基于暗通道的单幅图像快速去雾算法

为了提高雾天环境下退化图像的视觉效果,以大气退化模型和暗通道先验估计为基础,提出了一种快速单幅图像去雾算法.利用暗通道先验对大气透射率进行粗估计,用采样边缘保持滤波细化透射率,再设法估计出原图中的天空区域,对其进行透射率补偿,根据估计的大气光和透射率,利用大气退化模型即可恢复出无雾图像.针对去雾后的图像色度较暗的问题,使用一种自适应直方图均衡方法.实验结果表明,相对于已有算法,该算法有效提高了图像去雾的效果,而且加快了处理速度.     

一种改进CBAM机制和细节恢复的单幅图像去雾算法

图像去雾作为图像增强的基本问题得到了广泛关注，已成为具有挑战性的研究方向。针对目前图像去雾算法中先验方法与深度学习方法存在的颜色失真以及雾霾残留问题，提出了一种基于注意力机制的细节恢复的图像去雾算法。首先，引入改进CBAM模块，设计出注意力基本块并将基本块封装成组块；其次，为加强组块内信息交互能力，组块间引入了密集连接残差块；最后，设计细节恢复模块对去雾图像进行细节恢复，以进一步减轻雾霾残留的影响。数值仿真实验表明：在RESIDE数据集上，所提算法与主流去雾算法相比取得了较高的峰值信噪比和结构相似度，同时在真实图像上也得到了更好的视觉效果。     

暗原先验算法在天空区域的处理与改进

暗原先验算法在天空区域去雾过程中会造成噪声过度放大和晕环现象,针对这个问题提出了依据天空隶属系数调整天空区域透射率的方法。求得有雾图像相应位置天空隶属度系数,自适应改变透射率调整幅度,并利用二次函数特性,对隶属度小值区域进行压缩,减弱近景透射率有效区域的调整,最后通过大气散射模型得到复原图像。大量实验结果表明,该方法得到的复原图像清晰自然,特别是在天空区域,保留部分浓雾区域去雾程度的同时抑制了天空区域的噪声和晕环现象,取得了很好的去雾效果。相对暗原先验算法,改进算法在天空区域得到更加准确的透射率估计,复原图像效果更佳。     

基于多残差和多重特征融合的去雾算法

针对目前大多数图像去雾算法由于细节丢失导致去雾后的图像颜色失真,雾霾残留以及纹理细节模糊等问题,提出 一种基于多残差和多重特征融合端到端的去雾算法。首先通过设计浅层特征提取模块,为深层网络提高丰富信息的特征图; 其次设计多残差级联模块,提取多层次特征,帮助模型学习更加复杂的特征表示;然后设计局部-全局特征融合模块,捕获从最 细微到最广泛的特征;最后设计结合残差注意力的跨层特征融合模块,避免上下采样后的细节缺失,更好地提取图像中的局 部与全局信息特征。实验结果表明,所提算法在 SOTS 室内、室外测试集上峰值信噪比(PSNR) 分别取得了33.12、31.07 dB, 结构相似性(SSIM) 分别取得0.986、0.983,与当前大多数主流算法相比得到了明显的提升,且在合成雾图像和真实雾霾图像 均取得了不错的去雾效果,复原图像细节更加清晰,更符合人类视觉感知。     

结合图像分层与暗通道的雾霾图像增强

为了解决雾霾天气下图像的去雾与增强问题,提出了一种结合图像分层与暗通道的去雾增强算法。该算法首先对输入图像建立暗通道模型,估计出大气光值与透射率,对图像进行去雾复原,接下来对图像进行双边滤波变换,将低频图像信息中像素的灰度级地区进行拉伸或压缩,将高频图像信息进行归一化处理,然后利用归一化的直方图与非线性S曲线进行灰度变换,最后利用加权融合方式将低频与高频图像信息进行有效地合并,得到输出图像。实验结果表明,该算法在3组图像中的平均梯度与信息熵的均值分别是0.073 4、7.173 3,均优于其余3种算法,并且该算法的对比度与时耗的均值分别为422.6与0.76,具有一定的可行性。     

改进的基于大气光幕单幅图像去雾算法

在雾、霾等天气条件下,大气粒子的散射与吸收作用严重影响了监视图像的对比度与清晰度。本文讨论了基于大气光幕的去雾算法原理,针对双边滤波方法在估计大气光幕时产生梯度反转效应,提出一种改进的基于大气光幕单幅图像去雾算法,首先简化大气散射模型,然后利用各项异性扩散滤波方法估计大气光幕,可以很好地解决双边滤波方法的不足之处,最后,在算法中引入一种容差机制,针对天空区域处的大气光幕,纠正错误的估计,色彩失真现象被有效地克服。实验结果表明,改进后的算法显著地提高图像去雾的视觉效果。     

红外图像锁相滤波去噪算法的研究

本文首先分析了白噪声、背景温度和耗散能对热弹性能检测的影响,在此基础上提出了一种红外图像锁相滤波去噪的新算法.然后,在VC .NET环境下针对活塞栓、曲轴连杆红外图像设计了新的去噪算法程序,并与中值滤波、均值滤波等经典去噪算法的去噪效果进行了比较.最后应用信噪比、均方误差两项指标对新算法和经典算法的去噪效果进行评价.实验结果表明,采用新去噪算法对红外图像去噪,其均方误差为采用中值滤波法的7%.其信噪比比中值滤波法提高了10dB.     

