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。     

结合暗通道先验与Hessian 正则项的图像去雾

在雾天拍摄户外图像,其对比度和可见度均受到严重的影响。目前图像去雾方法 通常依赖于准确的透射率图,而二阶的Hessian 正则项具有保留精细结构同时抑制阶梯伪影的 能力,可提高图像的对比度和可见度。为此采用暗通道先验方法获得有雾图像大气光值初始透 射率图,提出一种结合Hessian 正则项的二阶变分模型来细化初始透射率图及去雾图像。利用 交替方向乘子法(ADMM),通过引入辅助变量,使拉格朗日乘子不断更新迭代,直到能量方程 收敛,输出去雾图像。采用LIVE Image Defogging 有雾图像数据库进行了仿真实验。通过对去 除薄雾和浓雾效果图的视觉质量和定量的评估,表明该方法得到的去雾图像清晰自然,纹理细 节保持效果较好。     

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.     

基于构造简化模型和局部大气光遮罩的去雾算法

针对雾天条件下图像降质的问题,提出一种基于构造简化模型和局部大气光遮罩的单幅图像去雾算法.该方法从大气散射模型出发,通过构造雾浓度检测函数,检测出准确的大气光值选取区域,进而建立简化大气散射模型,并利用简化模型构造局部大气光遮罩.然后通过计算拉依达准则下限值的策略获取引导图,利用引导滤波进行区域平滑并保持边缘特性,再结...     

基于物理模型的单幅雾天图像去雾方法

雾天图像对比度降低,为了保证图像的可见性,需要对图像进行去雾处理。根据光学原理,雾天条件下场景的能见度下降是与场景深度呈指数关系的。为了对雾天图像进行清晰化,提出一种基于大气光学物理模型的图像去雾算法。该算法首先用四叉树方法估计出雾天图像的环境光;然后估计出使输出图像对比度最大化的传输函数;最后进行雾天图像复原。试验表明,该方法是有效的和有用的。     

基于物理模型的快速单幅图像去雾方法

在雾、霾等天气条件下,大气粒子的散射作用导致捕获的图像严重降质.本文提出一种新的基于物理模型的快速单幅图像去雾算法.该算法从大气散射模型出发,通过对大气光照进行白平衡,从而简化大气散射模型;利用快速双边滤波方法估计大气耗散函数,进而恢复场景反照率.本文算法的时间复杂度达到图像像素数的线性函数,具有很快的执行速度.实验结...     

一种快速单幅图像去雾新方法

为了再现雾霾天气下可见光图像的清晰场景,有效抑制雾霾退化造成的图像对比度、清晰度下降,本文提出了一种基于改进的双边滤波器的快速有效的去雾新方法.该方法引进了本文首次发现的简洁高效的“类高斯核”,代替传统双边滤波器的高斯核.改进的双边滤波器具有很好边缘保持特性,用该滤波器来准确优化雾天大气传输率的估计,大大提高了计算效率;在大气光值估计中,对暗通道和原图两个区间亮度最大值,进行加权平均,精确的估计出雾天大气光值.本文算法具有很快的处理速度,能有效提高复原图像的清晰度和对比度,获得较好的图像颜色.     

基于景深的单幅图像快速去雾算法

在雾、霾天气条件下,由于大气粒子的散射作用导致采集的图像质量严重下降,给计算机视觉系统成像带来极大不便。针对上述问题,提出一种基于景深的单幅图像快速去雾算法。通过暗通道对图像处理,得到图像传输图,从而简化大气散射模型,利用景深信息估计大气散射模型,得到边缘突变景深关系比,通过近水平方向上的景深关系比值优化传输图,利用双边滤波对景物边缘进行处理。从3个颜色通道出发,降低波长对景深估计的影响。实验结果证明,该算法能够恢复景物边缘的细节对比度,有效提高图像的清晰度与视见度。     

基于马尔科夫随机场框架的单幅图像去雾*

雾或霾等天气会降低场景的能见度,给机器视觉的后续处理造成影响。针对图像雾霾退化的恢复、及现有基于马尔科夫随机场图像去雾算法的缺陷,提出了一种新的基于马尔科夫随机场和暗通道先验的图像去雾算法。该算法以雾天条件下退化模型为基础,通过介质传输图和原始无雾图像的约束条件,利用暗通道先验获取介质传输图的粗估计,构造MRF框架下的代价函数。为使去雾图像保持更多的纹理细节,引入纹理检测函数改进代价函数,最终求得去雾图像和介质传输图。实验结果表明,本文方法可以得到较好的去雾效果,同时保持较多的纹理细节和更快的运算时间。     

