暗通道先验图像去雾的大气光校验和光晕消除

目的 针对暗通道先验图像去雾方法中存在的大气光误判以及光晕效应等问题,提出一种基于大气光校验和光晕消除策略的改进算法。方法 首先,采用基于支持向量机的大气光校验方法对候选大气光的有效性进行判断,剔除太阳光、车灯等高光区域的干扰;然后,采用基于块偏移的精细透射率计算方法获得边缘保持的透射率,极大地抑制了无雾图像中光晕像素的数量;最后,采用基于导向滤波的光晕像素检测和校正方法进一步消除了残留的少量光晕像素。结果 本文算法有效抑制了大气光的误判现象,大大消除了光晕效应,提升了无雾图像的细节可辨认度,最终获得的无雾图像细节丰富、颜色深度感饱满。结论 本文算法在无雾图像的可见度增强等诸多方面超越了已有的方法,在视频监控、交通监管和目标识别等领域具有较大实用价值。     

特征学习的单幅图像去雾算法

目的 雾霾天气使图像降质,严重影响军事、交通和安全监控等领域信息系统的正常运作,因此图像去雾具有重要研究意义。目前主流的单幅图像去雾算法主要利用各种与雾相关的颜色特征实现,但不同的颜色先验知识往往存在各自的场景局限性。为提高图像去雾的普适性,提出一种特征学习的单幅图像去雾方法。方法 首先通过稀疏自动编码机对有雾图像进行多尺度的纹理结构特征提取,同时抽取各种与雾相关的颜色特征。然后采用多层神经网络进行样本训练,得到雾天条件下纹理结构特征及颜色特征与场景深度间的映射关系,并估算出有雾图像的场景深度图。最后结合大气散射模型,根据场景深度图复原无雾图像。结果 与主流去雾算法的结果定性对比,复原后的图像细节更清晰,颜色更自然。采用均方误差和结构相似度定量评价各算法去雾结果与真实无雾图像的相似度,本文算法结果与真实无雾场景间的相似度最高,达到99.9%。结论 对实验结果的定性及定量分析表明,本文算法能有效获取有雾图像的场景深度,复原出视觉效果理想的无雾图像,且具有很好的场景普适性。     

结合暗原色图像参考的单幅图像去雾*

针对在暗原色先验理论下对天空区域的透射率估计总是过于偏小的问题,提出了一种基于暗原色图像的透射率纠正方法。以暗原色图像为参考,提取其天空等明亮区域的灰度归一化值替换生成新的透射率图。该方式提高了天空区域的透射率值,使其更接近于真实值。实验结果表明,对于各类雾化图像,在无需调整各参数值的情况下,该算法均能很好地避免天空区域出现色差失真问题;同时对于不含天空区域的图像,去雾仍然有效。此外,算法执行时无需进行复杂的天空区域识别及提取等操作。算法在实际去雾应用中实现了无参化,自动化程度高;对于分辨率为640?480彩色图像,速度可达1.5帧/s。     

结合天空区域识别的单幅图像去雾方法

针对现有图像去雾方法易于在天空区域引入负面视觉效果的缺陷,提出一个结合天空区域识别的单幅图像去雾方法;提出一个新的天空区域特征先验知识,并利用所提先验将雾天降质图像分割为天空与非天空区域;基于天空区域对大气光进行估计,并利用暗通道先验和导向全变分模型对非天空区域的透射率进行估计,从而基于大气散射模型获得去雾处理后的图像;使用一种邻域自适应的Retinex方法克服了去雾处理后图像偏暗的问题。对比实验证明,所提方法相比现有的类似方法具备更好的有效性及鲁棒性。     

基于曝光融合的单幅图像去雾算法

针对雾霾等恶劣天气导致户外图像降质的问题,设计了一种简单、高效的图像去雾算法。首先通过空域高通滤波对降质图像进行处理,达到压制低频分量、增强图像边缘细节的目的;然后,对滤波后的图像进行空间线性对比度拉伸,增强图像的对比度;最后通过拉普拉斯金字塔的多曝光图像融合方法,将滤波结果与对比度拉伸结果进行融合,得到最终的去雾图像。实验结果表明,所提算法实时性较高,对雾霾、沙尘、水下等降质图像均有较好的增强效果。     

基于天空分割的单幅图像去雾算法

针对暗通道先验算法在天空区域失效和复原图像色彩变暗的问题,提出一种基于天空分割的图像去雾算法。首先,采用基于边缘检测的分割算法将原始图像区分为天空区域和非天空区域;其次,在暗通道先验算法的基础上,改进对大气光和透射率的估计方法,进而对非天空区域采用改进的暗通道先验算法去雾;最后,利用基于成本函数的对比度增强去雾算法处理天空区域。实验结果表明,去雾后图像在方差、平均梯度、信息熵等指标上相对于暗通道先验算法均有较大提升,所提算法在保持较高运行效率的同时,能有效避免天空区域的Halo效应,还原真实的景物色彩。     

