基于暗通道先验图像去雾的方法改进

基于暗通道先验的规律在单幅图像处理中取得了很好的效果,但是在计算较高分辨率的图像时会消耗大量的内存,而且需要很长的计算时间。针对这一问题,文章提出通过小波变换提取图像的低频信息和高频信息。由于有雾图像的雾气信息主要集中在低频带区域,所以只需要对低频部分进行暗通道先验去雾,再和高频信息进行重构即可恢复无雾清晰图片。这种方法大幅减少了去雾的计算量,同时也减少了内存的消耗,而去雾效果和暗通道先验去雾差别不大。     

基于改进暗通道先验模型的无人机遥感图像去雾算法

无人机航拍技术因其诸多优势,已被应用在越来越多的场景中.但因空气污染或气候原因使得某些地区雾霾较多,导致拍摄的图像降质明显.针对该问题,同时对于无人机遥感图像较高的去雾速度要求,提出了一种基于改进暗通道先验模型的无人机遥感图像去雾算法.首先使用下采样法和插值算法改进暗原色先验模型的透射率计算,大幅降低了计算复杂度;然后针对图像偏白色区域的去雾处理,采用结合容差机制恢复无雾图像的方法,减少了偏色现象;最后对去雾图像采用自动色阶算法进行图像增强处理,提升了去雾后图像的亮度.实验表明,该算法在图像去雾的精确性和效率上均优于原算法.     

基于暗通道原理的图像去雾算法改进

本文基于暗通原理改进的去雾算法针对透射率细化过程比较耗时的问题,通过结合Retinex算法进行改进;针对暗通道去雾类似区域出现颜色失真、色偏效应,采用分割出天空区域在求取大气参数A,提高求取大气参数A的精度,并结合阈值法对透射率加个增幅项;针对暗通道去雾处理后的图像有偏暗的现象,采用自适应对数映射算法进行色调调整。该改进算法能较好的还原出无雾图像,并具有很好的保留边缘细节信息等特性。     

基于环境光差异的图像去雾算法

针对环境光差异引起图像去雾亮度值存在偏差、图像质量下降的问题,提出一种基于环境光差异的图像去雾算法。把图像分为环境光差异较大的天空区域和非天空区域,根据环境光差异设置不同的阈值对两类区域再进行分割;采用对比度先验去雾算法对天空区域块去雾,通过暗通道先验去雾算法对非天空区域块处理;最后用动态阈值白平衡算法调整恢复后的图像亮度和色彩。实验结果表明,本算法比其他算法能更有效解决环境光差异引起的图像去雾色彩失真、质量下降问题,鲁棒性较高,恢复后的图像色彩真实度和清晰度较高,更符合人眼视觉观察特性。     

基于物理模型的快速单幅图像去雾方法

在雾天环境下,获取的图像受到大气粒子散射的影响而导致对比度和能见度降低.针对该问题,提出了一种基于物理模型的单幅图像的快速去雾方法.该方法以大气散射模型为基础,引入暗原色先验规律求取全局大气光,利用双边滤波局部估计雾浓度,间接求取大气耗散函数,最终通过变换的大气散射模型恢复无雾图像.大量实验结果表明,该方法能够恢复出自然清晰的无雾图像,并能够较好地处理景深突变的边缘及远景处.此外,该算法在处理图像的运算时间上具有明显的优势,可满足图像实时处理要求.     

基于暗通道原理的图像去雾算法改进研究

针对采用暗通道原理的单幅图像去雾算法的处理效率,提出了采用低分辨率暗通道模板进行有雾图像去雾处理的改进方法;该方法利用低分辨率图像估算大气透射率并利用插值还原模板分辨率以估算无雾图像,可以在保持处理效果的同时,有效节省图像去雾的处理时间及与对处理单元资源的需求;通过分析及仿真计算验证了该方法的有效性。该方法还适用于对高分辨率图像去雾处理,具有良好的工程实用性。     

