区域分割优化的暗通道先验去雾算法

较为经典的去雾算法是暗通道先验去雾算法,但该算法会产生天空区域光晕失真现象。为此,提出区域分割优化的改进暗通道先验去雾算法。首先提出K均值聚类分割算法,得到区域类别标签图;以大气光值选取区域为掩膜,求出类别标签图中天空区域的类别标签值,依据二值分类法将类别标签图转换为包含天空区域和前景区域的二值图;然后对透射率图进行区域优化处理,克服暗通道先验去雾算法天空区域低估透射率的不足;最后将有雾图像代入有雾图像退化模型,还原出颜色逼真的无雾图像。利用不同去雾算法进行去雾对比实验,结果表明,该算法消除了天空区域的光晕失真现象,去雾图像细节获得明显增强,去雾效果优于其他去雾算法,实验验证了该算法的正确性和可行性。     

一种基于降维滤波的快速去雾算法

为了达到单幅图像的快速去雾,提出了一种基于降维滤波的快速去雾算法.采用边界约束来求取透射率图,然后用降维滤波对透射率图进行优化,减少了计算量;通过自适应调节大气光值和透射率下限值优化了天空区域的失真;对去雾后的图像进行自适应Zadeh-X变换改善图像的视觉效果.通过对多种带雾图像实验表明该算法可以达到高速和高质量的去雾,并且适用于偏暗、偏亮和颜色不丰富的带雾场景.     

结合暗通道先验和MRF理论的单幅图像去雾算法

针对在雾霾环境下获取的图像降质严重、现有算法去雾图结构细节信息丢失较多的问题,提出了一种结合暗通道先验(DCP)和马尔可夫随机场(MRF)的单幅图像去雾算法。该算法先采用子块部分重叠局部直方图均衡(POSHE)对原始雾图进行增强,以提高其对比度,并通过DCP算法获取优化后的透射率;利用MRF模型对图像结构细节信息的约束特性,对透射率进行建模,以进一步细化透射率;由天空域的显著特征,通过分块搜索法求取大气光值。与传统去雾算法相比,该算法能得到更精确的透射率图,有效保持图像结构信息,去雾后的图呈现出丰富的细节和较真实的色彩视觉效果。     

基于引导系数加权和自适应图像增强去雾算法

针对基于暗通道先验去雾算法易产生图像偏暗、细节信息丢失等现象,提出了一种基于引导系数加权和自适应图像增强去雾算法.首先,对原导向滤波方法进行采样和引导系数加权,快速得到精细化的透射率;然后,利用K-均值聚类将原图像标定为亮色和非亮色区域,约束透射率和大气光值,达到图像噪声抑制和大气光值优化的效果;最后,结合大气散射模型恢复图像,并利用自适应线性对比度增强方法对恢复后的图像进行优化.实验结果表明,与其他代表性去雾方法相比,由本文算法所获得的去雾图像不仅能克服图像失真、细节丢失等问题,同样在主观指标上和客观指标上都能取得较好的结果.     

基于景深约束的单幅雾天图像去雾算法

本文提出一种基于景深约束的单幅雾天图像去雾算法,该算法首先对退化模型进行变换以满足Kimmel变分框架的要求;其次,考虑到人眼视网膜锥细胞对绿光的敏感性,将绿光分量作为大气传输图变分求解模型的输入;最后,利用景深图像特性,在8邻域快速求解中对能量函数进行约束,从而有效提升去雾图像的视觉效果.实验结果表明本文算法在获得最佳去雾效果的同时,具有较好的实用性和较少的计算资源消耗.     

结合天空区域分割的图像去雾算法

针对现有去雾算法在天空区域易失真和复原图像整体偏暗的问题,提出一种结合天空区域分割的图像去雾算法.该算法首先利用图像局部香农熵将原图像分割为天空区域与非天空区域;然后对相应的透射率分别进行求取,并利用快速引导滤波对最终的透射率进行细化处理,再采用四叉树搜索算法求取大气光值,最后利用暗原色先验模型恢复出无雾图像;另外对于整体偏暗的复原图像,则利用改进的局部对比度保留的非线性增强方法进行亮度调整.实验结果表明,与其它去雾算法相比,所提算法能更有效地复原图像;复原后的图像无颜色失真和光晕效应,而且清晰度和亮度更佳,整体视觉效果更加符合人眼视觉特性.     

基于物理模型与边界约束的低照度图像增强算法

针对低照度下图像降质严重的问题,该文提出一种基于边界约束与图像亮度的低照度图像增强算法。该算法首先通过改进的边界约束对伪雾图进行透射率估计,并对其进行优化;同时从伪雾图雾的形成原理出发,利用低照度图像的亮度分量进行伪雾图大气光值的估计;最后将增强后的伪雾图反转,即得到增强后的低照度图像。实验结果表明,针对低照度下的图像,该算法可以有效地提升对比度和亮度,过增强现象得到改善;效果优于对比算法,且复杂度低。     

基于雾线先验的时空关联约束视频去雾算法

现有视频去雾算法由于缺少对视频结构关联约束和帧间一致性分析,容易导致连续帧去雾结果在颜色和亮度上存在突变,同时去雾后的前景目标边缘区域也容易出现退化现象。针对上述问题,该文提出一种基于雾线先验的时空关联约束视频去雾算法,通过引入每帧图像在空间邻域中具有的结构关联性和时间邻域中具有的连续一致性,提高视频去雾算法的求解准确性和鲁棒性。算法首先使用暗通道先验估计每帧图像的大气光向量,并结合雾线先验求取初始透射率图。然后引入加权最小二乘边缘保持平滑滤波器对初始透射率图进行空间平滑,消除奇异点和噪声对估计结果的影响。进一步利用相机参数刻画连续帧间透射率图的时序变化规律,对独立求取的每帧透射率图进行时序关联修正。最后根据雾图模型获得最终的视频去雾结果。定性和定量的对比实验结果表明,该算法下视频去雾结果的帧间过渡更加自然,同时对每一帧图像的色彩还原更加准确,图像边缘的细节信息显示也更加丰富。     

基于二次约束与雾气分布的图像复原算法

针对最小滤波导致的光晕、伪影及透射率估计不足引起的天空失真等问题,提出了一种基于二次约束与雾气分布的去雾算法.首先,利用Canny检测算子得到有雾图像的粗纹理分布,在场景深度的基础上得到有雾图像的雾气分布图.其次,根据图像特征,提出了一种基于自适应雾气系数的二次约束模型,估计出清晰图像的最小通道图,并利用大气散射模型得到粗略透射率.然后通过自适应下边界约束与双边滤波进行透射率优化,并通过形态学操作改进局部大气光.最后根据复原模型得到去雾图像.实验表明,所提算法在主、客观评价中均取得了理想的效果,较好解决了去雾图像中的光晕、伪影与天空失真等问题.     

结合暗通道和Retinex理论的图像去雾算法

针对雾天环境下拍摄的图像模糊、亮度低等问题,提出了一种利用图像颜色反转,并结合暗通道先验和Retinex理论的图像去雾算法.该方法采用四分加权算法准确估计大气光值,导向滤波方法对透射率进行细化;然后利用大气散射模型对反转图像进行去雾处理后再反转,得到初步复原的无雾图像;最后采用MSR算法进一步处理,提升图像的亮度和清晰度.实验结果表明,采用本算法得到的第一组和第二组图像信息熵分别为7.548 3和7.5121,峰值信噪比分别为7.763 8和11.374 7,平均梯度值分别为11.566 0和13.572 0,各组数据均优于其他三种算法,运行时间也具有一定优势,证明了所提算法的有效性.