基于暗原色先验的快速单幅图像去雾算法

针对基于暗原色先验理论的单幅图像去雾算法中,由于某些场景下的雾天图像存在大面积明亮区域（如天空、水面或者偏白色物体等）不满足暗原色先验假设,从而导致去雾处理效果不好的问题。基于暗原色先验理论,提出了一种改进的单幅图像去雾算法。首先利用统计截断的方法估计出大气光值;然后对暗通道图进行中值滤波得到粗略估计的透射率图,并对明亮区域的透射率图进行自适应校正处理;最后将这些参数带入大气散射成像模型完成去雾处理。实验结果显示,相较于原算法而言,所提算法可以准确地选取出天空区域的像素点对大气光进行估计,有效降低明亮区域的色彩失真。通过不同算法对不同室外场景下采集的雾天图像的去雾效果的对比可知,所提算法在对明亮区域的处理上更加合理,可以较好地处理一些带有光源的图像,恢复出的图像具有很好的细节保持,视觉效果显著提高。所提算法对含有大面积明亮区域的雾天图像具有很好的增强处理效果,可以为图像分割、语义检索、智能分析等图像处理工作提供有效的预处理手段,对于交通监管、视频监控、行车视频记录、视觉导航等研究领域具有重要的意义。     

基于暗原色先验的区域自适应图像去雾方法

在雾霾天气条件下,由于大气粒子的散射作用导致拍摄的图像严重退化。针对这一问题,提出一种简单有效的单幅图像去雾算法。设计晕光估计算子检测出晕光区域,在暗原色先验条件下,根据晕光估计值获取区域自适应融合权值,进而在不同区域采用不同的加权方式融合基于单像素估算的透射率与基于块状区域的透射率以获取精确透射率,有效地消除了晕光效应;最后增加参数限制透射率过低,保护了天空区域。实验表明该算法复原的图像清晰自然,尤其是在前景与背景的边缘处及天空区域能够达到很好的去雾效果。     

基于暗原色先验的一种快速图像去雾方法

为了改善雾天环境下退化图像的视觉效果,结合雾天成像模型和暗原色先验的规律,提出了一种快速的单一图像去雾算法利用暗原色先验对大气参数进行估计,选取图像中满足条件的像素点进行透射率的估计,并据此计算图像中其它像素点的透射率,从而大大减小了图像透射率估计运算量,最后根据大气参数和透射率计算得到清晰化的图像。实验结果表明,该算法相对于传统的单一图像去雾方法具有处理速度快和效果好的特点。     

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.     

基于暗原色先验的图像快速去雾

针对雾天图像饱和度和对比度较低,提出一种基于暗原色先验和透射率权值的改进算法。估计大气光的取值范围,根据该范围确定大气光值,通过判定因子区分出暗原色失效区域;对该区域透射率进行基于透射率权值因子的调整;采用快速引导滤波细化透射率,并结合大气散射模型恢复图像。该算法能在去雾过程中对可调参数进行自适应选取。实验结果表明,该算法效率较高,且复原的图像细节丰富、颜色自然,视觉效果提升的较为明显。     

基于邻域相似性的暗原色先验图像去雾方法

针对雾天图像对比度和颜色严重退化的问题,提出了一种应用暗原色先验去雾的简便方法。该方法首先根据暗原色先验得到雾天透射率图;然后,通过暗原色值与邻域暗色值的差值来判断边缘,取颜色最相近点的暗色值为新的暗原色值,同时利用暗原色图像直方图自动获得大气光线值;最后,根据大气散射模型得到清晰图像。实验证明,该方法能够有效去除雾对图像的影响。     

基于暗通道先验的超像素图像偏振去雾仿真

传统超像素偏振图像去雾方法无法获取图像偏振,导致细节纹理处易产生突变零点,引发图像边界处发生光晕效应,去雾效果不理想.提出基于暗通道先验的超像素图像偏振去雾方法.构建大气散射模型,计算传播过程中散落光.根据散落光将超像素图像分解为RGB三个通道,结合暗通道先验原理计算透射率,选择像素平均强度值作为大气光估计值,得到景深图像.利用景深信息求解偏振值,得到恢复图像场景的辐射强度,实现超像素图像偏振去雾.实验结果表明:上述方法在图像复原质量与效率方面均有较大改善,能够有效恢复雾天超像素图像细节信息,获得满意的视觉效果,说明所提方法具有一定的实用价值.     

