基于中值滤波与边缘插值的视频去隔行算法

针对去隔行图像质量下降问题,该文提出了基于中值滤波与边缘插值的视频去隔行算法,利用改进的运动检测算法精确地检测出象素的运动状态,分别对静止象素采用场复制,运动象素采用三点中值滤波以及不确定运动状态象素采用改进的基于边缘的行平均算法.仿真结果表明该文算法有效提高了去隔行的性能,重建图像质量佳,且其峰值信噪比和结构相似度都...     

基于引导滤波和暗原色先验理论透射率估值的视频去雾算法

针对雾天条件下户外采集的图像严重退化问题,解决传统的暗原色先验理论算法出现的边缘残雾、天空区域去雾效果欠佳、实时性差和鲁棒性差等问题,提出去雾效果显著的实时视频去雾算法.对大气光散射模型进行改进,以引导滤波后的灰度图作为大气光估计图;利用四叉树法和暗原色先验理论（DCP）在暗原色图中寻找浓雾区域,求得透射率估计值;利用改进的大气光散射模型复原图像.通过大量实验表明,复原出的图像去雾效果彻底,色彩鲜艳亮丽,天空区域不会出现彩色失真,景深变化大的地方不会出现白边现象,对于不同浓度的雾都有着较好的去雾效果,处理速度快且稳定,适合于实时视频去雾.     

基于大气消光系数和引导滤波的浓雾图像去雾算法

针对浓雾天气下户外采集的图像退化严重的问题,提出了一种浓雾图像的去雾算法。本文简化了雾天成像物理模型,提出雾浓度因子的概念,并在分析影响雾天能见度因素时借助大气消光系数建立了能见度和雾浓度因子的关系。通过对单幅浓雾图像的能见度值进行估计求得雾浓度因子的值,再结合灰度图像引导滤波估计大气光值,最后借助修复函数完成有雾图像的去雾处理。去雾实验结果显示：本文算法处理后的图像亮度效果好,图像对比度和清晰度高,图像整体视觉感知效果好。     

基于透射率估计模型和引导滤波的雾气图像去雾算法

针对雾气条件下成像设备采集图像退化严重的问题,提出一种雾气图像的去雾算法。通过对雾气天气成像物理模型的简化,找到图像复原函数中的透射率和大气光值2个关键未知量;分析影响透射率的因素,通过对大量雾气图像进行灰度分布概率统计,提出一种透射率快速估计算法;通过引导滤波估计大气光值,利用简化的修复函数完成对雾气图像的去雾处理。与HE算法(HE Kaiming, SUN Jian, TANG Xiaoou. Single image haze removal using dark channel prior. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2011, 33:2341)相比较,经本算法去雾复原后的图像信息熵值最少可提高0.060 4比特/像素、平均梯度值最少可提高0.009 55。实验结果表明,经本算法复原的有雾图像清晰度较高,细节复原较好,去雾效果明显。     

结合边界约束和引导滤波的航空图像去雾算法

针对尘雾天气条件下,航空图像受大气粒子的散射作用而导致对比度和色彩保真度差等问题,提出一种结合边界约束和引导滤波的航空图像去雾方法。该方法基于暗通道优先原理估算出大气光强度,通过添加边界约束条件来解目标函数,进而求出透射率,再用引导滤波对透射率进行精细化调整,达到去雾目的。与Ｆａｔｔａｌ、Ｔａｒｅｌ、Ｈｅ和Ｍｅｎｇ算法对比分析表明,本文方法运算速度快,能够提高图像的细节清晰度,增大去雾深度,有效克服颜色过饱和现象,去雾图像自然逼真。     

基于联合双边滤波的单幅图像去雾算法

针对在烟、雾、霾等恶劣的户外条件下,由于大气粒子的散射作用导致捕获的景物图像严重退化的问题.本文提出一种新的单幅图像去雾算法,该算法从大气散射模型出发,首先对降质图像进行白平衡,从而简化了大气散射模型;然后利用非线性空间滤波方法估计粗糙的大气幕亮度,用联合双边滤波方法进一步细化大气幕亮度;最后采用色度调和得到恢复图像.该算法的时间复杂度是图像像素的线性函数,运算速度较快.试验结果表明,该算法有效地恢复了场景的对比度和颜色,从而明显地提高了图像的视见度.     

