基于混合对比度增强的户外图像去雾方法

雾天拍摄的户外场景图像对比度和色彩降质严重,影响了视觉监控系统的可靠性和鲁棒性。针对雾天图像灰度动态范围较窄、对比度差的问题,为提高视觉精确性,提出一种基于混合对比度增强的户外降质图像去雾方法。在分析雾天图像特征的基础上,给出了一种全局去雾模型,然后基于遗传算法的全局搜索优势,对图像进行全局优化去雾处理。根据雾天图像降质与深度密切相关的先验知识,研究了一种模糊邻域对比度增强方法,进一步实现局部细节的增强处理,并进行仿真。结果表明,提出的混合去雾方法实现简单,能够有效增强雾天降质图像的全局对比度和细节结构,较好地改善视觉效果。     

基于光学深度估计的雾天降质图像清晰化复原

研究雾天图像质量优化问题,雾天拍摄的户外场景图像对比度和色彩都发生不同程度的降质,严重影响了视觉监控系统的可靠性和鲁棒性。为提高雾天的图像清晰度,根据大气散射模型和雾天图像的对比度衰减同场景点深度成指数规律的先验知识,提出了一种场景光学深度的估计方法,应用于雾天降质图像的清晰化复原。采用建立了两组联系大气散射系数与场景点深度的关系式,并计算出场景各点光学深度的估计值。同时结合了两幅差异雾况天气下同场景图像的灰度信息以及局部对比度信息,可以更好地提高对场景深度信息估计的可靠性。结果表明,方法获得的场景可以实现雾天降质图像对比度的有效改善,获得满意的视觉效果。     

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。     

基于改进的限制对比度自适应直方图的视频快速去雾算法

针对雾天视频图像对比度低、可视性急剧下降的特点,提出一种改进的限制对比度自适应直方图均衡化的视频实时去雾方法.将图像从RGB空间变换到HIS空间,根据模块之间的相似性进行自适应更新,提高图像中心的像素值权重.使用预定义的阈值裁剪直方图,限制噪声的放大和局部对比度的过增强,确保对视频图像处理的快速性.与传统方法进行比较,多组实验结果表明,该方法在信息熵、平均梯度、方差等指标上具有明显的优越性,可以有效去除朦胧,增强雾天图像的层次感;计算复杂度低,可以满足实时性应用的要求.     

基于MSR的雾天图像清晰化算法研究

研究雾天图像清晰化的问题,需提高图像增强的均匀性。针对雾天情况下,由于雾气的遮挡使得拍摄图像对比度降低,图像局部细节处不清晰,传统的直方图均衡化的雾天图像清晰化方法虽然能够增强图像对比度,但是图像局部细节增强不足,造成图像增强均匀性不高的问题。提出一种MSR的雾天图像清晰化算法,通过Sigmoid函数对图像作映射,拉伸图像的对比度,然后利用MSR算法,将图像小波分解为高频分量和低频分量,对高频分量取绝对值最大运算,低频分量加权平均,并避免了对图像进行全局直方图均衡化造成的图像增强不均匀,局部细节增强不足的问题。实验证明,提出的算法能够将雾天图像均匀增强,得到高清晰的图像,取得了满意的效果。     

一种基于小波融合的雾天视频监控图像增强算法

针对雾天视频监控系统采集的图像对比度降低、图像模糊的问题,提出一种小波融合算法。该算法在已有的图像增强方法的基础上,应用小波变换、直方图均衡化和非线性增强算子来综合处理雾天降质图像。实验结果表明,该算法对比于传统的方法不但可以明显的提高图像对比度,而且增强图像的边缘细节和纹理特性,取得较好的效果。     

一种雾天图像低对比度增强的快速算法

为解决雾天图像低对比度问题，提出一种插值自适应直方图均衡化算法。该算法不仅避开了物理模型方法对景物信息的依赖，而且与其他图像处理算法相比能大幅度降低运算复杂度、消除块状效应、有效地突出图像细节信息，因此特别适合于深度信息多变且对比度较低的雾天图像。算法的有效性为实验结果所证实。     