基于暗通道先验和核回归的图像去雾研究

在雾霾天气条件下,由于大气粒子的散射作用导致观察到的图像质量在一定程度上有所下降。本文提出一种基于暗通道先验知识和局部多项式核回归的图像去雾方法。首先,根据暗原色先验原理估计出大气光强度和初始透射率。其次,采用局部多项式核回归对透射率进行平滑和细化。最后,利用细化后的透射率和估计的大气光强度恢复雾天图像。实验结果表明,采用该方法可以有效地实现去雾。与目前最先进的方法相比,处理后的图像保留了更多的细节信息,且提高了图像清晰度。     

基于补偿暗通道和透射率融合的图像去雾算法

针对暗通道先验算法去雾不彻底且透射率估计不准确的问题，提出了一种基于补偿暗通道和透射率融合的去雾算法。该方法首先用中值滤波补偿暗通道，解决复原图像边缘细节不突出问题；然后由补偿暗通道得到透射率的简单估计及白平衡得到透射率的模糊估计，将两者进行像素级融合，得到透射率的精确估计；最后根据大气散射模型恢复出无雾图像。实验结果表明，该算法获得了较为精确的透射率，复原图像有效消除了残雾和Halo现象，在天空区域有较好的色彩保真度，同时也有效提升了运算速度。     

消除光晕效应和保持细节信息的图像快速去雾算法

现有的基于大气散射物理模型的图像去雾算法,在去雾过程中大都无法避免的会产生光晕效应和细节丢失。针对这一问题,提出了一种消除光晕效应和保持细节信息的图像快速去雾算法。首先运用四叉树子矩阵划分的分层遍历方法得到更精确的大气光值,再通过分析大气散耗函数,利用融合梯度信息的改进引导滤波得到精确估计的大气散耗函数,并自适应的获取最小值图像与大气光平均值的阈值,求解出透射图,最后反演复原出无雾图像,并对复原后的图像进行亮度调整。对多组有雾图像进行了实验,本算法能有效地抑制去雾过程中产生的光晕效应,较多地保留了图像的细节信息,且运行时间大约减少了一倍。融合梯度信息的改进引导滤波不但可以较好地保留透射图的细节信息,有效地消除光晕效应,而且具有较好的鲁棒性和时间复杂性。本算法适用于交通等室外场景的去雾。     

雾天环境下自适应图像增强去雾方法研究

由于雾天环境下大气散射现象,拍摄出来的景物能见度和对比度会大幅降低.为了解决问题,提出了一种针对雾天环境的自适应图像增强去雾方法,部分重叠直方图均衡化方法(POSHE).方法将邻域内的子块变换函数通过加权求和计算得到当前子块的变换函数,以消除子块直方图均衡化变换之间的差异,对于图像场景深度信息多变且未知的雾天图像能够突出图像的局部细节信息,达到良好的去雾效果,并能够满足实时视频图像处理的要求.     

G-SVD:一种基于高斯卷积和SVD的暗通道去雾算法

由于传统的暗通道去雾算法的结果存在块状效应,影响图像可视性,且该算法难以处理浓雾图像,提出了一种基于高斯卷积和奇异值分解(Singular Value Decomposition)的暗通道去雾算法:G-SVD.首先将整个图像拆分为RGB 3个通道,再使用高斯卷积按照滑动窗口法预估每一通道单个像素点的大气环境光;再对比3个通道的环境光大小,选取最小值为该像素点的大气环境光;同时引入偏差系数作为辅助参数,以增加去雾图像能见度;最后将图像通过SVD去噪,提高图像质量.实验结果表明,本文算法有效地解决了现有去雾算法中存在的块状效应;此外,还从信息熵、峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)和结构相似性(Structural Similarity,SSIM) 3个方面定量对比分析算法性能,验证了该算法的有效性和优越性;在避免图像畸变的同时,提升了浓雾图像的去雾效果.     

基于雨雾分离处理和多尺度网络的图像去雨方法

雨带来的雨条纹和雨雾会降低户外拍摄图像的质量,为了去除雨雾对图像的影响,提出了一种基于雨雾分离处理和多尺度卷积神经网络的图像去雨方法。首先利用导向滤波将雨线和图像细节信息提取到高频层,雨雾和背景信息则分离到低频层;然后构建多尺度卷积神经网络来去除高频层中的雨线,网络中融入多个稠密连接模块以提升特征提取的准确性;其次构建多层特征融合的轻量级去雾网络来去除低频层中的雨雾,采用参数一体化结构避免了估计多个大气散射模型参数导致的次优解;最后再结合处理后的高低频结果还原出清晰图像。在多个合成的雨雾数据集以及真实自然场景图像上进行测试,定性和定量结果表明,提出的方法在去除雨雾影响的同时较好地保留了色彩信息,和近年的算法相比,图像结构相似性约提升了0.02~0.08,图像峰值信噪比约提升了0.2~3.5 dB。     