基于图像去雾技术的变电站图像清晰化方法

随着变电站从有人值守向无人值守转变,运行人员逐渐利用摄像头、机器人对设备进行监控。但是,雾天能见度低,从变电站采集的图像存在不清晰的问题,导致无法有效开展远程监控等工作,增加电网运行安全风险。鉴于此,本文针对变电站雾天图像进行研究,根据所采集图像的背景色彩、光照条件等特点,提出一种基于改进自动色阶算法的变电站雾天图像去雾算法,该算法在自动色阶去雾算法基础上进行改进,采用自动寻优gamma校正,使去雾后的图像更符合人眼视觉感受。最后,选取几种常用去雾算法进行对比分析,通过主观评价和客观评价,表明使用该算法处理雾天图像在细节、亮度、保真度、运行速度等方面更具优势,符合现场应用要求,有效解决了雾天变电站采集图像清晰度差的问题。     

景深边缘优化的暗通道去雾算法

雾天条件下拍摄的图像存在低对比度和低场景可见度的问题,传统的去雾算法容易产生 Halo 效应.为此,提出了景深边缘优化的暗通道去雾算法.该算法是基于暗原色先验理论,需要考虑消除景深边缘处的白色晕块,方法是对图像景深边缘和非景深边缘分别采用不同的模板处理得到透射图.引导滤波修复透射图,在去除多余的纹理信息的同时增强了雾天图像的边缘信息.并采用新增可见边之比、梯度化均值对去雾图像进行客观评价.实验表明该算法不仅能够有效地去除图像中的雾气,而且有效地降低了Halo效应,从整体上改善了去雾复原图像的视觉效果.     

基于暗通道先验的视频去雾算法

带雾视频需要实时的去雾算法。为了提高视频去雾的速度,根据视频中相邻帧之间的相关性,将一帧画面的大气光延用到其后的若干帧,设定了大气光重新计算的条件以解决光线发生突变的情况,并建立了像素灰度分布的模型来简化大气光的计算。在计算一帧图像的暗通道图时,先估算与前一帧暗通道图的差别,若差别不大,则对前一帧的暗通道图进行修正后作为本帧的暗通道图,否则重新计算暗通道图。实验证明该方法在保证去雾效果的前提下大幅减少了计算量。     

双注意力机制与改进U-Net的水下图像增强

针对现有的水下增强算法存在色彩失真和去雾效果不好等问题，本文提出基于双注意力机制与改进U-Net的水下图像增强算法。首先采用颜色校正模块对红、绿、蓝三通道进行处理，减少色偏的影响；然后将通道注意力、空间注意力与U-Net网络相融合，对颜色校正后的图像进行去雾、去噪等处理，保留图像纹理细节的同时，实现对比度的增强；最后采用金字塔融合模块将不同分辨率的图像特征进行融合，获得视觉上清晰的图像。实验结果表明，基于UIEBD和UFO-120测试集，UCIQE、NIQE、SURF以及信息熵的平均值分别为0.608 1、4.440 3、31.5和7.649 5,所提算法在主观视觉质量和客观评价指标上都优于其他经典及新颖算法，增强后水下图像去雾效果良好且在颜色校正方面也具有明显优势，显著提高了水下图像的视觉质量。     

变压器套管油位雾霾图像检测方法

针对雾霾天气下的视频图像测量,传统的颜色空间转换方法会由于图像对比度降低而失效。在图像预处理阶段,暗通道先验去雾算法被广泛运用,但是这种算法的计算效率不高,用于变压器油位测量中不能达到实时要求,因此,为了快速测量油位,提出了一种基于暗通道优先和颜色空间变换的油位测量方法。在去雾阶段,对每个像素点的透射率进行逐个估计得到粗透射图,再对其进行修正,从而得到去雾图像。去雾之后,采用加权分布的自适应增强算法对图像进行增强。在油位测量阶段,在HSV空间取阈值分离出目标区域。实验结果表明,测量油位误差在±1%的同时,相比传统算法提高了近5倍效率。在保证良好效果时,能减少算法的时间复杂度,使变压器油位测量算法在雾霾天气下也能有效。     

一种应用小波系数GSM模型的混合傅里叶-小波电缆瓷套终端红外图像去噪方法

为有效去除红外图像白噪声,提高电气设备红外诊断准确性,采用一种混合傅里叶-小波去噪方法对电缆瓷套终端红外图像进行处理。该方法先在傅里叶域中进行初步去噪处理,而后在小波域中去除剩余噪声。在小波域中去噪时,考虑到小波系数的统计特性,采用GSM模型对小波系数进行建模。对电缆瓷套终端红外图像去噪试验表明,运用文中方法能够有效提高红外图像的去噪效果。     

