雾霾天气下可见光图像场景再现

为了再现雾霾天气下可见光图像的清晰场景,有效抑制雾霾退化造成的对比度、清晰度下降,提出了单色大气散射模型新的求解方法. 首先,将单色大气散射模型类比Retinex模型,重新解释了大气传递图;依据大气传递图的先验知识和几点假设,建立目标函数的变分模型,将大气传递图的估计问题转化为二次规划问题. 通过带约束的归一化最速下降法获取最优解,并采用多分辨率技术加速计算;在HSI空间的亮度分量上反解单色大气散射模型,得到反射图像,并依据大气传递图自适应校正饱和度分量. 实验结果表明,新算法可有效去除雾霾,再现真实场景的对比度和清晰度,同现有去雾算法相比,本文算法取得了相似甚至更好的去雾效果.     

快速图像去雾新方法

由于原始Koschmieder模型中的变量都无法获得精确解,其求解是一病态问题,结合大气退化模型提出了一种弱化的Koschmieder模型,并基于该模型提出了一种快速图像去雾新方法。该方法避免求解晴天时所获图像的场景色度、大气传递效率和场景景深,与Dark-Channel方法相比,在速度上取得了较大提升,同时能够保持场景的颜色恒常性,而且在提升图像对比度上得到了近似甚至更好的效果。     

基于饱和度运算的快速图像去雾算法

在雾、霾等恶劣天气条件下,大气介质中悬浮粒子的散射和吸收作用会严重退化户外拍摄的图像,造成图像识别率降低.从单色大气散射模型出发,提出面向视觉感知的HSV颜色模型定义饱和度的新算法,估计大气光亮度A;利用饱和度运算估计透射率函数进而恢复场景反照率;最后经直方图拉伸得到最终的复原图像.实验结果表明,改进算法能有效地复原场景的对比度和颜色,提高图像的视觉度和计算效率.     

基于高精度大气耗散函数的快速雾天图像复原

针对基于大气散射模型去雾的求解是一病态问题,提出一种基于高精度大气耗散函数的快速雾天图像复原算法。算法从大气散射模型出发,通过引入大气耗散函数提出一种简化的大气散射模型;通过寻找天空区域或雾最浓区域的思想构造出一种环境光的高精度求解方法;基于类形态学的思想,通过计算拉依达准则下限值的策略获取高精度的大气耗散函数,由此根据简化的大气散射模型实现对雾天图像的快速复原。实验结果表明该算法能够真实地恢复场景的色彩和清晰度,提高图像质量,并且算法的时间复杂度达到图像像素数的线性函数,在计算速度上取得了较大的提升。     

改进大气散射模型实现的图像去雾算法

传统大气散射模型在图像去雾的求解过程中通常假设场景入射光为全局常量,然而这种假设并不合理,为此提出一种基于改进大气散射模型的图像去雾算法.首先基于亮通道先验和模糊聚类对雾图进行场景分类,并估计出各个场景的入射光照;然后根据光学辐射特性估计出场景结构,并利用雾气浓度估计模型进一步获得透射率的表达式;最后通过改进大气散射模型恢复出无雾图像.大量对比实验结果表明,该算法能够恢复出细节丰富、清晰自然的无雾图像,计算速度相对较快,能满足一般工程的实时性要求.     

透射率与场景亮度分块优化的图像去雾算法

在图像去雾过程中,对大气光透射率估计不准确,会降低去雾图像场景亮度,并导致天空区域出现光晕现象。为此,提出一种基于分块优化透射率与自适应优化场景亮度的图像去雾算法。根据图像有雾程度评判标准对透射率进行分块优化,结合大气光强度求解大气散射模型获得无雾图像,并通过局部自适应调整图像灰度值来提高图像场景亮度。实验结果表明,相较于引导图滤波和对比度增加算法,该算法去雾后的图像更清晰,保边效果明显,且视觉效果更佳,适用于交通监管、安全监控和目标识别等应用领域。     

基于高斯模糊的单幅图像去雾算法

雾霾天气导致成像设备获得的图像质量下降,影响了人类视觉感知及计算机视觉特征提取.计算机视觉系统对去雾的速度要求较高,因此,提出一种快速图像去雾算法.首先根据雾天图像退化模型,通过高斯模糊对环境光进行估计,其次根据图像整体亮度对大气光值进行估计,最后根据雾天图像退化模型复原无雾图像.实验结果证明,在主观视觉效果方面,去雾...     

