图像去雾技术研究进展

在雾、霾等天气条件下,大气粒子的散射作用导致成像传感器采集的图像严重降质。图像去雾技术的任务是去除天气因素对图像质量的影响,从而增强图像的视见度。本文归纳和总结了图像去雾技术的国内外研究现状。将现有的方法分为基于物理模型和非物理模型两类,分别详细阐述了这两类方法,分析它们各自的优势和不足,并总结了算法性能评价的无参考客观质量评测准则。最后,指出该技术的研究难点和发展趋势。     

一种快速单幅图像去雾新方法

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图像对比度、清晰度下降,本文提出了一种基于改进的双边滤波器的快速有效的去雾新方法.该方法引进了本文首次发现的简洁高效的“类高斯核”,代替传统双边滤波器的高斯核.改进的双边滤波器具有很好边缘保持特性,用该滤波器来准确优化雾天大气传输率的估计,大大提高了计算效率;在大气光值估计中,对暗通道和原图两个区间亮度最大值,进行加权平均,精确的估计出雾天大气光值.本文算法具有很快的处理速度,能有效提高复原图像的清晰度和对比度,获得较好的图像颜色.     

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。     

基于景深的单幅图像快速去雾算法

在雾、霾天气条件下,由于大气粒子的散射作用导致采集的图像质量严重下降,给计算机视觉系统成像带来极大不便。针对上述问题,提出一种基于景深的单幅图像快速去雾算法。通过暗通道对图像处理,得到图像传输图,从而简化大气散射模型,利用景深信息估计大气散射模型,得到边缘突变景深关系比,通过近水平方向上的景深关系比值优化传输图,利用双边滤波对景物边缘进行处理。从3个颜色通道出发,降低波长对景深估计的影响。实验结果证明,该算法能够恢复景物边缘的细节对比度,有效提高图像的清晰度与视见度。     

图像去雾的最新研究进展

随着计算机视觉系统的发展及其在军事、交通以及安全监控等领域的发展, 图像去雾已成为计算机视觉的重要研究方向. 在雾、霾之类的恶劣天气下采集的图像会由于大气散射的作用而被严重降质, 使图像颜色偏灰白色, 对比度降低, 物体特征难以辨认, 不仅使视觉效果变差, 图像观赏性降低, 还会影响图像后期的处理, 更会影响各类依赖于光学成像仪器的系统工作, 如卫星遥感系统、航拍系统、室外监控和目标识别系统等. 因此, 需要图像去雾技术来增强或修复, 以改善视觉效果和方便后期处理. 本文归纳总结了两大类图像去雾方法:基于图像增强和基于物理模型的方法, 深入探讨了其中的典型算法和研究成果, 并对这些算法的测试结果进行了定性和定量的分析比较, 最后总结了图像去雾技术目前的研究状况和未来的发展方向.     

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。     

基于暗原色先验的图像快速去雾

针对雾天图像饱和度和对比度较低,提出一种基于暗原色先验和透射率权值的改进算法。估计大气光的取值范围,根据该范围确定大气光值,通过判定因子区分出暗原色失效区域;对该区域透射率进行基于透射率权值因子的调整;采用快速引导滤波细化透射率,并结合大气散射模型恢复图像。该算法能在去雾过程中对可调参数进行自适应选取。实验结果表明,该算法效率较高,且复原的图像细节丰富、颜色自然,视觉效果提升的较为明显。     

