基于改进去雾技术的低照度图像增强算法

为提高低照度图像的细节增强效果,本文提出一种基于去雾技术的低照度图像增强算法,首先对低照度图像应用反色操作,然后在反色的图像上执行雾度去除,再次执行反色操作以获得输出图像。随后,在YCbCr色彩空间中,构建一个细节增强网络,用抛物线函数对亮度信息进行增强,拉伸低亮度区域,基本不改变高亮区域的亮度值,保持色彩信息不变,实验证明,本方法可以提高图像的整体细节信息,同时避免了传统方法中出现的为Gamu问题,具有良好的视觉效果。     

图像去雾技术研究综述

图像去雾是计算机视觉领域一个重要的研究方向,旨在从有雾图像中获取原有场景的细节和纹理特征等信息,进而得到清晰无雾的图像。作为一项基础的图像处理任务,图像去雾技术有着广泛的应用。为了探究图像去雾算法的发展历程与研究现状,现将去雾算法按照所使用图像数量的不同分为多幅图像去雾算法和单幅图像去雾算法两大类。首先梳理了图像去雾算法的发展历程与研究现状,然后对比总结了各类算法的异同点,最后讨论了图像去雾算法的研究所面临的潜在问题,并对未来的研究方向做出了全新的展望。     

图像去雾技术研究综述与展望

图像去雾技术是图像处理和计算机视觉领域共同关心的重要问题。通过从图像处理和物理模型的研究角度对图像去雾技术进行综述,综合了近年来提出的典型的图像去雾方法的基本原理和最新研究进展,并对一些典型的及最新提出的去雾方法,给出了其视觉上的去雾效果和客观的评估数据。最后展望了图像去雾技术的未来研究方向,并给出了一些建议。     

基于移动模板的图像去雾方法研究

雾使图像退化严重,已有多种方法应用于图像去雾。分析了直方图均衡化方法在图像去雾方面的缺点,提出了一种改进的基于移动模板的局部重叠直方图均衡化去雾方法,分析了模板大小和移动步长对实验效果的影响,对可能出现的块效应提出了简单的滤波平滑算法。实验证明,该方法能够在增强图像的同时有效去雾,降低对图像的影响,且实现简单。     

基于ZYNQ的Retinex实时图像去雾

雾霾天气严重影响户外视频系统的图像质量。随着户外视频系统的广泛和深入的应用,迫切需要能够进行实时处理的小型化的嵌入式图像去雾系统。提出一种基于ZYNQ的Retinex实时图像去雾方法,在HSV颜色空间对亮度分量V进行Retinex算法去雾处理;采用ARM+FPGA软硬件协同的方式,由ARM完成算法控制功能及图像的颜色空间转换、对数等简单运算;在FPGA中采用高斯核函数与二维图像卷积的并行算法估计环境光的照度。实验结果表明,提出的方法在保证去雾效果的情况下,具有处理速度快、小型化、可嵌入、可移植和功耗低等优点,能够满足户外视频系统的性能要求。     

基于双边滤波的图像去雾

目的在雾、霾等天气下,获取的图像受到大气粒子散射的影响而严重降质。针对这一问题,提出了一种基于双边滤波的单幅图像去雾算法。方法此算法是以大气散射模型为基础。首先利用双边滤波保持边缘的平滑特性得到准确的大气耗散函数。其次,针对明亮区域失真的问题,本文提出了弱化明亮区域去雾的方法。最后,通过变换大气散射模型得到清晰的无雾图像。结果大量实验结果表明,本算法恢复的图像清晰自然,尤其是在远景处和景深突变的边缘处的处理能取到很好的去雾效果。此外,其时间复杂度为图像大小的线性函数。结论针对雾、霾天气下的降质图像,基于大气散射模型与双边滤波特性,本文提出了一种新的单幅图像去雾算法。实验结果表明,本算法能获得很好的去雾效果,尤其在细节处理的表现优于Tarel的去雾算法。同时,与He Kaiming的去雾算法相比,运行时间具有明显优势,有利于实现实时性技术应用。     

彩色图像去雾清晰化研究

为了解决雾霾天气的影响下成像设备采集的图像容易出现的降质及色彩失真问题, 并从有雾图像中增强其细节信息, 提高原图像的对比度和清晰度. 将彩色图像RGB通道分别做相应的图像增强算法处理, 全局直方图均衡化把整体的灰度直方图进行均匀分布的处理, 小波变换算法对彩色图像进行多层次分解, 多尺度Retinex算法通过高斯函数...     

