基于二进制掩码的单幅图像天空区域识别去雾算法

针对暗通道先验去雾算法处理得到的去雾图片存在颜色失真、偏移等问题,提出了一种基于天空区域识别的改进算法。首先,利用区域窗口自适应最小化滤波器获得暗通道图像,并使用二进制掩模图进行天空区域识别。其次,对天空区域进行透射率和大气光值的设定,同时引入引导滤波器对透射率图进行优化,避免了图像恢复时天空部分色彩失真的问题。最后,利用大气散射模型对原始图像进行复原。实验结果表明,本算法能够有效对图像中天空等明亮区域进行去雾,使处理后的图像具有良好的视觉效果。     

基于暗通道的图像去雾改进算法

针对传统暗通道去雾算法对有雾图像处理后存在的颜色偏差问题和在天空区域与非天空区域上去雾的效果存在较大差异的问题,提出一种基于暗通道的图像去雾改进算法。该算法在大气光值与透射率值的计算上进行了相应的改进,首先通过暗通道相关的概念及其原理的计算得到原始输入图像的暗通道图,通过计算的最优阈值将原始图像分为天空区域和非天空区域两部分,然后在两部分不同的区域上分别使用不同的方法得到大气光值的估计值并且计算出透射率的值,再将得到的初始去雾图像通过导向滤波对得到的图像进行去噪,最后得到清晰的去雾图像。实验结果显示：本算法更能有效地展示图像的真实情况,避免其他环境因素的干扰,具有一定的优越性。     

一种自适应暗通道先验去雾算法

基于暗通道先验的图像去雾算法是一种简单有效的图像去雾算法,但该算法在处理较高分辨率的图像时,时间复杂度较高,复原后的图像亮度偏低,且在处理具有大面积白色明亮区域图像时存在色彩失真的问题。针对这些问题,本文提出了改进的自适应暗通道先验去雾算法,新算法引入自适应的指导滤波法代替原算法中的软抠图法,提高算法的计算效率的同时获得最优滤波窗口半径。同时,新算法还通过改进透射率图估计方法,弱化对明亮区域的去雾处理,避免过增强,并调整图像亮度,优化去雾结果。通过合成雾图和真实场景雾图实验验证了新算法的有效性。合成雾图实验中采用全参考评价方式,在清晰的无雾场景上模拟雾的形成,计算加雾前与使用不同算法去雾后图像的绝对差值进行比较。真实场景雾图实验中,采用基于人类视觉感知的CNC(Contrast-naturalness-colorfulness)综合评价体系,计算同一雾图在不同算法去雾后图像的CNC指数。实验结果表明,在相同图像分辨率条件下,本文提出的自适应算法不仅去雾后图像视觉效果更加理想,而且处理时间大为减少。     

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．     

明亮区域的暗原色先验算法

针对暗原色先验算法在处理含有大面积明亮区域的有雾图像时,复原图像会产生严重色彩偏移的不足,提出了一种基于像素点的透射率修正方案.在分析暗原色先验去雾原理以及复原图像色彩偏移成因的基础上,对去雾模型进行推导,使用暗通道亮度与大气光数值接近度及像素通道间数值接近度作为明亮区域判定机制,得出更具普适性的透射率求取方法.明亮区域采用容差机制纠正错误估计的透射率,非明亮区域仍采用原透射率求取方式,并首次将改进算法应用到雪天模糊图像清晰化中.实验结果表明,改进算法使去雾图像清晰自然,可有效修正色彩失真.     

一种非线性变换的自适应透射率去雾算法

人工智能的飞速发展使得图像处理技术广泛应用于新一代智能交通系统中.但由于现有图像去雾算法在应用于智能交通中会存在透射率估计不足的现象,导致所复原图像在景深突变区域存在色偏、晕影、对比度低等问题,严重影响了户外采集系统的性能.因此,提出一种非线性变换的自适应透射率去雾算法.通过对数映射并结合自适应参数将暗通道中处于高灰度...     

