基于暗原色和直方图匹配的雾天图像增强算法

针对雾天图像景物容易退化的问题,提出一种基于暗原色和插值直方图匹配的雾天图像自适应增强算法。该算法基于暗原色先验信息寻找并分割出图像中的天空区域,利用插值直方图匹配方法对非天空区域进行自适应增强处理,采用主成分分析方法将处理前后的图像信息进行融合。实验结果表明,该算法不仅能避免天空噪声对图像的干扰,而且能有效提高图像对比度,获得满意的图像视觉效果。     

基于暗原色先验的一种快速图像去雾方法

为了改善雾天环境下退化图像的视觉效果,结合雾天成像模型和暗原色先验的规律,提出了一种快速的单一图像去雾算法利用暗原色先验对大气参数进行估计,选取图像中满足条件的像素点进行透射率的估计,并据此计算图像中其它像素点的透射率,从而大大减小了图像透射率估计运算量,最后根据大气参数和透射率计算得到清晰化的图像。实验结果表明,该算法相对于传统的单一图像去雾方法具有处理速度快和效果好的特点。     

基于物理模型的低照度图像增强算法

针对低照度图像反转后为与雾天图像相似的伪雾图,其雾的浓度由光照情况而非景深决定这一特点,提出一种基于物理模型的低照度图像增强算法。该算法根据光照情况给出一种更加准确且快速的新方法估计伪雾图的透射率。首先,采用暗原色先验规律对伪雾图的环境光值进行估计,并基于光照情况对透射率进行估计;然后,基于大气散射模型还原出无雾图像;最后,对无雾图像反转得到低照度图像的增强结果,并对该结果进行细节补偿得到最终的增强图像。大量实验表明,与基于暗原色先验的增强算法、基于去雾技术的增强算法及带色彩恢复的多尺度Retinex算法相比,该算法处理效率更高且效果良好,信息不会丢失,可有效提高图像分析识别等系统的工作效率。     

暗原色先验单幅图像去雾改进算法

目的为解决传统基于暗原色先验的单幅图像去雾算法实现效率低以及恢复雾化图像在天空、白云等明亮区域颜色失真的不足,提出一种改进算法。方法通过分块思想,完成透射率的空间自适应估计;通过判断大气光强度和暗通道差值绝对值大小来判断雾图中是否含有明亮区域。结果该算法不仅降低了传统算法的时间复杂度,而且弥补了传统算法在明亮区域透射率估计的不足。结论实验结果表明该改进算法可行、有效。     

基于雾天图像降质模型的优化去雾方法

目的 图像去雾是计算机视觉的重要研究方向,既获得高质量的去雾图像,又保证较低的时间复杂度一直是图像去雾面临的挑战,为此提出了一种基于雾天图像降质模型的优化去雾方法。方法 根据雾天图像降质模型,暗原色作为先验知识,对模型的两个物理量大气光值和透射率进行优化。传统优化算法中通常都是固定其一,优化另一个物理量,与传统方法不同,考虑到大气光和透射率的相关性,采用多元优化策略,将这两个物理量作为互相影响的整体,利用迭代算法进行优化。为保持去雾图像颜色真实、自然,基于对无雾图像的统计特性,多阈值融合的约束条件作为迭代停止的条件,控制优化去雾程度,复原高质量去雾图像。结果 本文方法与其他去雾方法相比,在视觉效果上,图像结构更加清晰,细节更加丰富,色彩更加真实。在客观数据方面,本文方法获得图像的彩色直方图与有雾图像的彩色直方图在形状上更相似,同时在Cones、Herzeliya、House、Dolls对比图像中,本文方法结果图像的信息熵值都比较高,分别为13.801 270、15.490 912、15.395 014、16.276 838,且时间复杂度较He方法（使用软抠图算法优化透射率）降低了3~5倍。结论 本文去雾方法利用迭代算法对大气光和透射率进行多元优化,同时采用多阈值融合约束条件控制优化去雾程度。本文方法在色彩保真度、细节恢复等方面都优于经典算法,同时获得了较好的客观评价数据。实验结果表明,本文方法能够达到主客观都满意的效果。     

基于暗原色先验模型的快速去雾算法

为了实时地消除图像中的雾气,提出了一种基于暗原色先验理论的快速去雾算法.改进了透射率修复方法,显著地减少了算法的计算量;通过自适应调节透射率下限值和大气光成分值,扩大了去雾处理的适用范围;对复原的图像进行增强处理,改善了复原图像的整体视觉效果.实验结果表明,本文算法能有效地去除图像中的雾气,同时提高了算法的处理速度,有利于算法的实时实现.     