数字图像去雾技术在变电站雾天图像应用研究

随着变电站从有人值守向无人值守转变,运行人员利用摄像头、机器人采集设备图像,以了解设备运行情况。但在雾天条件下,变电站采集的图像存在能见度低、不清晰问题,导致远程监控、操作无法有效开展,增加电网运行安全风险。本文针对雾天变电站图像进行研究。首先梳理了目前图像去雾算法种类以及去雾算法在电力系统中应用情况,同时总结了变电站雾天图像画面由表计、开关等设备组成、图像背景色彩以灰、黄、黑、白等色彩为主等特点。然后分析介绍了几种基于图像复原、图像增强技术去雾算法的原理。并选取实际采集的变电站雾天图像,从主观、客观评价两方面出发,综合对比分析几种去雾算法在变电站雾天图像去雾能力的优劣。最后,结合变电站雾天图像特点及图像去雾技术发展趋势,提出了几点未来的发展方向。     

图像去雾的最新研究进展

随着计算机视觉系统的发展及其在军事、交通以及安全监控等领域的发展, 图像去雾已成为计算机视觉的重要研究方向. 在雾、霾之类的恶劣天气下采集的图像会由于大气散射的作用而被严重降质, 使图像颜色偏灰白色, 对比度降低, 物体特征难以辨认, 不仅使视觉效果变差, 图像观赏性降低, 还会影响图像后期的处理, 更会影响各类依赖于光学成像仪器的系统工作, 如卫星遥感系统、航拍系统、室外监控和目标识别系统等. 因此, 需要图像去雾技术来增强或修复, 以改善视觉效果和方便后期处理. 本文归纳总结了两大类图像去雾方法:基于图像增强和基于物理模型的方法, 深入探讨了其中的典型算法和研究成果, 并对这些算法的测试结果进行了定性和定量的分析比较, 最后总结了图像去雾技术目前的研究状况和未来的发展方向.     

基于光源区域自适应的夜间去雾方法

夜间有雾图像会导致图像质量下降,主要体现在夜间有雾图像光照不均、对比度较低且色偏严重,而人工光源的存在更是使得环境光呈现出不均匀性.现有的主流算法主要是针对白天图像进行处理,并不适用于夜间场景去雾处理,导致夜间去雾难度加大.针对上述问题,通过深入分析夜间有雾图像的成像特点,提出了一种新的夜间图像去雾算法.针对夜间有雾图像的色偏问题,提出了改进的暗通道先验算法(MRP)进行颜色校正,该方法单独操作每一个颜色通道进行颜色校正,从而可以减少由MRP引起的光源区域周围的光晕效应;针对夜间场景环境光不均匀性的特点,提出了基于有雾图像低频分量的最小-最大值滤波方法,以此来实现局部环境光的估计;针对最大反射率先验(DCP)估计透射率在光源处失效的问题,提出了一种基于光源区域自适应的透射率估计算法.实验结果表明,该算法在抑制光晕和光源区域发散的同时,能够较好地重现暗部细节,恢复图像具有较好的亮度和对比度,且色彩自然.相比暗通道先验,所提方法的峰值信噪比(PSNR)与结构相似性值(SSIM)平均提升了81.8％和26.5％.     

雾景降质图像增强算法研究

在对目前雾景降质图像增强文献进行分析与理解的基础上,简单介绍最近十年雾景降质图像增强的研究现状,根据相关文献简要分析了传统雾景降质图像增强方法的缺陷及改进;介绍和评价了几种基于物理模型的天气退化图像复原方法;最后简要对雾景降质图像增强的发展与亟待解决的问题进行了分析与展望。     

图像去雾算法的综述及分析

图像去雾是以满足特定条件下应用需求为目的,通过对有雾图像进行分析和预处 理,突出图像中的细节信息使之更加适合人机识别的一种图像预处理方法。在雾天条件下拍摄 到的图像因为雾霾的影响导致图像可能会存在细节丢失、对比度低的情况,将会影响图像后续 的分析识别工作。经归纳总结目前图像去雾算法的研究现状,主要包括基于图像增强、图像复 原以及卷积神经网络 3 类去雾方法及其改进算法,对其中的一些算法进行了实验、评价及优缺 点分析,并对未来的发展进行了展望,对算法中的难易点提出了一些参考的建议,促进了图像 去雾算法的进一步发展。     

