基于改进的限制对比度自适应直方图的视频快速去雾算法

针对雾天视频图像对比度低、可视性急剧下降的特点,提出一种改进的限制对比度自适应直方图均衡化的视频实时去雾方法.将图像从RGB空间变换到HIS空间,根据模块之间的相似性进行自适应更新,提高图像中心的像素值权重.使用预定义的阈值裁剪直方图,限制噪声的放大和局部对比度的过增强,确保对视频图像处理的快速性.与传统方法进行比较,多组实验结果表明,该方法在信息熵、平均梯度、方差等指标上具有明显的优越性,可以有效去除朦胧,增强雾天图像的层次感;计算复杂度低,可以满足实时性应用的要求.     

对比度受限自适应直方图均衡方法

该文介绍了对比度增强的分类方法,主要介绍了对比度受限自适应直方图均衡法,其通过限制局部直方图的高度来限制局部对比度的增强幅度,从而限制噪声的放大。     

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。     

基于直方图的图像自适应均衡算法

传统直方图均衡算法经常出现对低灰度层过度拉伸,产生图像被过度增强,或是使像素较少的灰度级在变换时被合并,导致图像的边缘或细节信息丢失等现象。为了改善这种算法的不足,该文提出一种改进的自适应均衡算法。该算法先对图像进行传统的直方图均衡处理,然后将处理后的图像再进行一次函数映射,保证将变换后的图像具有一个较大的灰度动态范围,最后确定适当的亮度调节系数,提高整幅图像的对比度,达到较好的视觉效果。实验结果表明,改进后的算法可以有效地改善传统算法的不足,具有较高的适应性。     

基于混合对比度增强的户外图像去雾方法

雾天拍摄的户外场景图像对比度和色彩降质严重,影响了视觉监控系统的可靠性和鲁棒性。针对雾天图像灰度动态范围较窄、对比度差的问题,为提高视觉精确性,提出一种基于混合对比度增强的户外降质图像去雾方法。在分析雾天图像特征的基础上,给出了一种全局去雾模型,然后基于遗传算法的全局搜索优势,对图像进行全局优化去雾处理。根据雾天图像降质与深度密切相关的先验知识,研究了一种模糊邻域对比度增强方法,进一步实现局部细节的增强处理,并进行仿真。结果表明,提出的混合去雾方法实现简单,能够有效增强雾天降质图像的全局对比度和细节结构,较好地改善视觉效果。     

基于局部对比度最大化的单幅图像去雾方法

为了复原有雾天气条件下户外设备所拍摄的降质图像,文章研究了一种快速高效的基于局部对比度最大化和雾天退化物理模型的图像去雾方法。根据户外图像成像的特点并结合图割理论,对原有基于局部对比度最大化的方法进行改进和优化,并选取大量户外受雾影响的降质图像进行实验测试。实验结果表明,本文的方法相对于原有的方法具有更快的处理速度,并且能够得到较好的去雾效果。对户外成像设备的稳定性和可靠性的提高效果显著。     

基于模拟退火算法的红外图像自适应对比度增强

基于模拟退火算法击和非完全Beta函数，提出了一种自适应红外图像对比度增强方法。首先基于输入红外图像的灰度直方圈给出一种有效的判据。对输入红外图像先利用所提出的判据判断图像的对比度类型．然后利用这个判据来确定灰度变换参数的搜索空间，进一步指导模拟退火算法的搜索方向和初值的选取，利用模拟退火算法在上述确定的灰度变换参数空间中搜索最佳的灰度变换参数，从而获得一条最佳的灰度变换曲线，实现对图像进行全局增强处理。实验结果表明，该算法在有效地提高红外图像整体对比度的同时，很好地保留了图像中的细节部分信息。算法在视觉质量上优于传统的直方图均衡法、反锐化掩膜法。     

基于直方图修正的局部对比度增强算法

针对传统直方图均衡化算法经常导致过增强,噪声放大和局部对比度低等缺点,提出了基于直方图修正的局部对比度增强算法。首先,利用自适应部分子块重叠方法把图像划分成一系列的子块,子块的大小能根据图像局部特征自适应调整;然后,对每个子块采用基于直方图修正的对比度增强方法进行处理;最后,融合各重叠子块的处理结果得到最终的增强图像。实验结果表明,该算法具有噪声鲁棒性、可控制增强等级、可调节动态范围和局部对比度较强的优势,增强后的图像具有更自然的视觉效果。     

基于自适应校正的动态直方图均衡算法

为提高低照度图像的对比度并改进动态直方图均衡化算法的不足,在亮度校正上,提出基于直方图"分布范围"的分割技术和重映射区间分配方法,用去噪阈值优化直方图分布范围的计算;在控制对比度和保留细节信息上,提出带参数的调整量来校正直方图中的较小值,防止灰度级的合并.选取了多个低照度图像数据集进行测试,结合主客观图像质量评价可以看...     