基于暗原色先验原理的偏振图像浓雾去除算法

在浓雾天气下,针对基于常规偏振特性去雾算法去雾效果不理想的特点,提出了一种基于暗原色先验原理的颜色空间转化算法去除偏振图像的浓雾。相比传统的成像技术,偏振图像探测技术在复杂环境下的目标探测和识别处理具有独特的优势,偏振图像通常采用强度图、偏振度图、偏振角图来表征目标的偏振信息。为了达到偏振信息与去雾模型相结合的目的,采用一种颜色空间转化的方法,首先把偏振信息转化到HIS颜色空间对应的亮度、色度、饱和度等各分量中,再把HIS颜色空间映射到RGB空间;其次,结合雾霾图像的大气散射模型用暗原色先验原理求图像的暗通道图;最后,在图像的稀疏先验基础上用softmatting算法细化修正大气传输率。实验结果表明,在能见度很低时,去雾后图像的标准差、信息熵、平均梯度等指标比现有的偏振去雾技术提高很多,该方法能有效增强浓雾天气下图像的整体对比度,提高偏振图像的目标识别能力。     

基于局部均值和标准差的图像去雾算法

针对雾天图像对比度低和颜色退化严重现象,提出一种单幅图像快速去雾算法。对雾天图像局部区域均值和标准差的特点进行分析,根据图像局部均值和标准差的差值得到关于大气散射光的估计,结合大气散射模型对雾天图像进行修复。实验结果表明,算法能够有效地去除图像中的雾气,且处理速度较快,便于实时应用。     

融合GF-MSRCR和暗通道先验的图像去雾

目的 针对雾天图像高亮和雾浓区域中容易出现场景透射率值求取不准确,导致复原后的图像细节丢失、出现光晕现象、对比度和色彩难以满足人眼的视觉特性等问题,提出了一种融合引导滤波优化的色彩恢复多尺度视网膜算法（GF-MSRCR）和暗通道先验的图像去雾算法。方法 首先利用加权四叉树方法从最小通道图中快速搜索全局大气光值,再从图像增强角度应用GF-MSRCR算法初步估计场景透射率值,依据暗通道先验原理对最小通道图进行二次估测,根据两次求取结果按一定比例进行像素级图像融合,得到场景透射率估计值;利用变差函数修正估计值,经中值滤波进一步优化得到场景透射率的精确值,最后通过大气散射模型恢复雾天图像,调整对比度和恢复颜色后,得到了轮廓完整且细节清晰的无雾图像。结果 理论分析和实验结果表明,经本文算法去雾处理后的图像信息熵、对比度、平均梯度、结构相似性分别平均提升了7.87%、21.95%、47.73%和15.58%,同时运行时间缩短了53.22%,对近景、含小部分天空区域、含大片天空区域和含白色物体场景的多种类型雾天图像显示出较好的复原效果。结论 融合GF-MSRCR和暗通道先验的图像去雾算法能快速有效保留图像的细节信息、消除光晕,满足了人眼的视觉特性,具有一定的实用性以及普适性。     

一种基于小波分析的新型图像破雾处理方法

视频是监控系统中的一个重要信息来源,其信息量直观且丰富。但在恶劣天气条件下,尤其是雾霾天气,会使视频监控的可视性能急剧下降。采用适当的图像增强算法,可以有效地改善雾霾天气条件下监控视频的可视性。文章基于小波分析,设计一种以图像增强为基础的新型图像破雾处理方法,以期达到实用的目的。     

基于双边滤波的图像去雾

目的在雾、霾等天气下,获取的图像受到大气粒子散射的影响而严重降质。针对这一问题,提出了一种基于双边滤波的单幅图像去雾算法。方法此算法是以大气散射模型为基础。首先利用双边滤波保持边缘的平滑特性得到准确的大气耗散函数。其次,针对明亮区域失真的问题,本文提出了弱化明亮区域去雾的方法。最后,通过变换大气散射模型得到清晰的无雾图像。结果大量实验结果表明,本算法恢复的图像清晰自然,尤其是在远景处和景深突变的边缘处的处理能取到很好的去雾效果。此外,其时间复杂度为图像大小的线性函数。结论针对雾、霾天气下的降质图像,基于大气散射模型与双边滤波特性,本文提出了一种新的单幅图像去雾算法。实验结果表明,本算法能获得很好的去雾效果,尤其在细节处理的表现优于Tarel的去雾算法。同时,与He Kaiming的去雾算法相比,运行时间具有明显优势,有利于实现实时性技术应用。