利用分割中值滤波和透射率补偿的图像去雾

为了增强雾天退化图像的质量,提出基于分割中值滤波和自适应透射率补偿的单幅图像去雾方法．首先提出分割中值滤波策略,通过对“暗通道先验+引导滤波”去雾方法估计的透射率进行滤波,去除其中不必要的纹理细节,同时保留深度突变的边缘信息;然后提出自适应透射率补偿方法,无须进行天空分割,而通过构造补偿函数对透射率进行提升,以校正明亮区域的色彩失真;同时给出简单有效的函数参数自动确定方法,提高了算法的适应性．由实验结果可以看出,该方法通过精确估计透射率,有效地增强了去雾图像的对比度,改善了天空区域的颜色失真．同时该方法适应性较强,对包含和不包含天空的图像,都可得到更为清晰的去雾结果．     

一种基于自适应大气光和加权引导滤波的夜间图像去雾算法

夜间图像去雾对于夜间场景下无人驾驶、交通安防等有重要的工程应用价值。针对暗通道先验算法在夜间雾天场景下的失效问题,提出一种基于自适应大气光和加权引导滤波的夜间图像去雾算法。该算法首先基于图像亮度和饱和度联合求取信道图,并将信道图作为引导图对原图像进行引导滤波得到大气光分布图,为解决暗通道先验在图像亮区域的失效问题,引入亮通道先验矫正亮区域的透射率,为优化亮、暗通道透射率的融合,建立一种基于分段伽马矫正的融合权值计算方法,用于亮区域透射率的权值计算,并利用该透射权值加权得到图像的初始透射率;然后利用加权聚合引导滤波代替引导滤波细化初始透射率,通过基于相似度为滤波中心像素的邻域像素赋予权值,并在滤波聚合阶段采用加权聚合代替均值聚合,解决引导滤波弱化细小纹理而引起的边缘模糊问题;最后将复原图像转换到HSV空间,对亮度分量V进行均衡化调整,并对均衡化前后的图像进行线性加权获得最终复原结果。实验结果表明,所提算法大气光分布图估值合理,可有效反映夜间多光源场景下的大气光分布情况,图像亮、暗区域透射率计算准确,复原图像去雾彻底、纹理清晰,与经典算法对比显示,复原结果的峰值信噪比、信息熵、平均梯度和方差的最大提升幅度分别为49.4%、18.3%、172.3%、115%,综合指标优于所对比的算法。     

基于粗糙集的图像中值滤波算法

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具.它作为一种软计算方法,与模糊方法、遗传算法、神经网络等一样,是有发展潜力的智能信息处理方法.文中将粗糙集理论应用到图像滤波中,提出了一种基于粗糙集理论的图像中值滤波算法.给出了标准中值滤波算法和文中算法的比较实验,结果表明,该算法去噪能力强于标准中值滤波算法,且能较好地保持图像的边缘细节信息.     

基于容差机制与高斯滤波的图像去雾算法

为了使暗通道先验去雾算法能够有效处理雾靈图像中天空等明亮区域 ,提升去雾后图像的抗 噪性能 ,提出了一种基于容差机制与高斯滤波的图像去雾算法 装 首先 ,引入容差机制来修正明亮区域 透射率；然后 ,融入高斯滤波算法来提升去雾后图像的抗噪性能；最后 ,适当调整图像亮度 ,以提升去雾 后图像的可视化效果装 仿真实验结果表明 ,改进后算法不仅能够有效处理雾靈图像中天空等明亮区 域 ,而且能够提升去雾后图像的抗噪性能；相较于主流的同态滤波算法 ,改进后算法的去雾性能更优装     

基于遥感图像频率域滤波的灰色线性中值去噪算法

结合频率域滤波去噪方法,对比低通滤波图像,按照灰色关联分析方法筛选出遥感图像中可能存在的噪声像元,优化噪声窗口灰度序列,并以此建立灰色线性模型,在参考传统中值滤波思想的基础上对含噪遥感图像进行去噪处理。大量仿真试验分析表明,该方法在处理脉冲噪声方面具有良好的去噪效果,且具有保持图像信息质量的特点。此外,试验中发现,采用该方法处理含有混合噪声的遥感图像时,根据具体图像含噪情况,合理地选取阈值,在一定程度上可以提高其削弱图像中混合噪声的水平。     

基于均值查找的快速中值滤波算法

针对传统中值滤波算法时间复杂度高、运行速度慢,难以满足大型图像数据实时处理的问题,提出了一种快速中值滤波算法,将确定中值元素的过程由排序运算转换为基于均值对集合的二分查找,算法不依赖于滤波窗口的形状以及相邻窗口的相关信息,有效提高了中值滤波的执行效率,使传统中值滤波算法的时间复杂度由O(nln n)下降至O(n).实验中,该算法应用于大型图像序列的滤波处理,其运算速度提高到传统中值滤波算法的3倍以上,并且算法运行时间仅随滤波窗口大小线性增长,可以满足大尺度滤波窗口对大型图像数据实时处理的需求,具有显著的实际应用价值.     