基于自适应邻域对比度增强的直方图均衡算法

图像增强技术可分为局部增强和整体增强两种.在分析文字图像褪化因素及特点的基础上,提出一种基于自适应邻域对比度增强的直方图均衡法,它不仅能在增大整幅文字图像动态范围的同时增强局部对比度,去除扩散,而且能抑制一定的背景噪声.在此基础上,用灰度拉伸技术进一步加大文字图像的对比度,去除背景噪声,改善了褪化文字的视觉效果.     

基于对比度受限自适应直方图均衡的乳腺图像增强

采用对比度受限自适应直方图均衡对乳腺图像进行增强,有效地增强了乳腺图像中的细节,如钙化点、乳导管等组织;并通过对算法中相关参数研究,得到应用于乳腺图像增强的参数优选值,以求获得较好的增强效果,为医师分析影像提供方便。通过与灰度直方图均衡的结果进行比较得出：对比度受限自适应直方图均衡为乳腺数字图像增强的有效方法,在计算机辅助乳腺诊断方面有较高应用价值。     

基于饱和度运算的快速图像去雾算法

在雾、霾等恶劣天气条件下,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的图像,造成图像识别率降低.从单色大气散射模型出发,提出面向视觉感知的HSV颜色模型定义饱和度的新算法,估计大气光亮度A;利用饱和度运算估计透射率函数进而恢复场景反照率;最后经直方图拉伸得到最终的复原图像.实验结果表明,改进算法能有效地复原场景的对比度和颜色,提高图像的视觉度和计算效率.     

基于线性加权的自适应图像去雾算法

在雾霾天气下,大气散射作用导致采集图像信息丢失。针对这一问题,以暗通道先验原理为基础,提出一种基于线性加权的自适应图像去雾算法。首先,在计算暗通道函数时,采用一种改进方法生成精确的暗原色图,并使用图像锐化技术确保场景边界特性;其次,针对复原图像对比度过深,定义一种自适应的线性加权方式计算准确的大气光强值,确保得到代表实际场景的透射率图;最后基于大气散射的物理模型,得到清晰的无雾复原图片。实验结果表明,该方法能有效地实现图像去雾,且具有效果好和速度快的优点。     

一种自适应的图像去雾算法

基于图像暗通道先验规律的图像去雾算法是当前一种比较先进的基于模型的图像去雾算法,但也存在一些缺陷和不足,例如:算法计算量较大,处理时间较长;可能出现去雾失败现象。针对此类问题,提出一种自适应的图像去雾算法,使用基于暗点优先膨胀算法提高图像暗通道计算速度;采用引导式滤波算法快速细化透射图,改善了"白边(halo)"现象;根据图像本身的特征自适应地计算去雾参数,有效减少去雾失败的现象。实验结果表明,该算法可以动态地适应图像的特征,自适应地调整相关参数,计算效率和效果更好,可以满足视频去雾的需求。     

基于负修正和对比度拉伸的快速去雾算法

针对目前主流去雾方法算法复杂度高而难以满足实时性需求的问题,提出一种提高雾天图像对比度、保持图像颜色的快速算法。对输入图像的负像进行对比度拉伸间接提升雾天图像的对比度,达到了节约运算时间的效果。针对由Lipschitz系数得到的图像结构信息设置自适应的参数,参数设置由关于Lipschitz系数的函数和关于局部像素块亮度平均值的函数两部分组成,最后利用Sigmoid函数自适应地拉伸图像,能够得到色彩自然、细节清晰的无雾图像,相对于He算法,所提算法在速度方面提升了约90%。实验结果表明,该算法在保证实时性的同时达到了较好的主观视觉愉悦性,更符合实际工程应用的要求。     

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％.     

基于亮暗通道相结合的自适应图像去雾算法

暗通道先验(DCP)近几年已被证实是一种合适的除雾模型,然而其过程将引起图像的Halo效应和颜色失真.基于此,提出了结合亮通道原理和天空区域分割的新算法.使用亮通道和暗通道的结合来精准估计大气光值和透射率,天空区域自适应分割解决恢复无雾图像时天空区域的色彩失真问题.将从主观及客观两方面将本文去雾算法与现有算法进行对比,结果表明,本算法能够有效消除Halo效应,获得高对比度、高色彩饱和度以及丰富细节信息的去雾结果,同时也提高了图像去雾效率.     

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。     

改进残差神经网络的图像去雾算法

针对图像去雾算法中存在因介质透射率估计不准确而造成色彩失真、去雾不完全的问题,提出了一种改进残差神经网络的图像去雾算法.首先采用并行多尺度卷积层提取雾图像特征.然后通过引入了深度可分离卷积层的残差网络学习介质透射率,并利用加权引导滤波细化介质透射率.最后根据大气散射模型反演得到无雾清晰图像.实验结果表明,该算法与其他去雾算法相比在峰值信噪比(peak signal to noise ratio, PSNR)和结构相似度(structural similarity, SSIM)指标上取得了一定的提高,并且去雾图像在主观视觉上也取得了较好表现.