅权重图则突显了图像雾气较浓区域的细节信息。融合策略将上述输入图与权重图相融合以生成对比度高、色彩丰富的去雾图像。此外,本文还从人类视觉感知的角度提出了一个新的去雾效果评价指标,从而为图像去雾与去雾效果评价问题提供了新的解决思路。实验结果表明,与已有方法相比,提出的基于融合策略的去雾算法能更好地提高各种雾天图像的清晰度。     

基于三边滤波的Retinex图像去雾算法

针对传统Retinex算法采用高斯滤波估计图像的照射分量易产生边缘模糊,不能有效去除脉冲噪声且处理后的图像颜色易失真等问题,提出一种基于三边滤波的Retinex图像去雾算法。该算法利用三边滤波器估计图像的照射分量,三边滤波器继承了双边滤波器既可以有效降低图像加性高斯噪声又可以保持图像边缘细节的特性,同时又解决了双边滤波器与高斯滤波器不能有效滤除脉冲噪声,易产生伪边缘等问题。为验证该算法的有效性,采用5种不同的客观评价参数对处理后的图像进行评价。实验证明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

一种基于边沿检测的图像自动白平衡方法

提出了一种新的图像自动白平衡方法.首先,对图像进行直方图均衡化;然后对直方均衡化后的图像Y分量作边沿检测,在边沿包含的所有区域中选择Cb和Cr分量均值小且Y分量均值较大的区域作为参考白点区域;最后,以参考白点区域计算图像R、G和B的修正系数.使用System C对该算法进行模拟验证的结果表明,由于参考白点较准确确定,对较高色温和较低色温光源照射造成颜色偏移的图像自动白平衡较其他算法有明显改进.     

基于暗通道先验原理的偏振图像去雾增强算法研究

在装备试验与测试中,常规光学成像系统极易受气象环境(如雾霾、沙尘等)影响,导致探测距离、成像效果、测量精度等受到大幅限制,从而严重影响目标成像效果及关键参数获取。如何增强雾霾条件下光学探测识别能力及成像质量,成为了当前急需解决的关键问题。本文利用偏振成像优势,结合暗通道先验原理,提出了基于暗通道先验原理的偏振图像去雾增强算法。该算法首先利用采集到的偏振图像提取偏振特征,计算偏振度和偏振角;同时,采用基于区域增长算法自动提取出天空区域,对天空区域进行大气光参数估计,获取大气光偏振度及偏振角相关参数估计;然后,结合暗通道先验原理,获取无穷远处大气光强,进而计算各像素点的大气光强;最后,建立在大气物理退化模型基础上,实现图像去雾增强。实例分析与验证中,通过主观评价与客观评价两种方法,对比本文提出的方法和常见其他方法,实际结果表明,本文算法去雾增强能力较强,能有效提升光学系统的探测识别能力及成像质量,对雾霾条件下武器装备关键参数获取具有重要意义。