基于模糊逻辑的雾天降质图像对比度增强算法

提出一种新颖的雾天降质图像增强算法。该算法通过对降质图像进行规范化预处理,降低不同雾况对灰度级分布范围的影响,并对规范化后的图像,根据大气散射对对比度衰减的影响规律,在模糊域内实现对比度增强处理。实验结果表明,该算法可以有效提高雾天降质图像的对比度,视觉效果改善明显。     

半逆解法检测及改进图层法去除雾气算法研究

针对雾天环境下相机所拍摄图像能见度较差造成人眼或设备难以分辨图像细节的问题,提出一种新颖的单幅图像雾气检测和去除方法。在不经过图像优化及修复处理前提下,用半逆解法产生半逆解图像,通过阈值将转换至HSI 彩色空间的原图像和半逆解图像进行色度值对比,快速检测出图像雾气区域。依据光学模型估计出空气光常数等参数,用改进图层法作出多幅光传播图像,再将部分图层叠加成一幅图像。采用对比度拉伸变换法增加融合图像对比度,得到最终去雾图像。     

雾天条件下的多尺度Retinex图像增强算法

在雾天条件下拍摄图像时,由于受到大气散射作用的影响,图像的颜色和对比度会出现退化现象。为了提高雾天图像的质量,提出一种改进的多尺度Retine雾天图像增强算法。首先采用幂次变换压缩图像动态范围;然后采用非线性变换对图像的高光区域进行抑制;最后采用反锐化掩模滤波消除图像模糊,增强雾天图像细节信息,并采用多幅雾天图像对算法性能进行仿真测试。仿真结果表明,改进多尺度Rctinc的雾天图像增强算法较好地解决了传统Retine算法存在的不足,加快了雾天图像增强的运行速度,使得雾天图像更加清晰化,获得了更优的视觉效果。     

基于小波变换和改进的Retniex雾天图像增强

现有基于小波变换的增强方法对雾天图像增强效果一般,对此提出一种结合小波变换和改进的Re t-niex的雾天图像增强方法.使用小波变换将图像分解为高频部分和低频部分;利用双边滤波良好的边缘保持性,对传统的Retinex算法进行改进.用改进后的Retinex算法对低频子带图像进行去噪处理.为了防止放大噪声、过度增强,用模糊...     

基于物理模型的雾天图像复原新方法

由于雾天场景的能见度很低,因此为了保证视频监控系统的正常工作,需要对视频图像进行去雾处理。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,鉴于现有的基于物理模型方法的去雾效果不够理想,因此提出了一种新的基于物理模型的图像复原方法,该方法首先对雾天场景的光学成像建模;然后借助于一张晴天和一张雾天场景的参考图像,计算出场景各点的深度比关系,最后利用深度关系复原雾天图像或雾天视频。实验结果证明,该方法是有效的和实用的。     

基于移动模板的图像去雾方法研究

雾使图像退化严重,已有多种方法应用于图像去雾。分析了直方图均衡化方法在图像去雾方面的缺点,提出了一种改进的基于移动模板的局部重叠直方图均衡化去雾方法,分析了模板大小和移动步长对实验效果的影响,对可能出现的块效应提出了简单的滤波平滑算法。实验证明,该方法能够在增强图像的同时有效去雾,降低对图像的影响,且实现简单。     

模糊集与非线性增益相结合的自适应图像增强算法*

提出了一种模糊集增强与非线性增益相结合的自适应图像增强算法,使用双正交小波变换对原始图像进行分解,低频子带系数采用改进的模糊集增强算法,以提升图像的整体对比度;对高频子带,先采用贝叶斯萎缩法估计噪声与信号的阈值,再使用一种非线性增益函数增强图像细节并抑制噪声。对算法中影响增强效果的关键参数进行了研究,并提出了一种模糊集增强算子的阈值选取算法,能够实现不同图像自适应参数选择;将信息熵作为非线性增益函数的参数选取准则,并针对算法中排序算法运算量过多导致算法时间过长的情况,提出了一种替代求解方法,极大地提高了算法效率。对算法进行仿真,结果表明：算法能够有效提升对比度、增强图像细节并抑制噪声,可以明显改善图像的视觉效果,具有参数自适应、算法效率高等优点。     