基于非局部先验的雾线优化图像去雾算法

针对非局部先验去雾算法中雾线端点像素位置精确度不足的问题,提出了雾线优化的非局部先验图像去雾算法。首先分析雾线理论,结合暗通道理论确定最大聚类雾线真实端点,以其为已知条件补偿小聚类雾线端点与大气光之间的距离,根据类内不同像素与雾线对应夹角预估单个像素雾线端点进而求得像素级优化后的透射率,最后根据图像局部灰度值差异融合暗通道先验(dark channel prior, DCP)和非局部先验透射率得最终透射率图。将本文算法与其余3种去雾算法在多幅户外雾图下通过主观及客观两方面分析比较,实验结果表明该算法能取得更好的去雾效果,尤其在天空区域图像复原效果较为突出。     

一种改进的透射率分布估计的夜间图像去雾算法

针对基于暗通道先验理论（dark channel prior, DCP）的去雾算法在处理夜间有雾图像时细节信息缺失、光源区域的纹理受损严重的问题,本文提出了一种改进的透射率分布估计的夜间图像去雾算法。通过引入暗态点光源模型、暗通道可信度权值因子和伪去雾图像,结合夜间图像成像模型,获取改进的透射率分布,对夜间降质图像进行去雾处理。实验结果表明,经本文算法处理后的图像在纹理细节上损失小、图像清晰度高,图像明暗对比度得到较好的拉伸,可以实现夜间有雾图像的有效去雾。     

基于霾层学习的单幅图像去雾算法

针对传统去雾算法出现色彩失真、去雾不完全、出现光晕等现象,本文提出了一种基于霾层学习的卷积神经网络的单幅图像去雾算法.首先,依据大气散射物理模型进行理论推导,本文设计了一种能够直接学习和估计有雾图像和霾层图像之间的映射关系的网络模型.采用有雾图像作为输入,并输出有雾图像与无雾图像之间的残差图像,随后直接从有雾图像中去除此霾层图像,即可恢复出无雾图像.残差学习的引入,使得网络来直接估计初始霾层,利用相对大的学习率,减少计算量,加快收敛过程.再利用引导滤波进行细化,使得恢复出的无雾图像更接近真实场景.本文对不同雾浓度的有雾图片的去雾效果进行测试,并与当前主流深度学习去雾算法及其他经典算法进行对比.实验结果显示,本文设计的卷积神经网络模型在图像去雾的应用,不论在主观效果还是客观指标上,都有优势.     

基于区间估计的单幅图像快速去雾

针对雾、霾等天气条件下捕获的图像存在严重降质现象,该文提出一种基于区间估计的单幅图像快速去雾方法。该方法从大气散射模型出发,基于暗通道先验理论,利用最小值滤波和灰度开运算,通过区间估计得到大气光值,同时得到介质传输率的初始估计值。通过对大气光照进行白平衡处理,从而得到简化大气散射模型。然后,利用简化大气散射模型和介质传输率的初始估计值,通过区间估计得到场景反照率的暗通道值,进一步得到介质传输率的粗略估计值。将介质传输率的初始估计值和粗略估计值进行像素级融合,通过联合双边滤波和值域调整得到介质传输率的最终估计值。最后,通过简化大气散射模型和色调调整得到去雾图像。实验结果表明,所提算法具有较快的运算速度,能有效提高去雾图像的清晰度和对比度,同时获得较好的色调保真度。     

基于边界约束的双滤波透射率优化图像去雾

在大雾条件下,密度不均匀的介质使得光在传输过程中形成散射、反射和衰减,图像出现严重的退化现象,导致无人机航拍获取图像信息存在困难.为了解决该问题,提出了一种基于边界约束的双滤波透射率优化图像去雾算法.首先,对图像进行颜色校正,增强图像的色彩鲜艳度;其次,根据传输函数的固有边界约束,进行边界约束构造,该约束与上下文正则化相结合,求解图像的初始化透射率,并对其反复求解进行细化;然后,将求解细化后的透射率进行高斯加权,将噪声干扰降到最低,经双边滤波器处理得到最优透射率;最后,对图像的全局大气光进行求值并运用暗通道理论方法对图像进行去雾处理,得到清晰化图像.主观视觉效果和客观数据实验分析表明,所提方法能够有效地去除退化图像中的雾化现象,与现有新颖的图像去雾算法相比具有显著的优越性.     

