基于伪暗原色的红外增强技术研究

基于红外图像与可见光雾化图像之间的相似性,通过比较红外图像的灰度均值和图像亮暗程度的灰度阈值,实现图像亮暗的自动判别,进而判断图像是否需要灰度反转。对原图或原图灰度反转图采用类似可见光去雾的暗原色先验算法——伪暗原色算法求出红外图像的粗糙透射率,结合导向滤波实现粗糙透射率的细化,依据大气散射物理模型得到最终增强的红外图像。实验结果表明,采用伪暗原色红外图像增强的算法可以提高红外图像的对比度,突出其细节,提高其信噪比,并且具有良好的视觉效果。     

结合高斯滤波和导向滤波的单幅图像去雾算法

针对暗原色去雾后图像偏暗的问题,提出一种基于结合高斯滤波和导向滤波的单幅图像去雾算法。假设图像的最大值作为全局大气光强的初始值,然后使用高斯滤波获取分块图像的局部大气光强,使用最小值滤波获取分块图像的局部透射率。最后使用导向滤波分别对大气光强和透射率再次细化以处理分块后图像的边界跳跃问题。实验测试结果表明,所提算法去雾后的图像明亮度较高,视觉效果自然。     

基于改进暗通道算法的红外图像去雾

为了提高红外图像去雾效果,提出改进暗通道算法。首先利用近红外光在天空区域与非天空区域的穿透能力不同,天空区域的红外能量相对非天空区域能量较小,通过红外有雾图像的能量差异性划分为天空区域、非天空区域;接着天空区域的大气光值通过滑动窗口的像素亮度平均值计算,透射率考虑近红外波段衰减,非天空区域的大气光值、透射率通过改进暗通道算法计算;最后通过各区域大气光值、透射率恢复出无雾图像。实验结果表明,本文算法对红外图像去雾结果清晰,图像细节信息较好,评价指标较优。     

暗原色先验自适应图像去雾方法

针对传统暗原色先验去雾算法存在的亮区域色彩失真、去雾参 数人工设定等问题,提出了一种基于暗原色先验改进的自适应图像去雾方法。首先,提出快 速OSTU法对雾霾图像亮暗区域进行自适应分割,并分区域获取亮暗区域的暗原色值;其次, 根据亮区域分布情况,对不同区域大气光强进行自适应估计;接着,通过分析雾霾图像直方 图特征,提出采用灰度集中度法自适应计算去雾系数;然后,运用色阶自适应调整方法进行 输出图像的色彩调整;最后,通过开展对比实验,验证了本文算法的优越性。主客观 评价结果表明:本文方法无需人为设定去雾参数,具有较好的 鲁棒性,可适用于多种浓度、 各种场景雾霾图像的去雾处理,获取的图像清晰、色彩自然,对比度高。     

基于暗原色优化算法的去雾研究

针对基于传统的暗原色先验去雾算法中,由于某些场景下的雾天图像存在大面积明亮区域无法满足暗原色先验的假设,导致去雾效果不佳。文中就此问题提出了一种改进的去雾算法,基于McCartnet的理论建立大气散射模型,根据暗通道理论粗略估计透射率,之后引入容差参数并设置阈值,重新计算明亮区域的透射率,从而实现对明亮区域透射率的自校正。针对于复原图像色彩较暗的问题,采用改进的线性亮度调整方法来调节图像的亮度。实验结果显示,相较于原算法而言,改进算法可以有效的对大气光值进行估计,降低明亮区域的色彩失真,复原的图像可以保持足够的亮度,同时不丢失图像的细节,视觉效果显著提高。     

一种改进实时图像去雾的暗原色先验算法

针对暗原色先验图像去雾算法运行时间长,天空区域分割耗时,复原图像中存在方块效应以及整体偏暗等缺点,提出一种改进的实时图像去雾暗原色先验算法。在暗通道求取时,使用快速最小值滤波,加快传统暗通道求取最小值排序的时间;在大气光求取时,使用像素值限定的方法快速排除天空区域,使用暗通道图像剩余最亮部分对应原图像像素值的均值,有效避免原算法中求取大气光值过大导致复原图像失真的现象;在透射率的优化时,使用Sobel边缘检测与求取图像二阶导数图像,得到精细的透射率,改善了细化透射率的时间复杂度;对最终图像采取伽码变换,提高图像亮度。实验结果表明,与原暗通道先验算法相比,此算法有效提高了算法的实时性。     