雾天交通场景中单幅图像去雾

目的 针对雾天交通场景中通常含有大片天空区域,传统去雾方法在复原这些图像时容易产生光晕、色彩失真等现象。提出一种基于天空区域分割和暗通道先验理论的图像去雾方法。方法 首先提出一种基于最大类间方差法（OTSU）的图像分割算法来自动分离天空区域,然后将天空区域的平均强度值作为大气光值,从而改进场景传输率的估计。结果 本文方法不仅有效地解决了图像去雾后出现光晕和色彩失真等问题,与He Kaiming以及Fattal的方法相比,本文方法去雾后的图像更加真实、自然、平滑。结论 实验结果表明,本文方法能够很好地完成对雾天交通图像的复原,可为道路交通监管提供一种有效的理论基础和技术支撑。     

暗原色先验与NL-CTV模型相结合的图像去雾方法

鉴于暗原色先验算法能复原不同雾浓度和场景深度的图像,而基于非局部算子概念的NL-CTV（Non-Local Color Total Variation）模型能较好地保持图像边缘和纹理等特征,融合暗原色先验与NL-CTV模型,提出了一种新型单幅彩色图像去雾模型。通过暗原色先验得到精确的大气光强度和大气传输函数,然后推导包含大气光强度和大气传输函数的非局部能量泛函,再通过引入辅助变量和Bregman迭代参数,为其设计相应的快速split Bregman算法来求解该模型。将该算法与He算法、暗原色先验和Retinex算法的实验结果进行分析比较,从而验证了该模型不论从视觉上,还是客观数据上都要优于其他两种算法。     

基于暗原色先验与MTV模型的单幅彩色图像去雾

鉴于利用大气信息或景深信息复原雾天图像的方法不能局部修正恢复结果,文中融合大气散射模型与变分偏微分方程,提出了暗原色先验与MTV (Multi- channel Total Variation)模型相结合的单幅彩色图像去雾算法(H-MTV模型)。利用Dual Bregman算法,通过引入辅助变量和Bregman迭代参数将问题转化为利用对偶变量的半隐式迭代计算和主变量的精确计算公式来求解该模型。最后,将H-MTV模型与He,Kimmel Retinex等经典算法的实验结果进行分析和比较,验证了所提算法的有效性和优越性。     

基于暗原色先验的区域自适应图像去雾方法

在雾霾天气条件下,由于大气粒子的散射作用导致拍摄的图像严重退化。针对这一问题,提出一种简单有效的单幅图像去雾算法。设计晕光估计算子检测出晕光区域,在暗原色先验条件下,根据晕光估计值获取区域自适应融合权值,进而在不同区域采用不同的加权方式融合基于单像素估算的透射率与基于块状区域的透射率以获取精确透射率,有效地消除了晕光效应;最后增加参数限制透射率过低,保护了天空区域。实验表明该算法复原的图像清晰自然,尤其是在前景与背景的边缘处及天空区域能够达到很好的去雾效果。     

涉及景深的雾天图像增强的偏微分方程模型

提出了一种新的雾天交通图像增强算法,对大气物理散射模型两边同时取梯度,得到原始图像与无雾图像梯度场之间的关系,将无雾图像的恢复转化成梯度能量泛函求极值问题,由变分得到图像增强的偏微分方程模型。通过暗原色先验,得到块透射率和点透射率,用快速小波变换分解的方法将块透射率的低频和点透射率的高频融合计算得到透射率,最后用有限差分法求解欧拉方程获得无雾图像。仿真实验结果表明该算法能够有效提高图像的质量。     

基于高亮区域自适应处理的监控图像去雾算法

针对现有图像去雾算法处理监控图像失真的问题,提出一种高亮区域自适应处理的监控图像去雾算法。通过自适应识别分割高亮区域,根据高亮区域所占图像的比例优化大气光强参数的取值;在暗原色先验的条件下,使用修正的大气光强参数与导向滤波进行透射率的计算和边缘细化;引入自适应容差机制恢复雾化图像,再对恢复后的雾化图像进行色彩增强处理。实验结果表明,算法能够消除恢复图像的色彩失真与块状边缘,较大程度上避免了高亮区域的光晕,保护了天空区域的恢复质量,使恢复图像保持清晰和自然,视觉效果得到较大提高。     