一种改进的Retinex算法在图像去雾中的研究与应用

在雾霾环境下获取的图像往往不清晰,整体图片亮度较高。 Retinex算法是一种新型的图像增强方法,与传统的图像特征增强方法相比,有很多优点,如色彩恒定不变、处理速度快、颜色具有很好的视觉特征等,但是其也有对亮度较大的位置处理效果不佳和光照变化较大会出现光晕的缺点。对Retinex算法进行了研究和改进,使其克服了出现光晕和对较亮图像处理效果不佳的缺点。实验结果表明,改进算法克服了上述缺点,获得了更好的图像增强的效果,是一种适应性强、鲁棒性高的图像增强算法。     

New artificial life model for image enhancement

In this work, a method to enhance images based on a new artificial life model is presented. The model is inspired on the behavior of a herbivore organism, when this organism is in a certain environment and selects its food. This organism travels through the image iteratively, selecting the more suitable food and eating parts of it in each iteration. The path that the organism travels through in the image is defined by a priori knowledge about the environment and how it should move in it. Here, we modeled the control and perception centers of the organism, as well as the simulation of its actions and effects on the environment. To demonstrate the efficiency of our method quantitative and qualitative results of the enhancement of synthetic and real images with low contrast and different levels of noise are presented. Obtained results confirm the ability of the new artificial life model for improving the contrast of the objects in the input images.     

数字图像去雾技术在变电站雾天图像应用研究

随着变电站从有人值守向无人值守转变,运行人员利用摄像头、机器人采集设备图像,以了解设备运行情况。但在雾天条件下,变电站采集的图像存在能见度低、不清晰问题,导致远程监控、操作无法有效开展,增加电网运行安全风险。本文针对雾天变电站图像进行研究。首先梳理了目前图像去雾算法种类以及去雾算法在电力系统中应用情况,同时总结了变电站雾天图像画面由表计、开关等设备组成、图像背景色彩以灰、黄、黑、白等色彩为主等特点。然后分析介绍了几种基于图像复原、图像增强技术去雾算法的原理。并选取实际采集的变电站雾天图像,从主观、客观评价两方面出发,综合对比分析几种去雾算法在变电站雾天图像去雾能力的优劣。最后,结合变电站雾天图像特点及图像去雾技术发展趋势,提出了几点未来的发展方向。     

适合跨域目标检测的雾霾图像增强

目的 室外监控在雾霾天气所采集图像的成像清晰度和目标显著程度均会降低,当在雾霾图像提取与人眼视觉质量相关的自然场景统计特征和与目标检测精度相关的目标类别语义特征时,这些特征与从清晰图像提取的特征存在明显差别。为了提升图像质量并且在缺乏雾霾天气目标检测标注数据的情况下提升跨域目标检测效果,本文综合利用传统方法和深度学习方法,提出了一种无监督先验混合图像特征级增强网络。方法 利用本文提出的传统先验构成雾气先验模块;其后连接一个特征级增强网络模块,将去散射图像视为输入图像,利用像素域和特征域的损失实现场景统计特征和目标类别语义相关表观特征的增强。该混合网络突破了传统像素级增强方法难以表征抽象特征的制约,同时克服了对抗迁移网络难以准确衡量无重合图像域在特征空间分布差异的弱点,也减弱了识别算法对于低能见度天候采集图像标注数据的依赖,可以同时提高雾霾图像整体视觉感知质量以及局部目标可识别表现。结果 实验在两个真实雾霾图像数据集、真实图像任务驱动的测试数据集(real-world taskdriven testing set, RTTS)和自动驾驶雾天数据集(foggy driving dense)...     

基于细节增强的单一图像去雾

在雾霾、烟雾等恶劣天气状况下拍摄出的照片能见度很差,对视野中物体的可分辨性很低。在暗通道先验的基础上描述了一种有效增强细节的单幅图像去雾算法。首先对雾霾图像进行边缘保持模糊处理,进而提取出不含雾成分的细节层。与此同时对雾霾图像使用中值滤波算法去雾,将初步去雾后的图像加上细节层,得到更加细致、清晰的图像。为了提取图像的细节层,选用了域变换递归边缘保留滤波器,它能够在保持边缘的同时快速对图像进行模糊处理。