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。     

基于暗通道先验的图像去雾算法改进

暗通道去雾算法存在导向滤波精细化求取透射率后边缘细节不突出和剧烈变化的边缘处有伪影,针对这种问题提出一种基于优化的Sobel算子对导向滤波器进行自适应加权改进;同时通过判断天空区域是否存在并结合约束条件法解算大气参数,实现透射率的补偿,从而解决高亮区域失真的问题。实验结果表明,与采用统一的规整化因子导向滤波器的传统暗通道算法相比,本文算法去雾后结果图像边缘更突出,更清晰,同时消除高亮区域失真。     

大气散射校正静态实时偏振图像去雾技术

为了在雾霾天气下实现静态实时图像去雾,研究了大气衰减模型,分析了大气溶胶对成像的影响和大气散的射校正方法,提出了偏振去雾方法的技术原理.利用斯托克斯参数和穆勒矩阵实现原始数据的静态获取,基于偏振测量结果实现天空区域的实时提取,通过提取结果定性和定量分析,找到了偏振角范围和大气散射光强度阈值的规律性,实现了静态实时偏振去雾.静态实时偏振去雾方法将原始数据由不确定的偏振图像改变为固定的偏振图像,克服了对手动操作和主观评价的依赖,简化了去雾流程,解决了复杂的全局参数估计问题,提高了图像复原的准确度.所提出的静态实时偏振去雾方法为雾霾天气下高分辨、高稳定性和高实时性成像提供了新的理论和技术手段.     

暗原色先验图像去雾改进算法

针对含雾图像的去雾增强问题,提出基于环境光调节参数的暗通道去雾改进算法,该算法考虑到使用暗原色先验算法在图像中含有较多的类似大气等场景时,会降低图像的去雾效果。首先,在含雾图像中暗原色去雾统一框架中引入环境光调节容差参数,在去雾过程中引入背景因素变化。其次,通过修正参数重新推导出准确透射率函数,并讲其应用于更新的去雾方程。最后,结合对含雾图像一本的统计,获取去雾算法的最优调节参数,该参数可以较好地适应大气环境的影响,在背景变化时可以实现对去雾效果的自适应处理。实验表明,算法可以在去雾过程结合环境背景因素的变化,在天空前景交界处能够明显改进图像去雾的效果。     

基于天空区域分割的输电通道图像暗原色去雾方法

输电通道的实时监测系统会受到恶劣天气情况的影响,尤其是北方冬季有雾天气较频繁,因此,去雾处理是实时监测系统的重要预处理环节.针对图片中存在大量天空区域或白色物体会导致原方法失效的问题,在暗原色先验方法的基础上开展研究,提出了基于天空区域分割的改进方法,获取了优化后的大气光值和透射率值,从而实现了有雾天气下的有效监测.经...     

基于大气散射模型的偏振图像去雾方法

雾霾天气越来越常见,导致所采集图像的应用价值降低,因此如何获得清晰度高的图像成为计算机视觉等领域重点研究的内容。在大气散射模型的基础上提出一种利用图像偏振信息的去雾方法。该方法首先利用偏振成像系统获取平行和垂直方向的两幅偏振图像,结合暗原色先验理论自动估计大气光强信息,估计传输率图并采用改进的导向滤波的方法优化传输率图,最终实现图像去雾。实验结果表明,该算法提高了图像的清晰度及对比度,有效改善了雾天条件下景物的视觉效果。     

基于暗通道的图像去雾改进算法

针对传统暗通道去雾算法对有雾图像处理后存在的颜色偏差问题和在天空区域与非天空区域上去雾的效果存在较大差异的问题,提出一种基于暗通道的图像去雾改进算法。该算法在大气光值与透射率值的计算上进行了相应的改进,首先通过暗通道相关的概念及其原理的计算得到原始输入图像的暗通道图,通过计算的最优阈值将原始图像分为天空区域和非天空区域两部分,然后在两部分不同的区域上分别使用不同的方法得到大气光值的估计值并且计算出透射率的值,再将得到的初始去雾图像通过导向滤波对得到的图像进行去噪,最后得到清晰的去雾图像。实验结果显示：本算法更能有效地展示图像的真实情况,避免其他环境因素的干扰,具有一定的优越性。     

基于天空区域分割和条件约束优化的图像去雾研究

针对雾天环境中成像设备拍摄的景物容易出现图像模糊、目标丢失、成像质量差等而引起图像识别率下降的问题,提出一种基于天空区域分割和条件约束优化的图像去雾方法,解决使用暗原色先验理论技术进行图像去雾而导致的天空区域出现晕圈和失真的现象.对图像进行预处理后,将图像划分为天空区域和非天空区域,用灰度直方图估计环境光,利用已知条件对非天空区域的透射率进行合理约束,通过自适应增加天空区域透射率的方法,避免天空区域出现严重的颜色失真现象,合并之后对这两部分的透射率进行滤波细化.结果表明:对于含有天空区域的雾天图像,使用本文算法去雾后的图像轮廓和细节上都有较大改进,能够达到去雾目的.这对于提高成像设备在雾天环境中的工作效率具有重要意义.     