基于双边滤波的图像去雾

目的在雾、霾等天气下,获取的图像受到大气粒子散射的影响而严重降质。针对这一问题,提出了一种基于双边滤波的单幅图像去雾算法。方法此算法是以大气散射模型为基础。首先利用双边滤波保持边缘的平滑特性得到准确的大气耗散函数。其次,针对明亮区域失真的问题,本文提出了弱化明亮区域去雾的方法。最后,通过变换大气散射模型得到清晰的无雾图像。结果大量实验结果表明,本算法恢复的图像清晰自然,尤其是在远景处和景深突变的边缘处的处理能取到很好的去雾效果。此外,其时间复杂度为图像大小的线性函数。结论针对雾、霾天气下的降质图像,基于大气散射模型与双边滤波特性,本文提出了一种新的单幅图像去雾算法。实验结果表明,本算法能获得很好的去雾效果,尤其在细节处理的表现优于Tarel的去雾算法。同时,与He Kaiming的去雾算法相比,运行时间具有明显优势,有利于实现实时性技术应用。     

基于物理模型的快速单幅图像去雾方法

在雾、霾等天气条件下, 大气粒子的散射作用导致捕获的图像严重降质. 本文提出一种新的基于物理模型的快速单幅图像去雾算法. 该算法从大气散射模型出发, 通过对大气光照进行白平衡, 从而简化大气散射模型; 利用快速双边滤波方法估计大气耗散函数, 进而恢复场景反照率. 本文算法的时间复杂度达到图像像素数的线性函数, 具有很快的执行速度. 实验结果表明本文算法有效地恢复了场景的对比度和颜色, 从而明显地提高了图像的视见度.     

基于暗原色先验的单幅图像快速去雾算法

针对雾天环境下图像清晰度降低以及色调偏移问题,提出一种基于暗原色先验的单幅图像快速去雾算法。首先使用灰度开运算代替最小值滤波得到粗略暗通道图,根据方差标记出雾天图像各个景深突变区的位置,并对突变区的暗原色值进行细化求解;其次求解出透射率的粗略估计并使用引导滤波来进行优化;然后使用一种自适应的容差机制对天空等明亮区域的透射率进行动态修正;最后利用大气散射模型复原出无雾图像。实验结果表明,与几种典型的图像去雾算法相比,所提算法具有较快的处理速度,同时得到的复原图像细节突出、色彩丰富。     

图像去雾技术研究综述与展望

图像去雾技术是图像处理和计算机视觉领域共同关心的重要问题。通过从图像处理和物理模型的研究角度对图像去雾技术进行综述,综合了近年来提出的典型的图像去雾方法的基本原理和最新研究进展,并对一些典型的及最新提出的去雾方法,给出了其视觉上的去雾效果和客观的评估数据。最后展望了图像去雾技术的未来研究方向,并给出了一些建议。     

基于视觉颜色感知——光学相似的图像去雾方法

针对雾霾环境影响致使户外获取的图像质量严重下降问题，提出了一种基于视觉颜色感知—光学相似的图像去雾方法。充分利用人眼感知颜色的视觉机理，结合图像的相似性原理，构造了光学相似度函数，建立了新的基于视觉颜色感知—光学相似的图像去雾模型并设计相关算法，进而进行仿真验证。仿真实验结果表明，提出的方法在对有雾图像清晰化处理过程中效果明显，并与现有的图像去雾方法在主观视觉和客观量化方面进行图像去雾效果对比，进一步表明提出的方法在清晰化含雾图像处理中取得了较好的效果。     

结合天空区域识别的单幅图像去雾方法

针对现有图像去雾方法易于在天空区域引入负面视觉效果的缺陷,提出一个结合天空区域识别的单幅图像去雾方法;提出一个新的天空区域特征先验知识,并利用所提先验将雾天降质图像分割为天空与非天空区域;基于天空区域对大气光进行估计,并利用暗通道先验和导向全变分模型对非天空区域的透射率进行估计,从而基于大气散射模型获得去雾处理后的图像;使用一种邻域自适应的Retinex方法克服了去雾处理后图像偏暗的问题。对比实验证明,所提方法相比现有的类似方法具备更好的有效性及鲁棒性。     

