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。     

基于CUDA平台的单幅图像实时去雾

针对传统单幅图像去雾算法的计算耗时问题,提出一种基于NVIDIA的统一设备架构（CUDA）平台实现的快速图像去雾方法,利用GPU平台并行编程的优势,对暗原色去雾算法进行并行处理与优化,从而实现对高分辨率的有雾图像的快速去雾。实验结果表明,对于实时监控系统采集的有雾图像,可以达到理想的去雾效果。     

修正大气耗散函数的单幅图像去雾

目的 针对暗原色先验原理对雾霾图像中天空或白色物体等明亮区域透射率估计不足,导致该区域去雾后彩色失真的问题,提出一种基于暗原色先验和引导滤波修正大气耗散函数的单幅图像去雾算法。方法 首先,基于暗原色先验模型得到大气耗散函数的粗估计值;其次,构造一个修正函数,纠正暗先验失效的明亮区域的大气耗散函数;然后,对修正后的大气耗散函数和求得的初始传输图分别利用引导滤波进行优化,平滑图像边缘的同时保持图像细节信息;最后,由优化后的传输图和估计的大气光值得到复原图像。结果 选取多幅经典图像进行对比实验,并利用峰值信噪比和均方误差衡量去雾结果的失真程度。实验结果表明,本文算法不但在非明亮区域可以得到较好的去雾效果,而且也能使图像中的明亮区域保持原有色彩,相比而言本文算法得到的复原图像整体失真较少;对于大小为460×300像素的图像,本文算法与He方法相比,得到的复原图像峰值信噪比提高了0.6005 dB,均方误差降低了0.0026,耗时缩短了29.6220 s。结论 对于雾天包含明亮区域的降质图像,提出了一种修正大气耗散函数的单幅图像去雾算法。实验结果的主观和客观评价表明本文算法对天空或白色物体等明亮区域能得到较好的去雾效果,有效改善了暗原色先验原理对图像中明亮区域造成的彩色失真问题。     

减少色彩失真的自适应单幅图像去雾算法

基于暗通道先验的单幅图像去雾算法是目前最为高效的图像去雾技术,然而当图像中某些场景不完全满足暗通道先验时,去雾处理后的图像中常常出现大量伪影和色彩失真,因此需要根据图像对该方法进行修正。假设图像场景亮度越高,暗通道越不可信;场景饱和度越低,暗通道越不可信。基于该假设重新设计了图像的暗通道置信度,以补偿场景不完全满足暗通道先验时估算过大的暗通道值;另外对图像进行后置增强处理,以提升图像的视觉效果。对三类具有代表性的雾天图像进行实验,实验结果显示,与相关算法相比,该算法在缓解色彩失真、去除伪影等方面表现更好。该算法通过设计暗通道置信度克服了图像场景不完全满足暗通道先验时暗通道值估计偏大的问题,显著提升了暗通道先验去雾模型对不同雾天场景的适应能力。     

基于天空区域分割的单幅海面图像去雾方法

为提高雾天海面图像的质量,提出面向单幅海面图像的去雾方法。将均值漂移方法与嵌入置信度的边缘检测方法相结合进行图像分割,分割后的图像用形态学膨胀与腐蚀操作进行二值化,提取出天空区域和非天空区域。对天空区域使用限制对比度直方图均衡算法去雾,非天空区域使用基于导向滤波的暗通道优先算法去雾。导向滤波通过导向图像内容来计算滤波输出,在精细化透射图方面可以得到与软抠图方法类似的效果,计算开销较小。实验结果表明,相对于暗通道优先方法,该方法在天空区域没有明显的过渡区域和偏色现象,可取得较好的去雾效果。     

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。     

一种结合双区域滤波和图像融合的单幅图像去雾算法

基于大气散射物理模型和暗原色先验原理,提出一种结合 双区域滤波和图像融合的单幅图像去雾算法.首先在计算暗通道函数时,定义了一类暗区 域对图像边缘的低强度像素点进行描述,该区域像素点的暗原色中值取其三原色通道的最小值,以代替原来的中值滤波运算值.此滤波方法不仅能有效去除Halo效应,而且避免了黑斑效应;然后基 于大气散射物理模型定义一种伪去雾图,将其与原去雾图进行像素级融合对原图进行色度校正,实 现了柔性去雾,改善了现有方法易出现过去雾的缺陷.实验结果表明,该算法去雾后图像具有较好清 晰度及色彩恢复度,去雾鲁棒性强.在大雾和图像色彩失真严重的情况下,仍可有效恢复图像.     

