一种基于自适应大气光和加权引导滤波的夜间图像去雾算法

夜间图像去雾对于夜间场景下无人驾驶、交通安防等有重要的工程应用价值。针对暗通道先验算法在夜间雾天场景下的失效问题,提出一种基于自适应大气光和加权引导滤波的夜间图像去雾算法。该算法首先基于图像亮度和饱和度联合求取信道图,并将信道图作为引导图对原图像进行引导滤波得到大气光分布图,为解决暗通道先验在图像亮区域的失效问题,引入亮通道先验矫正亮区域的透射率,为优化亮、暗通道透射率的融合,建立一种基于分段伽马矫正的融合权值计算方法,用于亮区域透射率的权值计算,并利用该透射权值加权得到图像的初始透射率;然后利用加权聚合引导滤波代替引导滤波细化初始透射率,通过基于相似度为滤波中心像素的邻域像素赋予权值,并在滤波聚合阶段采用加权聚合代替均值聚合,解决引导滤波弱化细小纹理而引起的边缘模糊问题;最后将复原图像转换到HSV空间,对亮度分量V进行均衡化调整,并对均衡化前后的图像进行线性加权获得最终复原结果。实验结果表明,所提算法大气光分布图估值合理,可有效反映夜间多光源场景下的大气光分布情况,图像亮、暗区域透射率计算准确,复原图像去雾彻底、纹理清晰,与经典算法对比显示,复原结果的峰值信噪比、信息熵、平均梯度和方差的最大提升幅度分别为49.4%、18.3%、172.3%、115%,综合指标优于所对比的算法。     

明亮区域的暗原色先验算法

针对暗原色先验算法在处理含有大面积明亮区域的有雾图像时,复原图像会产生严重色彩偏移的不足,提出了一种基于像素点的透射率修正方案.在分析暗原色先验去雾原理以及复原图像色彩偏移成因的基础上,对去雾模型进行推导,使用暗通道亮度与大气光数值接近度及像素通道间数值接近度作为明亮区域判定机制,得出更具普适性的透射率求取方法.明亮区域采用容差机制纠正错误估计的透射率,非明亮区域仍采用原透射率求取方式,并首次将改进算法应用到雪天模糊图像清晰化中.实验结果表明,改进算法使去雾图像清晰自然,可有效修正色彩失真.     

一种非线性变换的自适应透射率去雾算法

人工智能的飞速发展使得图像处理技术广泛应用于新一代智能交通系统中.但由于现有图像去雾算法在应用于智能交通中会存在透射率估计不足的现象,导致所复原图像在景深突变区域存在色偏、晕影、对比度低等问题,严重影响了户外采集系统的性能.因此,提出一种非线性变换的自适应透射率去雾算法.通过对数映射并结合自适应参数将暗通道中处于高灰度...     

结合天空分割和超像素级暗通道的图像去雾算法

为了提升去雾图像质量,提出了一种基于天空分割和超像素级暗通道的单幅图像去雾方法。首先提出一种简单有效的多阈值天空分割方法,可将图像划分为天空区域和非天空区域;其次,根据天空区域估计大气光值;然后分别估计两类区域的透射率,对天空区域利用该区域无雾和有雾时暗通道值间的线性关系直接估计其透射率,对非天空区域则通过计算超像素级暗通道值来估计透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,与现有方法相比,本文方法能更准确地分割天空且阈值自适应性强,大气光和透射率估计也更准确高效。采用本文方法得到的去雾图像具有对比度高、颜色自然、细节清晰等优点。     

基于引导滤波和暗原色先验理论透射率估值的视频去雾算法

针对雾天条件下户外采集的图像严重退化问题,解决传统的暗原色先验理论算法出现的边缘残雾、天空区域去雾效果欠佳、实时性差和鲁棒性差等问题,提出去雾效果显著的实时视频去雾算法.对大气光散射模型进行改进,以引导滤波后的灰度图作为大气光估计图;利用四叉树法和暗原色先验理论（DCP）在暗原色图中寻找浓雾区域,求得透射率估计值;利用改进的大气光散射模型复原图像.通过大量实验表明,复原出的图像去雾效果彻底,色彩鲜艳亮丽,天空区域不会出现彩色失真,景深变化大的地方不会出现白边现象,对于不同浓度的雾都有着较好的去雾效果,处理速度快且稳定,适合于实时视频去雾.     

