基于图像退化模型的图像去雾算法

在雾、霾之类的恶劣天气下拍摄的图像,由于存在大气的散射作用,使得物体特征难以辨认,严重影响了图像的视觉效果,同时还妨碍了图像的特征提取. 因此,需要利用去雾技术对图像进行增强和修复,以改善视觉效果和方便后期处理. 本文针对暗原色先验去雾算法耗时长和处理效果不佳等问题,提出了一种改进的自适应边界约束去雾算法. 同时,引入了信息熵和平均梯度对其进行客观评价,对比实验结果表明该方法运算速度快,在细节处理上效果更好.     

结合注意力机制的多尺度特征融合图像去雾算法

针对传统图像去雾算法容易受到先验知识制约以及颜色失真等问题,提出了一种结合注意力机制的多尺度特征融合图像去雾算法.该算法首先通过下采样操作得到多个尺度的特征图,然后在不同尺度的特征图之间采用跳跃连接的方式将编码器部分的特征图与解码器部分的特征图连接起来以进行特征融合.同时,在网络中加入一个由通道注意力子模块和像素注意力...     

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。     

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。     

色彩空间中的单幅图像自适应去雾算法EI北大核心CSCD

为解决传统基于暗原色先验的去雾算法在景物边界处出现的白边现象,以及在天空、白云等明亮区域出现的颜色失真的问题,提出一种基于色彩空间的快速去雾算法.首先把暗原色先验值求解中对邻域求最小值操作改为求中值操作;然后根据RGB色彩空间中像素颜色深度变化正好与场景深度变化相对应的关系,引入像素最大值与最小值之差的加权来调整暗原色先验值;再根据阈值来区分是否是明亮区域,修改明亮区域透射率估计的不足;最后在HIS色彩空间复原强度分量和饱和度值,并用直方图拉伸增强强度分量.文中算法无需图像后期修补,能自适应地修改暗原色先验值,实验结果表明了该算法的可行性和有效性.     

单幅图像快速去雾算法

目前去雾算法主要有通过暗原色和对图像颜色通道处理等方法,但是这些方法去雾效率不高,从而导致实用性不强,针对此弊端提出了一种基于单幅图像的快速去雾算法。大气光估计运用改进的暗通道方法,先对颜色通道进行最小滤波,然后取最小滤波的最大值作为大气光的估计值;透射率估计运用物理模型均值滤波,先根据数学模型转换,然后进行一次均值滤波,再用偏移值来修正带透射率的估计值。算法简单快速有效,具有实用性。对实验结果进行定性定量分析,证明与其他算法相比,所提算法具有更好的去雾效果和更快的处理速度。     

减少色彩失真的自适应单幅图像去雾算法

基于暗通道先验的单幅图像去雾算法是目前最为高效的图像去雾技术,然而当图像中某些场景不完全满足暗通道先验时,去雾处理后的图像中常常出现大量伪影和色彩失真,因此需要根据图像对该方法进行修正。假设图像场景亮度越高,暗通道越不可信;场景饱和度越低,暗通道越不可信。基于该假设重新设计了图像的暗通道置信度,以补偿场景不完全满足暗通道先验时估算过大的暗通道值;另外对图像进行后置增强处理,以提升图像的视觉效果。对三类具有代表性的雾天图像进行实验,实验结果显示,与相关算法相比,该算法在缓解色彩失真、去除伪影等方面表现更好。该算法通过设计暗通道置信度克服了图像场景不完全满足暗通道先验时暗通道值估计偏大的问题,显著提升了暗通道先验去雾模型对不同雾天场景的适应能力。     

线性约束下的高斯自适应标准差去雾算法

针对暗通道先验算法中透射率在天空等明亮区域估计过小以及最小滤波使用不足问题,提出一种线性约束下的高斯自适应标准差去雾算法.首先利用有雾图像的最小通道图构造高斯函数来近似估计无雾图像的最小通道效果,提升明亮区域透射率的准确度;为了防止无雾图像最小通道灰度级超出范围,提出线性系数进行约束,使得其灰度级分布在(0,1);再通过观察得到高斯函数标准差与雾浓度呈负相关,提出自适应标准差来控制最终复原效果,并利用交叉双边滤波进行优化;最后结合大气散射模型复原图像.在MatlabR2014a软件中进行仿真实验,并采用视觉效果分析和盲评估评价指标对文中算法进行验证.结果表明,与经典算法对比,该算法有效地恢复了有雾场景的对比度和细节信息,明显增加了图像可见度且具有较低的时间复杂度.     

