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.     

基于明亮区域分割的图像去雾算法

针对暗通道先验去雾中存在的光晕和色彩失真问题,提出一种基于明亮区域分割的图像去雾算法。首先通过亮度阈值分割和区域生长将雾天图像分割为明亮区域与非明亮区域;然后用亮通道先验和超像素分别改进明亮区域和非明亮区域透射率的计算公式;再用加权融合的方法将这两个区域的透射率进行融合得到粗略的透射率,使用引导滤波对其进行优化,同时对雾天图像进行四叉树分割,取最终分割区域像素的亮度平均值为大气光值,通过大气散射模型复原去雾图像。实验结果表明,改进后去雾图像的峰值信噪比与改进前相比提高了6.5%,信息熵提高了2.1%,新增可见边之比提高了5.5%,梯度均值提高了5.3%。本文改进算法能够解决暗通道先验去雾中的问题,得到清晰且对比度高的去雾图像。     

基于颜色空间的单幅图像去雾算法

为改善雾天图像对比度差、能见度低的特点,本文结合雾天成像模型和暗原色先验规律,在颜色空间的基础上提出了一种去雾新算法。首先,在RGB颜色空间,根据暗原色先验规律估计出空气光,然后将图像从RGB颜色空间转换到HSI和HSV颜色空间,再对HSV空间下的明度分量运用大气散射模型进行去雾处理,最后再对HSI空间下的饱和度分量进行校正,最终得到去雾之后的图像。通过该算法能得到清晰化的图像,并且该算法较之传统的单幅图像去雾方法,速度更快、效果更自然。     

区域透射率融合的暗通道图像去雾方法

针对传统基于暗通道先验的去雾方法容易导致边缘区域和天空区域分别出现伪影和颜色失真的问题,提出了一种基于区域透射率融合的暗通道图像去雾方法。首先,将含雾图像分为非天空、天空及过渡边缘等3个区域。其次,在暗通道结合块透射率估计和点透射率估计分别对非天空区域和过渡边缘区域进行融合,并利用梯度域引导滤波进行平滑处理,得到融合后的暗通道透射率。然后,合成天空区域的亮度透射率和暗通道融合透射率,以获得最终的透射率。最后,利用得到的透射率和改进后的大气光值对图像进行复原,得到去雾结果图像。实验结果表明,与传统暗通道方法相比,所提方法明显更优,其在有效抑制边缘伪影的同时能够较好地保留含雾图像的颜色特征。所提方法得到的去雾图像在主观评价和客观评价方面均能取得更好的结果。     

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。     

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.     

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。     

基于自适应阈值的改进暗通道先验图像增强技术研究

基于暗通道先验的图像增强技术在图像的去雾和增强方面具有较好的图像增强效果。针对基于暗通道先验图像增强算法在处理有雾图像存在大面积白色高亮区域时出现的失真,提出了基于自适应阈值的改进暗通道先验算法。该算法在对图像进行直方图统计的基础上,先判断图像是否存在大面积白色高亮区域,并对区域的面积进行标识和统计,得到自适应系数β,再利用该系数对暗通道先验算法进行修正,最终进行对比度增强实现图像的去雾增强效果。实验结果表明,该方法能够有效消除图像去雾过程中出现的失真,提升图像质量,具有较高的实用价值。     

基于FPGA的高清实时视频去雾系统的设计与实现

实现了基于Xilinx XC6SLX45 FPGA的高清实时视频去雾系统,详细介绍了系统的逻辑框架及主要的算法实现.首先,介绍了整个系统的硬件框架及FPGA内部的逻辑框架;其次,描述了改进的暗原色先验去雾算法,给出了在FPGA中的算法实现过程;最后,对系统进行测试.实验结果表明,该系统实现了预期的高清视频实时去雾,并具有自适应功能,去雾效果良好.     