基于近红外的图像去雾方法

针对雾天可见光图像降质现象,提出一种简单、有效的自动去雾算法。算法充分利用了近红外透雾能力强,可见光图像色彩亮度好的特点。首先利用暗原色先验估计出雾浓度分布,然后根据此分布计算出归一化暗原色图像亮度分布系数,并对其进行双边滤波处理,最后利用该系数将近红外与可见光图像进行融合。实验结果表明,该算法能有效地改善雾天图像质量,且具有广泛的应用前景。     

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。     

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．     

基于暗通道理论的雾天图像复原的快速算法

在雾天条件下捕获的视频或图像将会出现对比度下降、颜色偏移等严重的退化现象,这将极大的影响图像的主观视觉效果,大大降低其应用价值。传统的基于暗通道先验信息的全局最优化处理方法虽能获得较好的效果,但因其算法复杂而不具有实效性。本文将基于暗通道先验信息,利用双边滤波进行局部优化,从而获得保持边缘的暗通道图像,进一步利用该暗通道图像进行传输图像的估计,并最终复原场景信息。试验结果表明,此方法可较快的恢复场景信息并能有效保留场景的边缘信息。     

模糊图像的Kalman滤波恢复方法

提出了一种利用Kalman滤波对模糊图像进行恢复的方法。当降质函数已知时,首先对模糊图像在一个方向进行傅立叶变换,然后在另一方向进行快速的Kalman滤波,将两维的恢复问题转化为若干个一维问题。为克服边缘效应,构造了原图像的镜像,并给出了滤波结果。     

一种改进的基于近红外图像的去雾方法

为了解决雾天可见光图像降质问题,提出一种简单、高效的去雾算法。为充分利用可见光图像的色彩信息和近红外图像的细节信息,首先,根据暗通道估算出可见光图像中雾的浓度,根据雾浓度对可见光图像进行分区;然后,分别对可见光和近红外图像进行平稳小波分解,结合雾浓度分区和脉冲耦合神经网络（pulse coupled neural network,PCNN）分别融合可见光与近红外图像的高频分量和低频分量,复原得到一幅清晰而不失真的图像;最后,引入引导图像滤波对融合图像做滤波处理,平滑分区边缘的同时保留源图像的边缘信息。为验证算法的有效性,与当前主流去雾算法进行对比实验,对比指标包括去雾图像的信息熵、均值、标准差,以及算法运行时间。实验结果表明,在相同图像分辨率条件下,本文算法去雾后图像视觉效果更加理想,同时,无雾区域能够很好地保持色彩信息,反映图像细节和清晰化的各项指标优于其他算法,而且算法处理时间显著降低。     

结合自适应暗通道先验和图像融合策略的单幅图像除雾方法

为解决暗通道先验统计学模型在一些情况下存在“光晕效应”、颜色偏暗和在雾浓度高区域处理效果不佳等问题,针对暗通道先验方法进行改进,并结合图像融合策略来增强可视化区域的视觉效果.利用像素块加权插值法来计算每个像素点的暗通道值,进而消除软抠图或导向滤波方法所带来的光晕效应;利用高斯模型对待恢复图像的暗通道像素值进行模拟,从而自适应地恢复天空和其他明亮区域;通过图像融合策略增强高浓度区域的图像信息.实验结果表明,与其他几种经典算法相比,改进方案不仅能够显著提高有雾图像的可见度,而且具有更好的鲁棒性.     

基于区域能量的NSST域偏振图像融合算法

针对传统的偏振图像融合方法存在图像细节丢失、边缘模糊、对比度下降等不足,提出了一种基于区域能量的非下采样剪切波变换域(NSST)偏振图像融合方法。首先,利用NSST对源图像进行分解,获取源图像的低频子带系数和高频子带系数;然后,对分解得到的低频系数基于区域能量加权融合,对高频系数先基于区域能量取大融合,再应用引导滤波进行细节增强;最后,通过NSST逆变换得到融合图像。实验结果表明,融合后的偏振图像能够较好地保留细节信息,同时使边缘更加清晰,图像标准差、平均梯度、信息熵、对比度、空间频率相对传统方法均有不同程度的提高,具有更好的视觉效果。     

雾天模糊图像的清晰化方法

为改善雾天拍摄图像的清晰度,提出一种实用的图像去雾方法。先利用暗原色先验算法去除图像雾干扰,再运用插值抠图算法进一步改善图像去雾效果,最后利用图像的区间值信息对其进行放大,以便获得满意的视觉效果。实验结果表明,该去雾方法不仅可直接估计雾的浓度,并且可得到去雾后的高清晰图像。     

基于GIF滤波分解的低照度图像增强算法

针对常见的对比度增强方法在处理低照度图像时不能兼顾提升图像亮度、对比度,和增强细节的问题,提出基于引导滤波器(guided image filter,GIF)的低照度图像增强算法。首先将输入图像从RGB颜色空间转换到HSV颜色空间;再利用GIF滤波器对图像进行图像分解,得到一个基本层和一个细节层;然后对基本层进行自适应Gamma校正,提高图像的整体亮度和对比度;再对细节层进行S型曲线增强,突出图像的局部细节;最后合成并恢复颜色,得到增强图像。将本文算法、全局Gamma校正、MSRCR 3种算法分别对低照度Bridge和Street图像进行处理,实验结果表明:本文算法能够在有效提升对比度的同时增强图像细节,提升了低照度图像的视觉效果。