基于半反图像的透射率优化降雾算法

传统的暗原色先验图像降雾算法在处理不满足暗原色先验假设的明亮区域时,估计的透射率不准确。从而导致降雾后的图像色彩出现较大偏差。针对这一不足,本文提出了一种基于半反图像的透射率优化降雾算法。该算法通过明亮区域检测来获取大气光,然后用自定义函数对图像中明亮区域透射率进行修正,最后利用引导滤波器优化初始透射率,恢复出清晰的降雾图像。实验结果表明,该算法可以有效地处理图像中不满足暗原色先验假设的明亮区域,提高了户外视觉系统的鲁棒性。     

一种基于暗通道的航拍图像去雾算法

针对无人机航拍图像在雾霾天气下降质特点,提出一种基于暗通道先验原理的航拍图像去雾改进算法。根据大气物理模型和暗通道原理,对有雾图像进行自适应分块求取暗通道图;通过降采样得到初始透射率图,再应用导引滤波对投射率进行优化,同时利用最小值滤波和均值滤波求解大气光强;应用雾天模型恢复降质图像。通过实验对比验证,该算法简单且能够高效去雾,在客观评价指标上总体性能也优于其他算法。     

区域分割优化的暗通道先验去雾算法

较为经典的去雾算法是暗通道先验去雾算法,但该算法会产生天空区域光晕失真现象。为此,提出区域分割优化的改进暗通道先验去雾算法。首先提出K均值聚类分割算法,得到区域类别标签图;以大气光值选取区域为掩膜,求出类别标签图中天空区域的类别标签值,依据二值分类法将类别标签图转换为包含天空区域和前景区域的二值图;然后对透射率图进行区域优化处理,克服暗通道先验去雾算法天空区域低估透射率的不足;最后将有雾图像代入有雾图像退化模型,还原出颜色逼真的无雾图像。利用不同去雾算法进行去雾对比实验,结果表明,该算法消除了天空区域的光晕失真现象,去雾图像细节获得明显增强,去雾效果优于其他去雾算法,实验验证了该算法的正确性和可行性。     

一种基于图割的图像去雾方法

暗原色先验去雾方法在户外场景图像去雾方面取得了一定的去雾效果,但该方法在估计近景局部高亮物体透射率时会产生严重误差。本文针对暗原色先验方法的不足首先利用图割理论对粗透射率图进行分块,并使用指导滤波器对细化透射率图进行校正,最后将校正的透射率图带入有雾图像成像模型求得清晰无雾图像。通过将基于暗原色先验的方法、局部对比度最大化的方法和本文中的改进方法进行了实验并对实验结果进行了分析,结果表明本文中的图割分块校正透射率的方法能够更有效地复原因雾霾影响的单幅降质图像。     

基于天空区域识别暗通道算法的红外图像去雾

为了提高红外图像去雾的效果,提出天空区域识别暗通道算法。首先通过双阈值把有雾图像划分为天空区域、非天空区域、交叉区域;接着天空区域、非天空区域、交叉区域的大气光值、透射率采用不同的方法计算,避免了暗通道算法的局限性;最后给出了算法流程。实验结果表明,本文算法对含有天气区域有雾图像的去雾结果清晰,平均梯度、综合评价相比其他算法较好,本文算法对天空区域与非天空区域有比较复杂的交叉区域的红外图像去雾后的平均梯度值相比暗通道算法提高了28.02,综合评价值提高了19.88。     

一种改进的透射率分布估计的夜间图像去雾算法

针对基于暗通道先验理论（dark channel prior, DCP）的去雾算法在处理夜间有雾图像时细节信息缺失、光源区域的纹理受损严重的问题,本文提出了一种改进的透射率分布估计的夜间图像去雾算法。通过引入暗态点光源模型、暗通道可信度权值因子和伪去雾图像,结合夜间图像成像模型,获取改进的透射率分布,对夜间降质图像进行去雾处理。实验结果表明,经本文算法处理后的图像在纹理细节上损失小、图像清晰度高,图像明暗对比度得到较好的拉伸,可以实现夜间有雾图像的有效去雾。     