改进的海雾图像去除方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题,提出了一种改进的图像去雾方法,应用于海上含雾图像处理中。首先,获取含雾图像的暗通道及最小值图像,将含雾图像转换到HSV颜色空间计算各个像素点的颜色衰减率,对其按降序排序取前10%中的最小值作为亮暗部分界阈值,据此计算出HSV暗部图像区域(I_(HSV_dark))。通过引入变差函数来判断像素点是否来自于高亮区域,并获得基于变差函数的变差暗部图像区域(I_(VAM_dark))。对两个暗部图像区域做并运算,得到用于估计暗区域大气环境光值的暗部图像I_(dark)。将像素值进行递减排序,选取前1‰的像素点所对应雾化降质图像像素点集合的平均值作为A_(dark)的值。其次,提出一种基于多级权重相对总变差模型的去纹理方法,对最小值图进行滤波作为粗估计的透射率图,并使用透射率函数对其进行调整,弱化亮部图像的去雾,增强暗部图像的去雾。最后,提出一种最小方差中值引导滤波算法对调整后的透射率进行优化,根据雾天图像降质模型得到复原后的清晰图像。实验结果表明,提出的算法与基于暗通道先验理论以及融合变差函数和形态学滤波的去雾算法相比,获得的复原图像信息熵、平均梯度、对比度及雾霾浓度评价指标(FADE)等指标均有显著提升,更加清晰。     

结合天空分割和超像素级暗通道的图像去雾算法

为了提升去雾图像质量,提出了一种基于天空分割和超像素级暗通道的单幅图像去雾方法。首先提出一种简单有效的多阈值天空分割方法,可将图像划分为天空区域和非天空区域;其次,根据天空区域估计大气光值;然后分别估计两类区域的透射率,对天空区域利用该区域无雾和有雾时暗通道值间的线性关系直接估计其透射率,对非天空区域则通过计算超像素级暗通道值来估计透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,与现有方法相比,本文方法能更准确地分割天空且阈值自适应性强,大气光和透射率估计也更准确高效。采用本文方法得到的去雾图像具有对比度高、颜色自然、细节清晰等优点。     

基于RTV模型图像分解的去雾算法

针对暗通道先验去雾算法出现的纹理细节丢失、边缘模糊、天空与明亮区域失真等问题,提出了一种基于RTV模型图像分解的去雾算法。首先利用相对全变分(RTV)模型将有雾图像分解为结构层与纹理层,然后建立一个指示纹理区域的遮罩对纹理层进行优化来解决纹理细节丢失的问题。为了减少结构层边缘的深度跳跃现象,建立了加权L1正则化模型对初始透射率进行优化。同时针对天空与明亮区域出现的失真现象,引入容差机制优化了该区域的透射率。最后将优化后的纹理层与去雾后的结构层重组得到最终的复原图像。实验结果表明,该算法复原后的图像在平均梯度以及边缘强度等客观评价指标上均好于其他几种对比算法,基本达到了纹理细节突出,边界清晰,饱和度适中的处理效果。     

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.     

天空区域分割修正的图像去雾新算法

为了改进基于暗通道先验假设图像去雾算法的细节信息丢失、大气光强值估计偏低、天空区域去雾效果不佳等不足,笔者提出一种天空区域分割修正的彩色图像去雾新算法。新算法在暗通道先验算法的基础上,对暗通道与亮通道先验模型进行带参线性加权运算,提出加权平均融合COPLIP模型和MSR模型的天空区域修正新模型及实现算法。与现有去雾算法比较,实验结果表明新算法能够克服现有算法对于天空区域去雾效果不佳的问题,同时通过客观评价指标验证了新算法的有效性。     

Superpixels-based golden dark channel for single image fog removal

Fog and haze can cause serious image degradation. In the light of the limitations of dark channel theory, the fog concentration is supposed to be constant locally, and the effectiveness of dark channel prior decays exponentially as the depth increases. Based on this, we propose a superpixels-based golden dark channel algorithm for single image fog removal. Small regions are obtained by superpixels in which the fog concentration and the depth remain constant. The golden dark channel is computed in these regions. The resulting transmittance remains constant and is finer and more precise. This method can suppress the “Halo effect” which occurs in depth mutation. Moreover, An iterative strategy is employed to gradually reduce the overall density of fog, making the residual amount of fog satisfy the golden section after each iteration. Further, the golden section is used to simplify the tolerance value and deal with the color cast problems in the sky region where the depth is infinity. Experimental results show that the algorithm can effectively improve the image of visibility, and performs even better when the fog concentration is greater.     