自适应校正透射率的暗通道先验去雾算法

针对暗通道先验算法复原后的图像在天空区域容易产生色彩失真和伪影的问题,提出了一种新的暗通道置信度计算方法,用以校正天空区域的透射率.根据观察,图像中亮度越高、饱和度越低的区域,越不满足暗通道先验的假设,利用二维高斯函数,结合有雾图像饱和度和亮度的特点,设计了一种新的自适应调参的暗通道置信度计算方法,对不满足暗通道先验区...     

暗原色先验单幅图像去雾改进算法

目的为解决传统基于暗原色先验的单幅图像去雾算法实现效率低以及恢复雾化图像在天空、白云等明亮区域颜色失真的不足,提出一种改进算法。方法通过分块思想,完成透射率的空间自适应估计;通过判断大气光强度和暗通道差值绝对值大小来判断雾图中是否含有明亮区域。结果该算法不仅降低了传统算法的时间复杂度,而且弥补了传统算法在明亮区域透射率估计的不足。结论实验结果表明该改进算法可行、有效。     

基于暗原色先验图像去雾的改进算法

基于暗原色先验的方法去雾效果较好,但也存在处理效率不高、天空区域容易产生较为明显的失真等缺点。采用双边滤波与最大值滤波相结合的方法取代软抠图对透射率进行优化,通过判断大气光强度和暗通道差值绝对值大小来区分雾图中明亮区域与暗原色区域,并削弱明亮天空区域的去雾。实验表明,本文算法不仅有效降低了传统算法的时间复杂度,还达到了较好的视觉效果。     

基于暗通道优先的单幅图像去雾新方法

暗通道优先(dark channel prior)规律在处理单幅户外场景图像去雾方面取得了非常好的效果,但是该方法在处理较高分辨率图像时需消耗大量的存储和计算资源,同时对于部分场景会得到不够准确的结果.仍然基于暗通道优先,根据观察实验,得到透射梯度优先规律,并结合多分辨率处理,提出了改进的图像去雾新方法.经过大量实验和理论分析,透射梯度优先不仅显著减小了去雾处理的计算量,它所引起的优化方法和参数变化还可能提升透射图计算的准确性.实验结果也证明,新方法仅需原方法1/8左右的计算时间和存储空间,就能够得到与原方法基本一致甚至更准确的去雾结果.     

基于暗原色先验与MTV模型的单幅彩色图像去雾

鉴于利用大气信息或景深信息复原雾天图像的方法不能局部修正恢复结果,文中融合大气散射模型与变分偏微分方程,提出了暗原色先验与MTV (Multi- channel Total Variation)模型相结合的单幅彩色图像去雾算法(H-MTV模型)。利用Dual Bregman算法,通过引入辅助变量和Bregman迭代参数将问题转化为利用对偶变量的半隐式迭代计算和主变量的精确计算公式来求解该模型。最后,将H-MTV模型与He,Kimmel Retinex等经典算法的实验结果进行分析和比较,验证了所提算法的有效性和优越性。     

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.     

先验知识与基于核函数的回归方法的融合

In some sample based regression tasks, the observed samples are quite few or not informative enough. As a result, the conflict between the number of samples and the model complexity emerges, and the regression method will confront the dilemma whether to choose a complex model or not. Incorporating the prior knowledge is a potential solution for this dilemma. In this paper, a sort of the prior knowledge is investigated and a novel method to incorporate it into the kernel based regression scheme is proposed. The proposed prior knowledge based kernel regression (PKBKR) method includes two subproblems: representing the prior knowledge in the function space, and combining this representation and the training samples to obtain the regression function. A greedy algorithm for the representing step and a weighted loss function for the incorporation step are proposed. Finally, experiments are performed to validate the proposed PKBKR method, wherein the results show that the proposed method can achieve relatively high regression performance with appropriate model complexity, especially when the number of samples is small or the observation noise is large.     