基于导向图优化的单幅图像深度去雾算法

针对雾霾等天气条件下获取的图像出现对比度下降、颜色失真等降质现象,提出一种基于导向图优化的单幅图像深度去雾算法。该算法在对大气散耗函数特性进行分析的基础上,引入图像局部均值和标准差优化导向图;再进一步对导向图进行分区域滤波,得到平滑且边缘清晰的导向图;然后采用快速引导滤波估计大气散耗图;最后根据大气散射物理模型恢复清晰图像。实验结果表明,恢复的图像清晰自然,细节丰富,近景去雾彻底,远景去雾有很大提升,在景深突变处的边缘取得较好的效果,提高了户外视觉系统的视见度和鲁棒性。     

Single image dehazing based on single pixel energy minimization

Multimedia Tools and Applications - The common dehazing algorithms always assume that the transmission values of all the pixels in an image block are the same (local consistency assumption)....     

基于相对透射率估计的快速图像去雾算法

针对暗通道先验算法中恢复效果偏暗以及运算时间过久的问题,提出一种基于相对透射率估计的单幅图像快速去雾算法。该算法在分析雾霾条件下场景深度与最小值图像关系的基础上,依据景深相对量初步估计透射率,利用改进的均值滤波器作精确化调整,最后根据大气散射模型复原清晰图像,并通过亮度增强改善其视觉效果。该算法对透射率的估计简单、有效,复原图像清晰、自然,并且具有较高的细节可见度和层次感。实验结果表明,该算法在去雾效果和处理速度方面均有很大改善,有利于实现实时性应用。     

Color layers -Based progressive network for Single image dehazing

Multimedia Tools and Applications - While deep learning-based dehazing methods have achieved significant success in recent years, most emphasize more on dehazing and less on image color recovery....     

基于暗原色先验的单幅图像快速去雾算法

针对雾天环境下图像清晰度降低以及色调偏移问题,提出一种基于暗原色先验的单幅图像快速去雾算法。首先使用灰度开运算代替最小值滤波得到粗略暗通道图,根据方差标记出雾天图像各个景深突变区的位置,并对突变区的暗原色值进行细化求解;其次求解出透射率的粗略估计并使用引导滤波来进行优化;然后使用一种自适应的容差机制对天空等明亮区域的透射率进行动态修正;最后利用大气散射模型复原出无雾图像。实验结果表明,与几种典型的图像去雾算法相比,所提算法具有较快的处理速度,同时得到的复原图像细节突出、色彩丰富。     

基于单幅图像景深和大气散射模型的去雾方法

为恢复雾天图像对比度和颜色,更好地提取图像中的信息,根据海上开阔海域的特点,利用3维到2维透视投影模型,推导了海上图像任意像素点景深的计算公式,并结合暗原色先验知识,有效解决基准景深点的选取和天空亮度的选取问题,最后基于相对景深模型和大气散射模型,对单幅雾天图像进行清晰化处理。通过大量雾天降质图像的实验验证,该算法的去雾效果优于基于暗原色先验统计方法的效果。     

基于交通场景区域增强的单幅图像去雾方法

针对当前已有的去雾算法在雾天道路图像的处理上易造成近处路面区域和远处天空区域亮度过低、处理程度偏强,而中远处区域去雾程度较低、亮度过高等问题,以基于深度学习去雾算法为基础提出一种结合雾天道路图像场景深度和道路图像特点的去雾算法。首先基于深度学习的去雾算法原理,构建卷积神经网络求取场景透射率;然后基于大气散射模型和透射率估计出图像深度图,且构造两个参数：上阈值和下阈值来将深度图分为中、远、近三个区域;再基于深度图的不同区域构造增强函数,来确定图像处理的增强幅度照;最后在传统的大气散射模型基础上结合增强幅度照来调节不同区域的复原强度得到优化后的处理图像。实验结果表明,所提算法可以在保证良好去雾效果的前提下增强道路图像的中远处区域,有效解决了去雾后雾天道路图像近处路面和远处天空的色彩失真、对比度过低问题,提升复原图像的视觉效果,并且与暗原色先验算法、均匀与非均匀雾的视觉增强算法以及典型的基于深度学习去雾算法相比具有更好的图像清晰化效果。     

An airlight estimation method for image dehazing based on gray projection

Multimedia Tools and Applications - As the key parameter of dehazing algorithms, airlight value directly affect the calculation accuracy of sky region, and any deviation will lead to the chromatic...     