基于车行视程与大气光快速估值的车载视频去雾算法

交通场景中的视频图像去雾处理,是一个实时性极强的不确定反问题,针对雾霾天气下车载视频图像退化严重的现象,分析了交通环境中雾气浓度对车前物景可视度的关系,提出了大气能见度与车行视觉距离之间的关系模型,讨论了降质图像增强的理论与方法,建立了雾霾条件下车行可视距离的线性回归公式和基于大气能见度的透射率快速估值模型。同时,研究了雾霾物像暗通道的基本特征,提出了利用引导滤波对图像实现边缘平滑、细节增强以及利用盒式滤波保持边缘信息,降低时间复杂度;直接利用灰度图像获取大气光像素矩阵的估值方法,建立了基于大气光的快速估计模型,解决了暗原色先验理论方法的“非天空区”假设及其时间复杂度难以适应车载视频图像处理的问题。根据上述提出的透射率估计方法和天空光的估值模型,本文提出了一种鲁棒性好,实时性强的雾霾视频图像去雾的新算法,并完成了基于该方法的视频图像恢复处理流程设计,构造了车载雾霾视频图像恢复处理的综合验证平台,通过信息熵和图像边缘检测的方法,对本文提出的方法与目前已有的几种流行的去雾方法进行了图像恢复质量的比较,结果表明,本文提出的方法在反映图像细节和清晰化等方面都取得了良好的处理效果。     

融合大气光值-图估计的无人机航拍图像去雾

针对现有去雾算法大都存在复原图像亮度低、天空明显色彩失真等问题,提出了一种融合大气光值-图估计的无人机航拍图像去雾方法。首先,根据颜色衰减先验理论获取景深图像,将景深图像内偏差最小区域均值作为大气光值;其次,设计了一种自适应随机游走聚类方法用来估计大气光图,通过自适应随机游走算法将图像聚类为N个子区域,对子区域前0.1%像素求均值作为区域大气光值,将区域大气光值组合并通过引导滤波对其进行细化,获得大气光图;然后,通过融合大气光值-图估计方法将两种大气光估计融合为新的大气光图,作为更加准确的大气光估计;利用雾霾线先验方法获得透射率,同时提出一种暗补偿方法对其进行优化,提高透射率精度;最后,根据大气散射模型,利用求得的融合大气光图和优化透射率,得到清晰的复原图像。实验结果表明,相对于比较算法,提出的算法的复原图像在信息熵、平均梯度、模糊系数及对比度上分别提升1.1%、6.3%、8.5%、6.4%,主观视觉效果更好,信息更加丰富。     

沿自适应图像缩放算法

为了找到正确的图像边沿去进行插值，提出了一种改进的边沿自适应图像缩放算法.计算图像中各像素处不同边沿方向的相关度，用模糊度参数对检测出的边沿相关度进行过滤处理，将相关度值最小的方向预选为该像素的边沿方向，生成整幅图像的边沿信息表.根据物体边沿信息的连续性，利用延续度参数优化边沿信息，得到最终使用的边沿信息表.对于图像中存在边沿的区域，插值沿边沿方向进行.对于图像中不存在边沿的区域，采用传统的插值方法进行插值.仿真结果表明,在人造图像和自然图像中，该算法都能有效消除传统插值方法在物体边缘的模糊和锯齿现象.     

基于自适应透射率比的水下图像复原算法

为了解决水下图像模糊和偏色的问题,在水下图像成像模型的基础上提出水下图像复原算法.利用白平衡算法对图像进行色彩调整,计算图像的暗通道图,通过暗通道图估计图像的背景光强度.对于非深海区域的图像,若图像包含水体,则根据水体的颜色和纹理特征提取出图像中的水体部分,利用光在水中的衰减公式计算图像3个通道透射率之间的关系;若图像不包含水体,则根据3个通道直方图的分布计算透射率之间的关系.根据暗通道先验的原理,计算出3个通道的透射率图,使用引导滤波对透射率图进行细化.根据计算出的背景光强度和透射率对图像进行复原.对于采用人工照明的深海图像,采用修正的公式进行处理.实验结果表明,在图像清晰度的评价中,该算法优于对比算法,具有较好的鲁棒性.     

基于形态滤波和分水岭算法的硅片缺陷提取

针对硅片表面缺陷的特点,对其缺陷的提取技术进行了研究,采用了多结构元素的广义形态闭-开和形态开-闭滤波器,结合改进分水岭算法进行缺陷提取.滤波器对输入图像及滤波后图像的梯度图像进行平滑,实现消除噪声、简化图像、保持细节的作用.为了克服分水岭的过度分割问题,提出了改进的分水岭算法,利用区域强度准则和边界强度准则对过分割区域进行合并,很好的解决了过分割问题.实验表明,该方法可以提取精确且封闭的缺陷边缘轮廓,为进一步的缺陷特征量的提取与选择奠定了基础.