一种基于多尺度Retinex算法的图像去雾方法

在有雾天气条件下拍摄的图像,由于大气的散射作用,导致图像的内容模糊不清,对比度下降,给交通系统及户外视觉系统的应用带来严重的影响。通过改进大气物理退化模型,在多尺度Retinex算法MSR(Multi-Scale Retinex)的基础上,提出一种新的去雾方法。该方法根据雾天成像机理对图像建立模型,再根据MSR算法对建模后的图像进行处理。实验表明,该方法能有效去除雾化效果,实现彩色退化图像的复原。     

视觉信息损失先验的图像分层去雾方法

目的 针对自然场景下含雾图像呈现出低对比度和色彩失真的问题,提出一种基于视觉信息损失先验的图像去雾算法,将透射图预估转化成求解信息损失函数最小值的目标规划问题。方法 首先通过输入图像的视觉特性将图像划分成含雾浓度不同的3个视觉区域。然后根据含雾图像的视觉先验知识构造视觉信息损失函数,通过像素值溢出映射规律对透射率取值范围进行约束,采用随机梯度下降法求解局部最小透射率图。最后将细化后的全局透射率图代入大气散射模型求解去雾结果。结果 结合现有的典型去雾算法进行仿真实验,本文算法能够有效地复原退化场景的对比度和清晰度,相比于传统算法,本文算法在算法实时性方面提升约20%。结论 本文算法在改善中、浓雾区域去雾效果的同时,提升了透射图预估的效率,对改善雾霾天气下视觉成像系统的能见度和鲁棒性具有重要意义。     

基于马尔科夫随机场框架的单幅图像去雾*

雾或霾等天气会降低场景的能见度,给机器视觉的后续处理造成影响。针对图像雾霾退化的恢复、及现有基于马尔科夫随机场图像去雾算法的缺陷,提出了一种新的基于马尔科夫随机场和暗通道先验的图像去雾算法。该算法以雾天条件下退化模型为基础,通过介质传输图和原始无雾图像的约束条件,利用暗通道先验获取介质传输图的粗估计,构造MRF框架下的代价函数。为使去雾图像保持更多的纹理细节,引入纹理检测函数改进代价函数,最终求得去雾图像和介质传输图。实验结果表明,本文方法可以得到较好的去雾效果,同时保持较多的纹理细节和更快的运算时间。     

基于双边滤波的RGB通道去雾算法研究

因大气光的散射和入射光的衰减,大雾天气下捕获到的图像质量呈指数系数下降。为改善退化图像的视觉效果,利用暗原色先验信息获得大气光;根据单幅雾天图像RGB通道强度估计场景深度图;同时在明亮区域引入一种容差阈值,避免了这部分区域场景深度的错误估计,使用带边缘保持的双边滤波器对求得的场景深度图进一步处理;利用大气散射模型实现了图像复原。实验结果表明,改进后的算法有效提高了雾天退化图像的视觉效果。     

新的雾霾退化场景再现快速算法

雾霾天气条件下,由于大气粒子的散射作用,使采集图像对比度、清晰度等方面产生降质。针对这一问题,提出了一种新的图像雾霾去除算法。算法从单色大气散射模型出发,根据有关大气光衰减项的先验知识与假设,构建有约束最优化问题对大气光衰减项进行直接求解。根据散射模型与大气光衰减项求解结果实现对原始场景反照率的恢复。实验证明,所提算法能够较好地对具有不同景深的场景图像信息实现恢复,提升场景视见度,算法鲁棒性较好,与同类算法相比运行效率提高1倍以上,能够较好地运用于智能交通监控等可见光计算机视觉系统。     

基于天空分割的单幅图像去雾算法

针对暗通道先验算法在天空区域失效和复原图像色彩变暗的问题,提出一种基于天空分割的图像去雾算法。首先,采用基于边缘检测的分割算法将原始图像区分为天空区域和非天空区域;其次,在暗通道先验算法的基础上,改进对大气光和透射率的估计方法,进而对非天空区域采用改进的暗通道先验算法去雾;最后,利用基于成本函数的对比度增强去雾算法处理天空区域。实验结果表明,去雾后图像在方差、平均梯度、信息熵等指标上相对于暗通道先验算法均有较大提升,所提算法在保持较高运行效率的同时,能有效避免天空区域的Halo效应,还原真实的景物色彩。     

海天背景图像去雾方法研究

海天背景图像存在大面积天空区域,且在远距离平视时目标一定出现在海天线附近,现有的去雾算法对天空区域的改善都是弱化天空区域的处理,这样势必会造成海天线附近去雾效果的减弱,不利于后续的目标检测.针对该问题,提出一种基于大气散射模型的图像复原去雾算法.首先,利用海天背景图像的特点,采用边缘检测算子将图像划分为天空和非天空区域,并结合大气光的物理意义,取天空区域最大的值作为大气光的估计值;其次,针对有雾图像对比度很低而无雾图像对比度较高这一先验信息设计代价函数,并通过SLIC超像素分割进行分块,通过求解每个小块内该函数的最小值,估计出粗透射率,再用引导滤波对粗透射率进行细化从而消除块效应;最后,利用大气散射模型,代入前两步求得的参数便可以得到恢复的无雾图像.实验结果与分析结果表明,本文能对海天背景的图像取得较好的去雾效果.     