基于双通道及图像质量评价模型的去雾方法

针对传统暗通道先验去雾算法易产生明亮区域失 真、去雾图像整体偏暗等问题,提 出一种基于双通道及图像质量评价模型的去雾方法。首先,划分出图像的明亮区域与非明亮 区域;其次,利用双通道先验算法准确估计出大气光值;接下来,将暗通道先验的透射率作 为非明亮区域的透射率,在明亮区域单独构建透射率,将二者融合细化,得到带有参数的透 射率;最后,通过构造参数驱动图像质量评价模型,迭代选取最优的无雾图像。实验结果表 明,算法去雾效果良好,可以有效地抑制Halo效应,避免区域的失真,改善复原图像 的综合质量。     

基于FPGA的视频实时去雾算法及其硬件实现

单幅图像去雾技术虽然已经取得较大的进展,但是算法较为复杂,运行时间较长.为了实现视频实时去雾,以硬件实现为目的,对暗通道先验算法进行改进,降低其时间复杂度.提出了一种暗通道图优化方法,保留了图像的边缘信息,消除了光晕效应,省去了透射率细化的复杂操作;提出了适应于硬件实现的大气光值估计和调节及透射率补偿方法,解决了视频帧间闪烁及天空等明亮区域的色彩失真问题.基于现场可编程门阵列(FPGA)对所提出算法进行了硬件实现.结果表明,该算法可以实时处理帧速为60 f/s、分辨率为1 920×1 080的视频图像,相比传统去雾算法速度更快,去雾质量更高.     

基于天空区域分割与置信度图导向融合的去雾方法研究

基于暗通道先验的去雾算法总是存在复原结果中天空区域处理不佳等问题,为了进一步优化对传输函数的估计,本文提出一种基于置信度图导向融合的传输函数优化方法。首先,将雾天图像的天空区域分离出来,以达到对天空区域的优化;计算窗口级暗通道与像素级暗通道,以平滑传输函数在物体边缘并保留小于窗口尺寸的细节特征;最后,计算窗口级暗通道与像素级暗通道之间的置信度图,以其为导向对两者进行融合得到优化的传输函数图,实现图像去雾。实验结果表明,本文算法可达到很好的复原结果优化效果。     

结合区域生长与容差机制的暗通道去雾算法

针对传统的暗通道先验算法在处理带有大面积天空区域的有雾图像时出现明显的块效应、色彩失真和亮度偏低等问题,提出了一种结合区域生长与容差机制的去雾算法。首先通过灰度图腐蚀求出暗通道;接着利用种子区域生长法分割出天空区域,并把天空区域的平均灰度值作为大气光值估计;然后结合大气散射模型得到粗略的透视率,并采用改良的容差机制和引导滤波对透视率进行修正和细化;最后,引入Retinex法对图像进行后处理,进一步调整色彩和亮度。实验结果表明,本文提出的去雾算法对带有天空区域的图像去雾效果明显,天空区域的色彩有了显著改善,图像整体清晰明亮。     

基于三角形循环二分算法的图像去雾研究

为了提高图像去雾效果,采用三角形循环二分算法处理图像。首先分析基本暗通道算法图像去雾;接着基于三角形循环二分算法对大气光值精确计算,将图像沿对角线分成4个三角形区域,只对雾浓度最较高的区域进行二分图形划分,选取三角形最长边的中点,连接到对应三角形最长边的顶点,循环执行直到满足预先设定的面积阈值;然后自适应调节透射率,避免色彩失真;最后给出了算法流程。实验仿真显示,本文算法去雾后的图像在视觉上更加清晰,可见边集合数目比、平均梯度比值、直方图相似度系数、综合评价指标相比其他算法较好,能够满足图像去雾对清晰度、信息量的要求。     

图像雾霾等级评价及去雾技术研究进展

图像去雾技术是对有雾图像进行清晰化处理的一门技术,该技术的任务是去除环境因素对图像质量的影响,从而增强图像的视见度。文章首先对雾霾图像的性质与分类研究进行了论述,并进一步综述了图像去雾技术的国内外研究现状,对直方图均衡化算法,Retinex算法和先验暗通道算法等典型的去雾方法的效果进行评价。总结了各类算法的性能,分析他们各自的优势和不足。最后指出了图像去雾技术的发展趋势和未来展望。