车牌识别技术研究

车牌识别技术问题是近年来智能交通系统技术研究的热点问题,车牌识别技术主要包含三个部分:图像预处理、车牌定位及校正、车牌文字识别。本文介绍了复杂背景下车牌识别系统的实现方法。     

暗通道去雾技术和聚类算法的优化研究

在交通运输行业中,每当天气中含有大量雾尘的时候,大气会发生散射,会对驾驶人员的视觉造成一定的干扰,对交通安全有着极大隐患。为避免交通事故的发生,我们在原有算法的基础之上,结合机器学习中的K—means聚类算法进行了优化研究,对含有雾的图像进行了去雾处理,使得图像的能见度增加。根据现实研究当中问题的实际情况,我们建立了暗原色模型,并利用暗原色算法拟合透射率,用K—means算法进行聚类分析进行处理强化图像的特征,结合估计出来的大气光强,利用去雾算法得到最终的无雾图像。最后我们通过Matlab进行分析演示,并且与其他算法的去雾处理图像进行对比与分析,图片更加清晰,可以很好的应用在航海交通,公路运输,气象遥感等方面的去雾领域,具有一定的应用价值。     

基于二次滤波的单幅图像快速去雾算法研究

为改善雾、霾气候条件下采集到的图像质量,提出了一种快速的单幅图像去雾算法。该算法利用中值滤波对暗原色先验算法进行重新定义,消除halo效应;利用均值滤波对上述结果进行二次滤波,提高透射率的估算精度以及恢复图像的亮度。该算法简单,时间耗损度低。实验结果证明,该算法可有效提高场景的对比度和清晰度,且对天空色度具有很好的恢复性。     

基于暗原色先验图像去雾算法的研究与改进

暗原色先验算法在单幅图像去雾方面有较好的效果,但该算法对处理器要求较高,且耗时长,很难应用于对实时性要求较高的图像去雾。针对这一问题,提出了一种基于暗通道先验的改进算法:首先用高斯滤波替代软抠图方法消除块状效应、平滑透射率,根据给定的雾浓度系数粗略恢复无雾图像;然后增大雾的浓度系数,结合峰值信噪比和暗原色先验算法对图像进行去雾处理,最终恢复无雾图像。与典型的去雾算法相比,改进后的算法运算量显著减少,保证去雾效果的同时计算速度明显提高。     

基于暗原色先验图像去雾的改进算法

基于暗原色先验的方法去雾效果较好,但也存在处理效率不高、天空区域容易产生较为明显的失真等缺点。采用双边滤波与最大值滤波相结合的方法取代软抠图对透射率进行优化,通过判断大气光强度和暗通道差值绝对值大小来区分雾图中明亮区域与暗原色区域,并削弱明亮天空区域的去雾。实验表明,本文算法不仅有效降低了传统算法的时间复杂度,还达到了较好的视觉效果。     

基于引导滤波改进的暗原色去雾算法

针对雾天条件下户外图像存在清晰度降低和色彩偏移的现象,提出一种基于引导滤波改进的暗原色去雾算法。首先,采用暗原色先验理论估计出粗透射率,通过灰度的引导图像对粗透射率进行引导滤波的细化处理;然后,对图像中暗原色失效的区域进行判定,利用调整因子对该区域的透射率进行修正;最后,通过大气散射模型获得复原图像,并对HSI颜色空间进行亮度均衡化,使复原图像得到增强。实验结果表明,该算法能复原出细节突出、色彩自然的图像,具有较高的运算效率。     

色彩空间中的单幅图像自适应去雾算法EI北大核心CSCD

为解决传统基于暗原色先验的去雾算法在景物边界处出现的白边现象,以及在天空、白云等明亮区域出现的颜色失真的问题,提出一种基于色彩空间的快速去雾算法.首先把暗原色先验值求解中对邻域求最小值操作改为求中值操作;然后根据RGB色彩空间中像素颜色深度变化正好与场景深度变化相对应的关系,引入像素最大值与最小值之差的加权来调整暗原色先验值;再根据阈值来区分是否是明亮区域,修改明亮区域透射率估计的不足;最后在HIS色彩空间复原强度分量和饱和度值,并用直方图拉伸增强强度分量.文中算法无需图像后期修补,能自适应地修改暗原色先验值,实验结果表明了该算法的可行性和有效性.