结合图像融合与分割的快速去雾

目的 针对机器视觉系统在雾天条件下采集的图像存在对比度低、细节模糊的问题,提出一种结合图像融合与分割的场景复原方法。方法 基于光学反射成像的物理特性以及形态学运算分别获取雾气浓度的近似估计,计算图像的局部方差并利用加权融合的方法得出准确的大气耗散函数,通过分割雾气最浓区域或者天空区域求得精确的大气光值,最后由大气散射模型计算复原图像并进行亮度和色调的调整。结果 该方法可以有效避免光晕效应和天空颜色失真等不足,能快速复原场景的对比度和颜色。结论 实验结果表明,该方法的场景适应能力较强,复原效果和计算速度相比于前人的方法均有不同程度的提高。     

利用偏振滤波的自动图像去雾

针对雾天退化图像提出一种自适应图像复原方法。 该方法基于定义的偏振图像暗通道, 自动提取图像中的天空区域, 由此获得大气光的强度和偏振度; 采用偏振滤波提取大气光强信息, 并基于最小归一化互信息原则对估计的大气光偏振度进行优化; 根据大气光强的变化规律, 对大气光强的分布进行修复; 将大气光强作为加性噪声予以扣除, 并补偿因大气衰减带来的影响, 最终复原得到场景的辐射强度信息。 实验结果表明, 该方法能够有效地改善雾天下图像的退化现象, 提高了图像的清晰度。     

基于颜色饱和度的快速图像去雾研究

在雾霾天气条件下,室外场景图像往往会产生严重退化,造成图像对比度的下降和颜色的衰减。为得到清晰无雾的图像,从单色大气散射模型出发,提出一种基于颜色饱和度的快速图像去雾算法（FIDS）。首先,大气光亮度[A]通过四叉树方法进行估计,接着采用饱和度运算对透射率进行估计,并对其修正和平滑保边得到较精确的大气透射率,最后基于大气散射模型获取最终的去雾图像。对比实验结果表明该算法能提高图像的清晰度和运算效率,很好地恢复图像的颜色和对比度。     

基于优化透射率的快速去雾方法

针对恢复后图像产生光晕和求大气光值时存在大量计算负担的情况,提出了一种的基于优化透射率的快速图像去雾新方法.采用直方图均衡化和双边滤波透射率修正机制来消除图像的光晕效应.此外,为了减少预估大气光值的计算负担,在大气模型的基础上,优化了大气光值的快速估计方法,使大气光值估计值更加准确.其次,为了改善去雾之后图片颜色暗淡的...     

融合GF-MSRCR和暗通道先验的图像去雾

目的 针对雾天图像高亮和雾浓区域中容易出现场景透射率值求取不准确,导致复原后的图像细节丢失、出现光晕现象、对比度和色彩难以满足人眼的视觉特性等问题,提出了一种融合引导滤波优化的色彩恢复多尺度视网膜算法（GF-MSRCR）和暗通道先验的图像去雾算法。方法 首先利用加权四叉树方法从最小通道图中快速搜索全局大气光值,再从图像增强角度应用GF-MSRCR算法初步估计场景透射率值,依据暗通道先验原理对最小通道图进行二次估测,根据两次求取结果按一定比例进行像素级图像融合,得到场景透射率估计值;利用变差函数修正估计值,经中值滤波进一步优化得到场景透射率的精确值,最后通过大气散射模型恢复雾天图像,调整对比度和恢复颜色后,得到了轮廓完整且细节清晰的无雾图像。结果 理论分析和实验结果表明,经本文算法去雾处理后的图像信息熵、对比度、平均梯度、结构相似性分别平均提升了7.87%、21.95%、47.73%和15.58%,同时运行时间缩短了53.22%,对近景、含小部分天空区域、含大片天空区域和含白色物体场景的多种类型雾天图像显示出较好的复原效果。结论 融合GF-MSRCR和暗通道先验的图像去雾算法能快速有效保留图像的细节信息、消除光晕,满足了人眼的视觉特性,具有一定的实用性以及普适性。     

基于修正模型与暗通道先验信息的水下图像复原

受到复杂成像环境影响,光学视觉系统获取到的水下图像普遍存在对比度低、模糊和颜色失真等问题．为此,本文提出一种基于修正散射模型的水下图像复原算法．首先,深入分析光在水下的吸收衰减特性,在简化大气散射模型的基础上,将水体背景光融入到模型的直接衰减项;其次,考虑到水下红光迅速衰减,采用红通道的逆通道对其进行补偿;然后,使用基于四叉树的分级搜索算法估计水体背景光值;最后,在修正的成像模型基础上,结合水下暗通道先验信息估计介质透射率进而复原水下图像．实验结果表明,本文算法水下复原后的图像色彩自然,能有效恢复出远景区域的细节信息,图像对比度、色度和饱和度的综合评价指标整体优于对比算法,适用于不同类型的水下退化图像．