基于暗通道的图像去雾改进算法研究

针对现有去雾算法对图像中天空部分处理过度增强的问题,本文对基于暗通道原理的图像去雾算法进行了改进.该算法首先对图像进行基于四叉树的搜索,查找出满足条件的大气光值.其次,根据大气物理模型和暗通道原理,求出满足条件的透射率,并对其优化,以此得到去雾图像.实验结果表明,该算法不仅去雾效果好,且有效克服了Kaiming He算法对图像中天空处理不佳的缺陷,同时具有较好的实时性,在图像去雾中具有一定的应用价值.     

基于饱和度运算单幅图像去雾算法

在雾、霾等恶劣的天气条件下,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图像,造成图像识别率降低.从单色大气散射模型和暗原色先验规律,提出面向视觉感知的HSI颜色模型的饱和度的新算法,从而实现图像去雾,对于去雾图像最小值像素点采用极大值和极小值进行估计,并对透射率进行修正.该算法能够有效地提高清晰度,能很好地运用于单幅图像去雾.     

基于暗通道先验的图像去雾算法改进

为了实现基于物理模型的图像复原去雾算法,文中提出了一种改进的基于暗通道先验的图像去雾算法。介绍了雾天图像退化模型和基于该雾天图像退化模型的几种去雾算法。详细介绍了何恺明提出的基于暗通道先验的去雾算法,该算法在估计光线传播图时使用的基于导向滤波的软抠图非常耗时,经过改进,直接使用景深估计光线传播图,算法运行时间大大减少。最后,使用MATLAB对改进的去雾算法进行仿真,并与原算法的运行时间进行比较。结果显示新方法对光线传播图的估计可靠,运行时间对比改进前大约下降60%,实时性大大提高。带有天空的有雾图像去雾后色斑和光晕大幅减少,取得了很好的效果。改进的去雾算法运行速度快、去雾效果好,新提出的光线传播图估计方法可靠,并且去雾过程中得到的光线传播图可以用于其他应用。     

一种基于暗通道先验的快速图像去雾算法

目前针对单幅图像去雾处理,暗通道先验算法具有较好的效果,但处理时间长,需要很大的储存资源与计算资源.本文在暗通道先验算法基础上提出一种快速去雾算法,首先用"边缘替代法"代替原算法中的抠图处理,显著降低了计算复杂度;然后针对明亮区域暗通道失效情况,提出了一种基于双阀值的明亮区域识别方法和透射率修正机制,提高了暗通道先验的适用范围;最后对去雾图像再采用非线性对比度拉伸进行增强处理,改善了去雾图像的视觉效果.实验表明:本文算法不仅极大地降低了计算复杂度,而且去雾能力优于原算法.     

一种暗通道先验去雾后图像参数的调节方法

针对在暗通道先验去雾方法中图像亮度随着去雾深度加深而降低的情况,分析了导致图像亮度降低的原因,并结合户外自动白平衡的有雾图像,提出了一种采用图像能量回补来调节图像参数的方法,以此来提高图像亮度和对比度.实验结果表明,通过对去雾后图像损失的能量进行回补,对于不同的去雾深度,图像的亮度和对比度都能得到较好的调节.     

基于改进暗通道和自适应容差的图像去雾算法

传统暗通道去雾算法计算的透射率图存在块效应,易造成复原图像白边现象,同时图像中天空、白云等明亮区域不适用暗通道原理,易引起去雾图像失真。本文结合引导滤波和自适应容差机制提出了一种基于多尺度暗通道和自适应容差的去雾算法,可有效避免以上问题。首先,计算3种不同尺寸滤波窗口下的透射率初估计,并对估计结果进行有效融合;接着,通过引导滤波对透射率进行细化,以获得鲁棒性和准确性更好的多尺度透射率图;然后,引入自适应容差策略对图像中明亮区域的透射率进行修正;最后,由于暗通道去雾图像整体亮度偏暗,因此对去雾图像的亮度和对比度进行亮度补偿。实验结果表明,采用不同算法对不含和少量天空区域的图像去雾,信息熵约提高0.2 bit/symbol,平均梯度约提高0.5,PSNR约提高8 dB。对较多和大量天空区域图像去雾,PSNR约提高3 dB,SSIM约提高0.1。较好地实现了去雾图像细节清晰、颜色可靠且明亮区域去雾效果良好等要求。