基于图形处理器的高速中值滤波算法

针对中央处理器(CPU)平台中值滤波算法在实际应用中运算速率低且实时信号处理性能较差的问题,提出了一种基于图形处理器(GPU)的并行高速中值滤波算法。该算法采用统一计算设备架构(CUDA)并行架构对大规模数据处理进行了优化,从而有效提高了中值滤波算法的计算效率,实现了中值滤波的实时数据处理。通过构建GPU可任意伸缩的动态数组、优化多维索引的线性化方法解决了GPU动态显存空间分配问题。仿真试验结果表明:基于TITAN X GPU的5×5中值滤波,对4096像素×4096像素的图像处理计算速度比CPU平台提高了438倍。在同等计算规模条件下GPU高速中值滤波算法可大大提高计算性能。     

基于迭代中值滤波的自适应两级排序滤波算法

针对图像去噪时往往会改变未受噪声污染像素的灰度值的问题,提出了一种去除图像中椒盐噪声的新型滤波算法.该算法采用两级滤波,并在两级滤波之间通过自适应算法确定未受噪声污染但在第一级滤波中被滤除的像素,以保持这些像素的原灰度值不变,保护了图像的真实性;同时在第一级滤波时采用迭代中值滤波,使滤波效果更佳.实验结果表明,所提出的滤波算法的效果优于现有的滤波算法,尤其是噪声密度超过0.3时,该算法的优势更加明显.     

基于迭代中值滤波的自适应两级排序滤波算法

针对图像去噪时往往会改变未受噪声污染像素的灰度值的问题，提出了一种去除图像中椒盐噪声的新型滤波算法．该算法采用两级滤波，并在两级滤波之间通过自适应算法确定未受噪声污染但在第一级滤波中被滤除的像素，以保持这些像素的原灰度值不变，保护了图像的真实性；同时在第一级滤波时采用迭代中值滤波，使滤波效果更佳．实验结果表明，所提出的滤波算法的效果优于现有的滤波算法，尤其是噪声密度超过0．3时，该算法的优势更加明显．     

一种含雾交通图像梯度双边滤波算法

针对雾霾天气下传统滤波算法处理过程中容易受到噪声干扰,边缘像素点保持效果不理想且容易出现噪声斑块的问题,提出了一种含雾交通图像梯度双边滤波算法来实现雾霾天气下交通图像降噪滤波处理。算法提出了一种梯度相似度核,并基于此设计了一种梯度双边滤波器,将RGB颜色空间的交通图像转换到Lab颜色空间进行滤波处理。将处理过的Lab颜色空间的交通图像转换到RGB颜色空间,得到处理后的雾霾天气下交通图像。与传统方法相比,本文算法处理后图像的PSNR、细节强度和SSIM平均提升了27. 12%、24. 11%和6. 45%,能够实现在滤除噪声信息的同时,尽可能的保持图像边缘,对进一步提取雾霾天气下含有大量噪声的交通图像的特征信息十分有意义。     

基于无参考图像获取能见度的车载视频自适应去雾算法

为解决雾天环境下车辆环境感知困难的问题,针对车行视程去雾算法无法自动获取能见度、复原图像色彩过饱和、细节丢失严重等情况,克服传统器测法和目测法对能见度获取的非实时性及主观性,提出了一种改进的非线性二分求根算法,利用无参考图像空域质量评价指标（BRISQUE）对能见度进行实时修正,最终实现了能见度的自动估值。作者改进了大气能见度与车行可视距离的关系函数,由改进后的车行可视距离求出的透射率值与实际透射率相比误差减小,降低Halo效应的产生、增加了图像细节信息。实验表明,利用能见度求出的透射率估值在大气光散射模型下能够自适应的处理雾霾视频,复原出的视频图像画质清晰,色彩鲜艳亮丽不失真且能保留大量的图像信息,处理过程视频流畅无卡顿,对于在雾天环境中交通场景不断变化的车载视频也有良好的去雾效果。     

中值滤波与均值滤波的去噪性能比较

推导和讨论了中值滤波和均值滤波的去噪性能,分析和实验表明,在更一般的噪声模型下,当噪声污染的概率较小时,中值滤波抑制噪声的能力优于均值滤波,而当噪声污染的概率较大时,均值滤波抑制噪声的能力优于中值滤波。     

基于点检测的脉冲噪声中值滤波算法

提出了一种基于噪声点检测的中值滤波算法.该算法通过灰度变化率设置阈值判别脉冲噪声点,并将脉冲噪声点信息记录到与图像对应的噪声记录数组中.滤波过程中,根据噪声记录数组的信息,剔除噪声点周围的其它噪声点的灰度信息,使噪声点的灰度值得到较好的还原.该算法与标准中值滤波算法相比,能在滤出脉冲噪声的同时,较好地保留图像的细节信息.     

基于FPGA快速中值滤波算法的硬件实现

针对传统中值滤波排序量多、速度慢的缺点,充分利用FPGA并行性的特点,采用以资源换取速度的思路,提出了一种基于FPGA的改进中值滤波算法。通过2个FIFO和7个寄存器可以形成包含9个像素的3x3移动窗口。窗口中的每一个数据独立运算,每一个数据均有两个变量,小于该数的个数以及等于该数的个数。结合中值在有序序列中处于中间位置这一特殊性判断该值是否为中值。独立运算的优势在于彼此间的计算互不关联,根据每个数据的两个变量值判断该值是否为中值。实验结果表明:该算法将计算中值的时钟周期数降至1个,从而达到了快速抑制噪声的目的。该设计对于实时图像预处理具有一定的工程参考及应用价值。