图像去雾霾算法的研究现状与展望

雾霾天气下拍摄的图像往往会因空气中的气溶胶粒子散射而降质,并因此影响后续的室外计算机视觉系统的应用。为此,研究者提出了大量方法来复原雾霾图像的质量。文中归纳总结了图像去雾霾方法的研究现状,重点研究和分析了基于图像增强和基于物理模型这两大类方法,深入探讨了其中一些已被广泛认可的经典算法的优劣,并分析了几种雾霾天气复原图像客观评价的方法。最后,提出了图像去雾霾算法未来的几种研究思路,并展望了未来的发展趋势。     

海天背景图像去雾方法研究

海天背景图像存在大面积天空区域,且在远距离平视时目标一定出现在海天线附近,现有的去雾算法对天空区域的改善都是弱化天空区域的处理,这样势必会造成海天线附近去雾效果的减弱,不利于后续的目标检测.针对该问题,提出一种基于大气散射模型的图像复原去雾算法.首先,利用海天背景图像的特点,采用边缘检测算子将图像划分为天空和非天空区域,并结合大气光的物理意义,取天空区域最大的值作为大气光的估计值;其次,针对有雾图像对比度很低而无雾图像对比度较高这一先验信息设计代价函数,并通过SLIC超像素分割进行分块,通过求解每个小块内该函数的最小值,估计出粗透射率,再用引导滤波对粗透射率进行细化从而消除块效应;最后,利用大气散射模型,代入前两步求得的参数便可以得到恢复的无雾图像.实验结果与分析结果表明,本文能对海天背景的图像取得较好的去雾效果.     

图像去雾算法研究综述

图像去雾技术的目的是为了去掉图像中雾的影响,从而获得高质量的图像.本文主要从图像增强、图像复原和深度学习的角度归纳总结了图像去雾方法的研究状况,对暗通道先验等经典算法以及新活跃在去雾领域的几种深度学习去雾算法做了进一步的分析,并对各类算法的性能进行了总结,最后针对各类图像去雾方法指出了存在的问题及未来的展望.     

一种结合双区域滤波和图像融合的单幅图像去雾算法

基于大气散射物理模型和暗原色先验原理,提出一种结合 双区域滤波和图像融合的单幅图像去雾算法.首先在计算暗通道函数时,定义了一类暗区 域对图像边缘的低强度像素点进行描述,该区域像素点的暗原色中值取其三原色通道的最小值,以代替原来的中值滤波运算值.此滤波方法不仅能有效去除Halo效应,而且避免了黑斑效应;然后基 于大气散射物理模型定义一种伪去雾图,将其与原去雾图进行像素级融合对原图进行色度校正,实 现了柔性去雾,改善了现有方法易出现过去雾的缺陷.实验结果表明,该算法去雾后图像具有较好清 晰度及色彩恢复度,去雾鲁棒性强.在大雾和图像色彩失真严重的情况下,仍可有效恢复图像.     

基于暗原色先验与变分正则化的图像去雾研究

现有雾天图像处理方法能够实现较好的去雾效果,但会丢失部分细节并产生噪声放大的问题.将暗原色先验与基于TV、BH规则项的变分模型相结合,提出一种新的变分去雾模型H-TVBH.根据暗原色先验原理估计图像的初始透射率,采用四叉树分解估计大气光值,将初始透射率和大气光值输入H-TVBH模型中,采用分裂Bregman算法和快速傅...     

图像去雾中的大气光强度自适应恢复算法研究

传统的单幅图像去雾方法中大气光强度仅设定为与图像最亮象素有关的经验值,容易造成去雾后的图像亮度偏暗,且某些区域色彩还原失真等问题。本文提出一种大气光强度自适应恢复算法。首先对图进行分块,根据每个图块的像素在RGB颜色空间分布在同一条线上,可求得大气光强度的方向,然后对大气光强度模值引入一个惩罚因子实现图像去雾,对去雾后图像提出大气光强度模值估计的目标函数,根据图像明暗系数的最大值与透射率的等级无关的约束条件,利用L-BFGS优化从而得到正确的大气光强度模值。实验结果证明该方法可以有效避免大气光强度估值偏差而引起的图像色彩失真,鲁棒性强,去雾后的图像具有更好的色彩还原度和清晰度,更能符合人眼视觉效果。