基于线性变换的自适应透射率去雾算法

针对现有图像去雾算法在天空或高亮区域透射率估计不准确的问题,且复原图像色彩失真以及细节丢失严重等情况,提出了一种基于线性变换的自适应透射率去雾算法。首先将输入图像转换至Ycbcr空间提取亮度分量,并构造反S型函数对其进行尺度压缩,以此减弱高亮像素的影响;然后利用线性变换模型对压缩后的亮度分量进行增强处理,使用高斯函数对亮度分量进行卷积操作得到自适应控制参数;结合线性变换模型和自适应控制参数逼近无雾图像最小颜色通道操作,进而得到精确的透射率估计值;最后利用大气散射模型和局部大气光值逆向求解出复原图像。在实验验证环节中,采用可见边、平均梯度、饱和像素点和结构相似性作为客观评价指标。客观数据表明,所提算法的各项指标均取得优势。在主观效果方面,所提算法可以准确估计出透射率,有效去除图像雾气干扰并改善天空或明亮区域色彩失真的现象,提高图像可视度,复原出更多细节和边缘信息。     

基于暗原色先验的Retinex去雾算法

针对雾天图像去雾问题,提出了一种基于暗通道先验理论的Retinex算法。首先利用引导滤波估计图像透射率优化暗通道先验算法,获取初步去雾图像并对去雾图像进行空间转换;在转换后的HIS空间中建立高斯尺度参数与透射率的指数关系,重新构造高斯滤波核并根据MSR算法对近处景物做大尺度变换以增强颜色保真性,对远处景物做小尺度变换以增强图像细节显示,实现根据景深大小完成自适应MSR算法以优化图像亮度分量I;对饱和度分量S进行自适应线性拉伸以优化图像色彩,最后由HIS空间重新转换为RGB空间得到最终增强图像。实验表明:与几种典型的图像去雾算法相比,经基于暗通道先验理论的Retinex算法处理后的图像清晰度和对比度提升明显,同时获得很好的图像色彩层次感。     

基于二进制掩码的单幅图像天空区域识别去雾算法

针对暗通道先验去雾算法处理得到的去雾图片存在颜色失真、偏移等问题,提出了一种基于天空区域识别的改进算法。首先,利用区域窗口自适应最小化滤波器获得暗通道图像,并使用二进制掩模图进行天空区域识别。其次,对天空区域进行透射率和大气光值的设定,同时引入引导滤波器对透射率图进行优化,避免了图像恢复时天空部分色彩失真的问题。最后,利用大气散射模型对原始图像进行复原。实验结果表明,本算法能够有效对图像中天空等明亮区域进行去雾,使处理后的图像具有良好的视觉效果。     

改进的海雾图像去除方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题,提出了一种改进的图像去雾方法,应用于海上含雾图像处理中。首先,获取含雾图像的暗通道及最小值图像,将含雾图像转换到HSV颜色空间计算各个像素点的颜色衰减率,对其按降序排序取前10%中的最小值作为亮暗部分界阈值,据此计算出HSV暗部图像区域(I_(HSV_dark))。通过引入变差函数来判断像素点是否来自于高亮区域,并获得基于变差函数的变差暗部图像区域(I_(VAM_dark))。对两个暗部图像区域做并运算,得到用于估计暗区域大气环境光值的暗部图像I_(dark)。将像素值进行递减排序,选取前1‰的像素点所对应雾化降质图像像素点集合的平均值作为A_(dark)的值。其次,提出一种基于多级权重相对总变差模型的去纹理方法,对最小值图进行滤波作为粗估计的透射率图,并使用透射率函数对其进行调整,弱化亮部图像的去雾,增强暗部图像的去雾。最后,提出一种最小方差中值引导滤波算法对调整后的透射率进行优化,根据雾天图像降质模型得到复原后的清晰图像。实验结果表明,提出的算法与基于暗通道先验理论以及融合变差函数和形态学滤波的去雾算法相比,获得的复原图像信息熵、平均梯度、对比度及雾霾浓度评价指标(FADE)等指标均有显著提升,更加清晰。     

利用分割中值滤波和透射率补偿的图像去雾

为了增强雾天退化图像的质量,提出基于分割中值滤波和自适应透射率补偿的单幅图像去雾方法．首先提出分割中值滤波策略,通过对“暗通道先验+引导滤波”去雾方法估计的透射率进行滤波,去除其中不必要的纹理细节,同时保留深度突变的边缘信息;然后提出自适应透射率补偿方法,无须进行天空分割,而通过构造补偿函数对透射率进行提升,以校正明亮区域的色彩失真;同时给出简单有效的函数参数自动确定方法,提高了算法的适应性．由实验结果可以看出,该方法通过精确估计透射率,有效地增强了去雾图像的对比度,改善了天空区域的颜色失真．同时该方法适应性较强,对包含和不包含天空的图像,都可得到更为清晰的去雾结果．     