基于深度卷积神经网络的自适应图像去雾算法

室外拍摄图像由于受雾气、雾霾、沙尘等大气颗粒杂质的影响呈现出图像灰白化,而现有的图像去雾算法存在过度依赖先验信息、透射率计算不精确的问题。针对上述问题,文中提出了一种基于深度卷积神经网络的自适应图像去雾算法。该算法基于大气散射模型实现了有雾图像的去雾,设计浅层提取、并行提取和深度融合共3个全卷积网络实现图像浅层特征与深层特征的融合,大幅提高了透射率图的准确性。去雾实验测试结果表明,文中所提出的算法对室外露天雾图具有良好的去雾效果,且去雾细节效果更加理想。     

一种基于反馈机制的闭环图像去雾算法

针对目前去雾算法易受大气环境随机性和复杂性影响而造成自适应性不强的问题,该文提出一种具有反馈机制的自适应闭环去雾算法。该算法首先通过基于人眼视觉的特征认知评价进行参数初始化;然后利用去雾强度评价结果对反馈校正局部对比度参数进行调节,从而对去除加性光照后的图像进行自适应局部对比度提升;最后借鉴去雾后图像的自然度设定迭代终止条件,决定是否输出去雾结果。实验表明该算法能够自适应提升不同退化类型、不同退化程度下的雾天图像对比度,且去雾结果的信息熵和清晰度质量评价指标优于已有算法。     

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FPGA的视频图像去雾系统的设计与实现

基于FPGA设计与实现视频图像实时去雾系统.该系统基于暗原色去雾模型,直接估算雾的浓度并恢复出高质量的去雾图像,具有并行运算能力强、接口逻辑丰富等特性,为构建实时、便携的视频图像实时去雾系统提供了一种有效、可行的解决方案.实验结果表明,通过合理的硬件架构设计,该系统完全可达到视频去雾的实时处理.     

基于自适应预处理的图像分割方法

为了防止分水岭算法过分割问题,该文提出了一种基于自适应预处理的图像分割算法。该方法在分水岭算法的基础上,首先结合像素点亮度特征和空间分布特性应用自适应方法对梯度图像进行预处理。通过考察各像素点邻域中像素分类后的分布情况,来判断考察点是处于区域中心还是处于边界,并据此对考察点的梯度值进行调节。然后在预处理后的梯度图像上选定标记,将预处理后的梯度图像中大于200个像素的连通区域标定为标记。最后用分水岭分割方法对带标记的参考图像进行分割。试验结果表明,该分割方法具有良好的分割效果。     

结构信息最优的静止图像压缩算法研究

JPEG2000是基于小波变换的新一代静止图像压缩标准,与以往的压缩标准相比,其具有很多优点。但是JPEG2000以MSE作为图像失真评价标准,而MSE不能很好的符合人眼主观评分,进而很大地影响了JPEG2000的压缩性能。该文在JPEG2000标准框架下,提出了以结构相似度作为失真评价标准的静止图像压缩算法(SJPEG2000)。该算法以系数对图像结构信息贡献量的大小作为准则来截取码流,使压缩后的图像尽量保存原图像的结构信息。实验结果表明,该算法压缩得到的图像很好地保留了图像结构信息,压缩图像的主观质量得到提高,结构相似度值较原JPEG2000也有一定提高。     

基于系统Raptor码不等差错保护的图像压缩传输

该文提出一种在无线信道上进行图像传输的方案。喷泉码具有码率无关性,无需反馈信道,降低了系统复杂度。然而,传统喷泉码存在译码效率低、信息恢复质量对噪声敏感的问题。该方案基于系统Raptor码,在信道条件理想的情况下无需译码,提高了译码效率;引入不等差错保护(UEP)特性,根据信息重要性进行码率优化,使系统在不同信道环境中具有更好的稳定性。实验结果表明,在二进制删除信道信道(BEC)下,与传统纠错码和LT码及采用等差错保护(EEP)的Raptor码相比,该方案可显著提高传输的可靠性,获得更好的图像恢复效果。     

基于多先验约束和一致性正则的半监督图像去雾算法

针对合成雾霾图像训练的去雾模型在真实场景中去雾效果不佳、对高层视觉任务性能提升不明显等问题,该文提出一种基于多先验约束和一致性正则的半监督图像去雾算法。该方法采用编码器-解码器网络结构,同时在合成雾霾图像与真实雾霾图像上学习去雾映射,并利用多种统计先验去雾结果作为真实雾霾图像参考真值进行半监督学习,同时通过多张真实雾霾图像的随机混合进行一致性正则约束,以消除多种先验去雾结果差异以及噪声干扰,提高图像去雾结果的视觉质量。实验对比结果表明,所提算法可比现有方法获得更好的真实场景去雾结果,并且能够显著提升高层视觉任务性能。