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。     

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。     

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。     

结合暗原色图像参考的单幅图像去雾*

针对在暗原色先验理论下对天空区域的透射率估计总是过于偏小的问题,提出了一种基于暗原色图像的透射率纠正方法。以暗原色图像为参考,提取其天空等明亮区域的灰度归一化值替换生成新的透射率图。该方式提高了天空区域的透射率值,使其更接近于真实值。实验结果表明,对于各类雾化图像,在无需调整各参数值的情况下,该算法均能很好地避免天空区域出现色差失真问题;同时对于不含天空区域的图像,去雾仍然有效。此外,算法执行时无需进行复杂的天空区域识别及提取等操作。算法在实际去雾应用中实现了无参化,自动化程度高;对于分辨率为640?480彩色图像,速度可达1.5帧/s。     

基于相对透射率估计的快速图像去雾算法

针对暗通道先验算法中恢复效果偏暗以及运算时间过久的问题,提出一种基于相对透射率估计的单幅图像快速去雾算法。该算法在分析雾霾条件下场景深度与最小值图像关系的基础上,依据景深相对量初步估计透射率,利用改进的均值滤波器作精确化调整,最后根据大气散射模型复原清晰图像,并通过亮度增强改善其视觉效果。该算法对透射率的估计简单、有效,复原图像清晰、自然,并且具有较高的细节可见度和层次感。实验结果表明,该算法在去雾效果和处理速度方面均有很大改善,有利于实现实时性应用。     

基于交通场景区域增强的单幅图像去雾方法

针对当前已有的去雾算法在雾天道路图像的处理上易造成近处路面区域和远处天空区域亮度过低、处理程度偏强,而中远处区域去雾程度较低、亮度过高等问题,以基于深度学习去雾算法为基础提出一种结合雾天道路图像场景深度和道路图像特点的去雾算法。首先基于深度学习的去雾算法原理,构建卷积神经网络求取场景透射率;然后基于大气散射模型和透射率估计出图像深度图,且构造两个参数：上阈值和下阈值来将深度图分为中、远、近三个区域;再基于深度图的不同区域构造增强函数,来确定图像处理的增强幅度照;最后在传统的大气散射模型基础上结合增强幅度照来调节不同区域的复原强度得到优化后的处理图像。实验结果表明,所提算法可以在保证良好去雾效果的前提下增强道路图像的中远处区域,有效解决了去雾后雾天道路图像近处路面和远处天空的色彩失真、对比度过低问题,提升复原图像的视觉效果,并且与暗原色先验算法、均匀与非均匀雾的视觉增强算法以及典型的基于深度学习去雾算法相比具有更好的图像清晰化效果。     

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。     

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。     

基于暗通道先验的比值重估透射率去雾算法

针对暗原色先验去雾算法中雾霾图像明亮区域透射率估计过小,造成图像色彩失真的问题,提出一种新的基于比值重估透射率去雾算法。设定暗通道图与大气光强的差值阈值,利用预估透射率和全局透射率的比值重新估计透射率,从而改善明亮区域过小的透射率。实验结果表明,比值重估透射率去雾算法跟暗通道和容差机制去雾算法相比,该算法恢复的图像更接近于真实图像。     

一种边缘优化的暗通道去雾算法

针对暗通道先验去雾算法大部分的时间都消耗在对透射率的优化上的问题, 对暗通道去雾算法进行了改进, 提出了边缘优化的暗通道去雾算法。使用边缘算子从粗略估计的透射率中提取边缘, 对边缘及周围扩展区域内的像素采用差值抠图法优化图像中场景深度变化明显的区域的透射率。实验结果证明, 边缘优化的暗通道去雾算法在得到与原始算法基本一致的去雾结果的同时, 平均计算时间仅为原算法时间的60%左右, 有效减少了计算量, 提高了去雾算法的运算速度。     

导向滤波优化的单幅去雾算法

针对暗原色先验的单幅去雾算法计算复杂度高,无法满足交通监控系统中实时性需求,且大气光易受白色物体影响,以及天空区域易失真的缺陷和景物边界出现白边现象,提出了基于暗原色改进的快速去雾算法.采用四叉树搜索的算法对大气光进行精确估计,利用最大值滤波后的差值图像估计出天空区域,对透射率进行补偿,利用导向滤波器改进透射率并结合大气散射模型恢复无雾图像.实验结果表明:改进算法改善了原算法去雾效果的同时也提高了算法的速度.