结合透射率和大气光改进的暗原色先验去雾算法

针对暗原色先验透射率在明亮区域估计不足以及大气光误差问题,提出一种结合透射率和大气光改进的去雾算法。在分析高斯函数特点的基础上,依据有雾图像暗原色的高斯函数初步估计透射率,利用最大最小操作消除块状效应;然后,通过晕光算子与形态学膨胀操作获取大气光描述区域来获取大气光值;最后根据大气散射模型复原清晰图像。实验结果表明,所提算法能够有效去除图像中的雾气,浓雾图像恢复效果相比暗原色先验等算法更佳,且处理速度较快,便于实时应用。     

基于增强生成器条件生成对抗网络的单幅图像去雾

大气中烟雾等粒子的存在会导致肉眼捕获场景的能见度降低。大多数传统的去雾方法都是预期估计雾霾场景的透射率、大气光,并利用大气散射模型恢复无雾图像。这些方法尽管取得了显著进展,但由于过分依赖苛刻的先验条件,在缺乏相应先验条件下的去雾效果并不理想。因此,提出一种端到端的一体化除雾网络,使用增强生成器的条件生成对抗网络（CGAN）直接恢复无雾图像。生成器端以U-Net作为基础架构,通过“整合-加强-减去”的促进策略,用一个简单有效的增强解码器,增强解码器中特征的恢复。另外,加入了多尺度结构相似性（MS-SSIM）损失函数,增强图像的边缘细节恢复。在合成数据集和真实数据集上的实验中,该模型的峰值信噪比（PSNR）和结构相似性（SSIM）明显优于传统的暗通道先验（DCP）、一体化除雾网络（AOD-Net）、渐进式特征融合网络（PFFNet）、条件Wasserstein生成对抗网络（CWGAN）去雾模型。实验结果表明,相较于对比算法,所提网络能够恢复出更接近于地面真相的无雾图像,除雾效果更优。     

Adaptive dehazing control factor based fast single image dehazing

The single image dehazing is performed using atmospheric scattering model (ASM). The ASM is based on transmission and atmospheric light. Thus, accurate estimation of transmission is essential for quality single image dehazing. Single image dehazing is of prime focus in research nowadays. The proposed work presents a fast and accurate method for single image dehazing. The proposed method works in two folds; (i) An adaptive dehazing control factor is proposed to estimate accurate transmission, which is based on difference of maximum and minimum color channel of hazy image, and (ii) a mathematical model to compute probability of a pixel to be at short distance is presented, which is utilized to locate haziest region of the image to compute the value of atmospheric light. The proposed method obtains visually compelling results, and recovers the information content (such as structural similarity, color, and visibility) accurately. The computation speed and accuracy of the proposed method is proved using quantitative and qualitative comparison of results with state of the art dehazing methods.

     

Local albedo-insensitive single image dehazing

In this paper, we present a new algorithm to remove haze from a single image. The proposed algorithm extracts transmission iteratively under the assumption that large-scale chromaticity variations are due to transmission while small-scale luminance variations are due to scene albedo. A nonlinear edge-preserving filter is introduced to incrementally refine subtle transmission map while still keeping sharp transmission map distinct. The algorithm is verified by both synthetic images and real-scene photographs. The results demonstrate that our method can produce transmission maps without being affected by the local albedo variations and, furthermore, recover haze-free images. On top of haze removal, several applications of the transmission map including refocusing and relighting are also implemented.     

Light source point cluster selection-based atmospheric light estimation

The atmospheric light value is a critical parameter in defogging algorithms that are based on atmospheric scattering models. Any error in the atmospheric light value will impact directly on the accuracy of scattering computation and thus cause chromatic distortions in the restored images. To address this problem, this paper proposes a method that relies on clustering statistics to estimate the atmospheric light value. It starts by selecting in the original image some potential atmospheric light source points, which are grouped into point clusters using a clustering technique. From these clusters, several clusters containing candidate atmospheric light source points are selected; the points are then analyzed statistically, and the cluster containing the most candidate points is used for estimating the atmospheric light value. The mean brightness vector of the candidate atmospheric light points in the chosen point cluster is used as the estimate of the atmospheric light value, and their geometric center in the image is accepted as the location of atmospheric light. The experimental results suggest that this statistical clustering method produces more accurate atmosphere brightness vectors and light source locations. This accuracy translates to, from a subjective perspective, both a more natural defogging effect and improvements in various objective image quality indicators.     

快速图像去雾新方法

由于原始Koschmieder模型中的变量都无法获得精确解,其求解是一病态问题,结合大气退化模型提出了一种弱化的Koschmieder模型,并基于该模型提出了一种快速图像去雾新方法。该方法避免求解晴天时所获图像的场景色度、大气传递效率和场景景深,与Dark-Channel方法相比,在速度上取得了较大提升,同时能够保持场景的颜色恒常性,而且在提升图像对比度上得到了近似甚至更好的效果。