采用改进暗通道先验算法的高速公路能见度检测

为提升高速公路雾天能见度检测精度,考虑大气透光强度、透射率、大气消光系数和图像中某点到摄影机的实际距离,通过能见度检测原理改进现有的暗通道先验算法。首先结合矩形区域测距和实际场景物体大小来解决高速公路二维场景到三维场景重构的问题,并利用K-means聚类的方法,并找出聚类后的视频图像中分界线的最小景深点,结合所构建的测距模型得到该点到摄像机的实际距离。其次通过发现传统暗通道先验理论在求取大气透光强度方面的不足,提出了基于图像分割的局部熵法来求取大气透光强度,再利用暗通道先验理论求出透射率,然后由能见度检测原理计算出能见度。最后,根据日兰高速公路K113+000处雾天下的视频图像,对改进暗通道先验算法与传统暗通道先验算法进行实验对比,并以能见度检测仪的检测结果为参照。结果表明：当实际能见度为100 m左右时,改进算法检测的平均相对误差(MRE)为6.25%,比传统算法减小了2.38%;当实际能见度为150 m左右时,改进算法检测的MRE为6.17%,比传统算法减小了3.06%;当实际能见度为200 m左右时,改进算法检测的MRE为5.71%,比传统算法的减小了3.41%。随着光照强度的增...     

基于无参考图像获取能见度的车载视频自适应去雾算法

为解决雾天环境下车辆环境感知困难的问题,针对车行视程去雾算法无法自动获取能见度、复原图像色彩过饱和、细节丢失严重等情况,克服传统器测法和目测法对能见度获取的非实时性及主观性,提出了一种改进的非线性二分求根算法,利用无参考图像空域质量评价指标（BRISQUE）对能见度进行实时修正,最终实现了能见度的自动估值。作者改进了大气能见度与车行可视距离的关系函数,由改进后的车行可视距离求出的透射率值与实际透射率相比误差减小,降低Halo效应的产生、增加了图像细节信息。实验表明,利用能见度求出的透射率估值在大气光散射模型下能够自适应的处理雾霾视频,复原出的视频图像画质清晰,色彩鲜艳亮丽不失真且能保留大量的图像信息,处理过程视频流畅无卡顿,对于在雾天环境中交通场景不断变化的车载视频也有良好的去雾效果。     

基于自适应透射率比的水下图像复原算法

为了解决水下图像模糊和偏色的问题,在水下图像成像模型的基础上提出水下图像复原算法.利用白平衡算法对图像进行色彩调整,计算图像的暗通道图,通过暗通道图估计图像的背景光强度.对于非深海区域的图像,若图像包含水体,则根据水体的颜色和纹理特征提取出图像中的水体部分,利用光在水中的衰减公式计算图像3个通道透射率之间的关系;若图像不包含水体,则根据3个通道直方图的分布计算透射率之间的关系.根据暗通道先验的原理,计算出3个通道的透射率图,使用引导滤波对透射率图进行细化.根据计算出的背景光强度和透射率对图像进行复原.对于采用人工照明的深海图像,采用修正的公式进行处理.实验结果表明,在图像清晰度的评价中,该算法优于对比算法,具有较好的鲁棒性.     

结合大气散射模型的生成对抗网络去雾算法

为了提高图像去雾的性能, 提出结合大气散射模型生成对抗网络的去雾算法. 算法在pix2pix GAN基础上进行改进, 将网络的生成器改进成双解码器结构,通过双解码器分别生成无雾图像和透射率图, 并结合大气散射模型还原雾图像,以进一步提高图像分解的质量. 在马尔科夫判别器结构中,采用反向学习机制代替随机裁剪机制,以有效降低因采用随机裁剪算法而导致的判断结果不准确的概率. 在原有的损失函数上,加入雾霾损失函数,提高图像转化的质量. 在STOS和NYU数据集上进行消融实验和对比实验. 大量实验表明所提出方法在PSNR和SSIM指标上比原算法Pix2pix GAN有所提高, 且均优于现有去雾算法,复原图像具有清晰度高、噪声低、纹理丰富的优点.     

基于物理模型的自适应快速单幅图像去雾方法

为提高雾天条件下降质图像的清晰度和色彩保真度,提出一种基于物理模型的自适应快速去雾方法。该方法求取暗原色的窗口选择为最小,并根据暗原色粗估计透过率,采用改进的增加补偿函数的双边滤波做优化,且对双边滤波中敏感的参数作自适应估计,最后通过物理模型恢复图像。实验结果表明,对于单幅图像在确保去雾效果的前提下,降低了算法的复杂度,且没有光晕效应。     

基于透射率估计模型和引导滤波的雾气图像去雾算法

针对雾气条件下成像设备采集图像退化严重的问题,提出一种雾气图像的去雾算法。通过对雾气天气成像物理模型的简化,找到图像复原函数中的透射率和大气光值2个关键未知量;分析影响透射率的因素,通过对大量雾气图像进行灰度分布概率统计,提出一种透射率快速估计算法;通过引导滤波估计大气光值,利用简化的修复函数完成对雾气图像的去雾处理。与HE算法(HE Kaiming, SUN Jian, TANG Xiaoou. Single image haze removal using dark channel prior. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2011, 33:2341)相比较,经本算法去雾复原后的图像信息熵值最少可提高0.060 4比特/像素、平均梯度值最少可提高0.009 55。实验结果表明,经本算法复原的有雾图像清晰度较高,细节复原较好,去雾效果明显。