基于FPGA的红外图像处理中值滤波新算法的研究

讨论了以FPGA为硬件载体的红外图像处理中值滤波的算法，给出了中值滤波法总体框图、硬件实现方法、仿真结果和效果评估。实现了中值滤波算法对降低图像噪声保持图像的边缘方面有显著的效果。     

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计（MMSE）去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计（IMMSE）去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波（AM）代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE—AM的去噪算法。用IMMSE—AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。     

基于小波域分频的变电站红外监控图像噪声自适应滤波算法

针对变电站大量电力设施暴露于野外,受到空气粉尘、光照不均等因素的影响存在实地获取的红外监控图像含有大量噪声的问题,提出了一种基于小波域图像分频思路的自适应去噪算法。该算法首先对经分解后的变电站电力设施红外监控图像的小波低频、高频系数分别进行重构,得到空间域原始图像的背景图像和细节图像;然后对背景图像采用K-SVD字典学习自适应去噪算法进行处理;对于细节图像,根据其噪声分布特征,提出了一种基于窗口尺寸自适应调整的中值滤波改进算法进行处理;最后对噪声抑制后的背景和细节图像进行融合。研究表明,本文算法处理后的图像清晰度较高,有一定的实用价值。     

基于生成对抗网络的电力设施图像去雾方法

电力设施监控可有效避免重大电力事故的发生,但在恶劣天气下大雾等自然现象的影响会使电力设施监控图像模糊不清,难以正常工作。针对该问题,提出了一种基于生成对抗网络(GAN)的电力设施图像去雾方法,其通过将监控彩色图像分解为RGB三通道来进行深度去雾。设计了新型联合损失函数以加强生成对抗网络的学习能力。在电力图像去雾数据集上的实验验证得出,与对比方法相比,所提出的方法的PSNR提升了1.1,SD提升了2.97,具备更好的图像去雾性能。     

基于改进YOLOv5n的电力巡检红外图像目标检测算法

热红外图像检测技术在电力巡检中有着非接触、快速等优点,广泛应用于电力设备的监测与诊断,电力巡检红外图像目标检测可以达到快速识别设备发热故障、图像实时处理和降低人工成本的效果。为了保障输电线路的安全与稳定,实时检测输电线路绝缘子与T型线夹的发热故障。本文结合热红外图像的特点,基于YOLOv5n算法改进了网络模型：在原模型中引入Squeeze-and-Excitation注意力机制并且将普通卷积替换为space-to-depth卷积。改进的算法在自制的红外数据集上进行了模型训练与测试,并与其他几个主流的目标检测模型进行了对比评估,结果表明：改进后的模型在对绝缘子和T型线夹的检测精度上分别提升了6.8%和6.3%,且在精度、速度和模型大小上对比YOLOv3-spp和YOLOv3-tiny等模型更具优势,更适用于无人机红外图像下的绝缘子、T型线夹的发热故障识别。     

基于小波域隐Markov树模型及重要性修正的绝缘子红外图像去噪研究

在小波域隐Markov树模型的基础上,提出了一种基于小波域统计建模与小波系数重要性修正相结合的绝缘子红外图像去噪方法。该方法首先通过对数变换将乘性噪声转化为加性噪声,对对数变换后的图像进行小波变换并对小波域的高频子带系数用混合高斯模型与隐马尔可夫树模型进行建模,并采用EM算法来估计模型参数。在模型参数估计的基础上引入了基于重要性准则的小波系数修正,最后通过小波逆变换与指数变换获得去除噪声后的图像。实验结果表明,与普通的小波去噪方法相比,该方法不但有利于保持图像的边缘信息,有效解决红外图像的边缘模糊问题,而且能提高红外图像的信噪比并得到了较好的视觉效果。     

基于指数同态滤波耦合细节锐化规则的 红外图像增强算法

为了解决当前红外图像增强方法存在的光晕及细节模糊等不足,提出了指数同态滤波耦合细节锐化规则的红外图像增强算法.基于同态滤波方法,通过频域中的像素点与中心像素点的距离,构造指数型同态函数,以同时完成图像的去噪和增强对比度处理.联合相位一致性方法和自适应高提升滤波方法,构造了细节锐化机制.在图像的细节锐化中,利用相位一致性方法,通过傅里叶变换,准确提取出图像的细节特征.并引入高提升滤波方法,利用图像的均值,构造自适应的锐化因子,以形成自适应高提升滤波方法,对提取的图像细节特征进行锐化,完成图像细节内容的增强.实验结果表明,较当前的红外图像增强算法而言,所提算法具有更好的增强效果,其增强图像呈现出更为理想的对比度和更为清晰的图像边缘.