基于相对透射率估计的快速图像去雾算法

针对暗通道先验算法中恢复效果偏暗以及运算时间过久的问题,提出一种基于相对透射率估计的单幅图像快速去雾算法。该算法在分析雾霾条件下场景深度与最小值图像关系的基础上,依据景深相对量初步估计透射率,利用改进的均值滤波器作精确化调整,最后根据大气散射模型复原清晰图像,并通过亮度增强改善其视觉效果。该算法对透射率的估计简单、有效,复原图像清晰、自然,并且具有较高的细节可见度和层次感。实验结果表明,该算法在去雾效果和处理速度方面均有很大改善,有利于实现实时性应用。     

图像去雾算法综述

由于气候变化、空气污染等原因,含雾图像的产生不可避免。对含雾图像进行去雾处理是消除雾对图像的不良影响,进而获得细节纹理等方面高质量的清晰图像。首先,主要就图像增强、物理模型和深度学习三个方面对图像去雾算法的研究现状进行系统的归纳总结,包括各类去雾算法的优缺点分析。其次,指出去雾算法的问题所在。最后,提出去雾算法的前景展望。     

基于半训练色彩剥离去雾网络的彩色图像恢复方法研究

本文提出彩色半训练色彩剥离去雾网络(Color-Semi training color stripping DehazeNet,简称CSTCSDN)对半训练色彩剥离去雾网络(STCSDN)进行补充,用来生成彩色的去雾图像.STCSDN具有很强同适应性,但是输出的图像为灰度图像,视觉效果不如彩色图像.本文通过在STCSD...     

基于暗原色先验模型的快速去雾算法

为了实时地消除图像中的雾气,提出了一种基于暗原色先验理论的快速去雾算法.改进了透射率修复方法,显著地减少了算法的计算量;通过自适应调节透射率下限值和大气光成分值,扩大了去雾处理的适用范围;对复原的图像进行增强处理,改善了复原图像的整体视觉效果.实验结果表明,本文算法能有效地去除图像中的雾气,同时提高了算法的处理速度,有利于算法的实时实现.     

雾天环境下自适应图像增强去雾方法研究

由于雾天环境下大气散射现象,拍摄出来的景物能见度和对比度会大幅降低.为了解决问题,提出了一种针对雾天环境的自适应图像增强去雾方法,部分重叠直方图均衡化方法(POSHE).方法将邻域内的子块变换函数通过加权求和计算得到当前子块的变换函数,以消除子块直方图均衡化变换之间的差异,对于图像场景深度信息多变且未知的雾天图像能够突出图像的局部细节信息,达到良好的去雾效果,并能够满足实时视频图像处理的要求.     

两阶段特征提取策略的图像去雾

目的 传统以先验知识为基础的去雾算法,如最大化饱和度、暗通道等,在某些特定场景下效果非常不稳定,会出现色彩扭曲和光晕等现象。由于标注好的训练数据严重不足、特征的冗余性等原因,传统基于学习的去雾算法容易导致模型过拟合。为克服这些问题,本文提出一种基于两阶段特征提取的场景透射率回归去雾方法。方法 在第1阶段,提取图像在颜色空间上的饱和度、最小通道、最大通道以及灰度图的盖博响应等43维特征作为初始雾的特征,并在提取的特征图像局部窗口内,进一步提取最小值、最大值、均值、方差、偏度、峰度、高斯均值等7维特征。在第2阶段,将提取的43×7=301个维度特征组成表征雾的二阶段特征向量。最后采用支持向量机进行训练,得到雾的特征向量和场景透射率的回归模型。结果 实验结果表明,本文算法取得了非常好的去雾效果。平均梯度值为4.475,高于所有对比算法;峰值信噪比为18.150 dB,仅次于多尺度卷积神经网络去雾算法;结构相似性为0.867,处于较高水平;去雾后的亮度和对比度,也均排于前列。本文算法的去雾测试性能接近甚至超过了已有的基于深度学习的去雾算法,表明本文提出的两阶段特征能够很好地对雾进行表征,实现了小样本学习的高效去雾。结论 本文通过两阶段的特征提取策略,极大提升了算法的鲁棒性,仅需要极少量样本就能训练得到性能很好的去雾模型,具有很好的泛化性能。