基于曝光融合的单幅图像去雾算法

针对雾霾等恶劣天气导致户外图像降质的问题,设计了一种简单、高效的图像去雾算法。首先通过空域高通滤波对降质图像进行处理,达到压制低频分量、增强图像边缘细节的目的;然后,对滤波后的图像进行空间线性对比度拉伸,增强图像的对比度;最后通过拉普拉斯金字塔的多曝光图像融合方法,将滤波结果与对比度拉伸结果进行融合,得到最终的去雾图像。实验结果表明,所提算法实时性较高,对雾霾、沙尘、水下等降质图像均有较好的增强效果。     

基于模糊聚类规则的图像去雾方法研究

有雾图像的复原问题已经成为了机器视觉领域研究的热点。在传统图像复原理论的基础上,提出一种新的基于模糊聚类规则图像去雾方法,用于恢复被雾影响的降质图像。利用模糊聚类的方法对有雾图像进行预处理,从而获取图像复原过程中的透射率参数。为获取有效的景深信息,将透射率图像与提取到的图像饱和度效果图通过多尺度金字塔细化策略进行有效融合,从而获得图像景深信息。最后,通过提取到的透射率和景深信息实现图像的复原。对比实验效果显示,提出的图像去雾算法能够有效去除图像中的雾信息,同时算法的计算速度相对较快。     

Efficient dark channel based image dehazing using quadtrees

Using dark channel prior—a kind of statistics of the haze-free outdoor images—to remove haze from a single image input is simple and effective. However, due to the use of soft matting algorithm, the method suffers from massive consumption of both memory and time, which largely limits its scalability for large images. In this paper, we present a hierarchical approach to accelerate dark channel based image dehazing. The core of our approach is a novel, efficient scheme for solving the soft matting problem involved in image dehazing, using adaptively subdivided quadtrees built in image space. Acceleration is achieved by transforming the problem of solving a N-variable linear system required in soft matting, to a problem of solving a much smaller m-variable linear system, where N is the number of pixels and m is the number of the corners in the quadtree. Our approach significantly reduces both space and time cost while still maintains visual fidelity, and largely extends the practicability of dark channel based image dehazing to handle large images.     

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。     

Nighttime image dehazing using color cast removal and dual path multi-scale fusion strategy

Nighttime image dehazing aims to remove the effect of haze on the images captured in nighttime, which however, raises new challenges such as severe color distortion, more complex lighting conditions, and lower contrast. Instead of estimating the transmission map and atmospheric light that are difficult to be accurately acquired in nighttime, we propose a nighttime image dehazing method composed of a color cast removal and a dual path multi-scale fusion algorithm. We first propose a human visual system (HVS) inspired color correction model, which is effective for removing the color deviation on nighttime hazy images. Then, we propose to use dual path strategy that includes an underexposure and a contrast enhancement path for multi-scale fusion, where the weight maps are achieved by selecting appropriate exposed areas under Gaussian pyramids. Extensive experiments demonstrate that the visual effect of the hazy nighttime images in real-world datasets can be significantly improved by our method regarding contrast, color fidelity, and visibility. In addition, our method outperforms the state-of-the-art methods qualitatively and quantitatively.     

消除halo效应和色彩失真的去雾算法

目的 雾天条件下采集的图像存在低对比度和低场景可见度的问题,传统的去雾算法易产生halo效应和色彩失真问题。为此,结合大气散射光特性提出一种基于相对总变差的图像复原方法。方法 首先从大气散射光与纹理信息无关的角度出发,利用相对总变差分离图像主结构和图像纹理信息准确估计大气耗散函数,通过引入一个自适应保护因子来避免复原图像的色彩失真问题,最后由大气散射模型计算复原图像并进行图像的亮度调整,得到一幅清晰无雾的图像。结果 通过与经典的去雾算法比较,表明该方法可以有效避免halo效应和天空颜色失真等不足,并且在图像的深度突变处也能得到很好的去雾效果。结论 实验表明该算法的场景适应能力较强,时间复杂度与图像的大小成线性关系,相比于前人的算法在计算速度上有一定的提高。