基于颜色相似度的车牌定位算法

针对车牌图像分割困难、车牌位置定位不准确等问题,提出了一种新的车牌快速定位方法。该方法是在HSV模式下进行的,首先在颜色空间下,对车身的每一行颜色进行相似度的计算,再将相似度大于阈值的颜色去除,然后进行水平与垂直投影,同时利用车牌位置、长宽比例信息,精确地定位出车牌。这种方法对不同光照条件下,不同颜色的车辆,不同颜色的车牌均具有良好的适应性。实验表明该方法定位准确,运算速度快,能满足实时性要求。     

基于颜色特征的车牌快速定位

提出了一种基于颜色特征的车牌快速定位算法,该算法充分利用车牌颜色相对固定的特点,首先根据原始图像得到一组特定的色彩距离图谱,通过自适应熵阈值的选取快速分割出车牌的候选区域,然后再根据车牌的纹理特征对候选区域进行筛选以得到车牌的精确位置。针对不同的背景和不同种类的车辆,抽取了3106幅图片进行测试,其中有69幅图片未定位出车牌,定位成功率为97.8%,平均定位耗时为29ms。     

结合深度特征迁移与融合的两阶段船牌定位算法

获取运河过往船只的身份信息具有重要意义,快速、准确地定位船牌是实现船只身份自动化识别的首要任务.为提升对小尺度船牌的检测性能,提出一种结合深度特征迁移与融合的两阶段船牌定位算法.首先在船只检测阶段,通过迁移学习构建船只检测模型,获取图片中船只区域的位置信息;然后在船牌定位阶段,提出基于特征融合策略的多尺度船牌定位网络,在上一阶段的基础上对船牌进行定位.在SLPLOC船牌定位数据集上的实验结果表明,相比其他算法,该算法能够有效地减少误差,提升精度值和召回率.     

基于小波纹理分析的彩色车牌定位算法研究

针对传统的车牌定位算法是采用灰度图像的纹理特征的,由于灰度图像的纹理特征诸多特性和局限性,给车牌定位算法带来很大的困难;鉴于此,提出了基于小波纹理分析的彩色车牌定位算法;首先对图像进行二维小波分解,计算滑动窗内图像的小波纹理特征;然后同时将低频子图转化RGB色彩分量为HSV色品值,提取颜色特征并得到综合特征向量;其次利用小波变化定位出车牌区域;最后对定位出的车牌进行后期校正处理并输出定位结果;该算法采用综合特征定位,克服了采用单一特征定位的缺点和局限性,从实验结果可以看出该算法能够较准确的从背景图像中提取出车牌位置信息。     

复杂车辆图像中的车牌快速形态定位算法

针对复杂环境下的车牌定位问题,提出了一种基于形态学的快速车牌定位方法。该方法先对车牌图像进行预处理和二值化,然后用形态学方法对二值化后的图像进行系列形态运算,将车牌图像分割为一个个独立的小区域,根据车牌特性去掉较小的区域,并对保留的连通域进行标记,最后用车牌形状特性进行车牌快速定位。实验结果表明,该方法定位效果好,速度快,适于应用对现实的车牌图像进行定位。     

基于小波一形态学的车牌图像分割算法

车辆牌照图像的分割是车牌识别的前提和基础。在车辆自动管理技术日益发展的今天,车牌图像的分割技术倍受瞩目。针对牌照与车身背景的分割问题,提出了基于小波变换和数学形态学方法的车辆牌照阈值分割算法。首先,对车牌图像进行小波去噪,然后利用数学形态学对去噪后的车牌图像进行闽值分割。此方法能够从含有较强噪声的车辆图像中获取车牌图像,通过构造适当的结构元素,可以达到比较理想的提取效果。     

基于波峰合并算法的汽车牌照定位方法

以实现汽车牌照的准确定位为目标,在充分利用牌照图像纹理特征和投影特征的基础上,提出一种基于投影波峰合并算法的车牌定位方法,并在VC 环境下编程实现,算法具有直观、流程简单的特点.经对实际采集的多幅图像进行处理后,证明这种方法简单、高效、定位准确.     

基于模糊模式识别的车牌识别算法设计

介绍一种基于明暗度二值化的车牌模糊识别的算法.这种算法在车牌识别的使用可以有效避免因光照、车辆运动速度及车牌清晰度、光洁度而带来的误识别.介绍了这种算法的构建、实验平台、实验环境、实验处理结果,并对结果进行了讨论.     

复杂图像中的车牌定位算法①

针对复杂车辆图片中的车牌定位与分割,充分利用了车牌区域的高频特性和底色特性,提出一种梯度边缘检测与彩色分割相结合的综合性算法,能够对诸多干扰因素影响下的车牌进行精确定位与分割。实验表明该算法准确、可靠。     

基于模板匹配和局部HOG特征的车牌识别算法

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,本文提出了一种模板匹配法结合局部HOG特征的车牌识别算法.首先利用模板匹配法对车牌所有字符进行初步识别,然后分别提取车牌和模板相似字符中最具区分度的一小块HOG特征进而构建特征向量,最后根据特征向量之间的欧氏距离来度量车牌字符和模板字符的相似性,进而完成二次识别.实验结果表明,本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高.