基于暗通道先验原理的偏振图像去雾增强算法研究

在装备试验与测试中,常规光学成像系统极易受气象环境(如雾霾、沙尘等)影响,导致探测距离、成像效果、测量精度等受到大幅限制,从而严重影响目标成像效果及关键参数获取。如何增强雾霾条件下光学探测识别能力及成像质量,成为了当前急需解决的关键问题。本文利用偏振成像优势,结合暗通道先验原理,提出了基于暗通道先验原理的偏振图像去雾增强算法。该算法首先利用采集到的偏振图像提取偏振特征,计算偏振度和偏振角;同时,采用基于区域增长算法自动提取出天空区域,对天空区域进行大气光参数估计,获取大气光偏振度及偏振角相关参数估计;然后,结合暗通道先验原理,获取无穷远处大气光强,进而计算各像素点的大气光强;最后,建立在大气物理退化模型基础上,实现图像去雾增强。实例分析与验证中,通过主观评价与客观评价两种方法,对比本文提出的方法和常见其他方法,实际结果表明,本文算法去雾增强能力较强,能有效提升光学系统的探测识别能力及成像质量,对雾霾条件下武器装备关键参数获取具有重要意义。     

基于偏振成像和图像融合的目标识别技术

提出了一种基于偏振特征的目标识别技术.实验采用He-Ne激光作为照明光源,根据目标散射光偏振度的差异,利用DSP图像采集系统获取了目标的偏振图像,并利用图像融合技术计算了目标的Stokes图像和偏振度图像.结果显示:偏振成像有效地滤除了杂乱背景散射光的影响,明显提高了目标成像的对比度和分辨率.所以偏振成像技术可以有效地提高目标探测和识别效率.     

融合双尺度暗通道的单图像去雾方法

针对使用单一尺度滤波窗口计算暗通道的去雾方法会使去雾图像产生光晕的问题,提出融合双尺度暗通道的单图像去雾方法。该方法使用大、小两种尺度滤波窗口,分别计算两个暗通道及其最大值滤波结果,并实现了大尺度暗通道与两个最大值滤波结果的融合,以融合后的暗通道计算透射率,并进行幂函数调整和向导滤波,最后以优化后的透射率实现图像去雾。实验结果表明,该方法能很好地消除景深边缘的光晕及天空区域的彩色斑块,恢复后的图像有理想的亮度和对比度,且算法实现简单。     

偏振遥感图像的大气校正

为了实现对遥感图像快速、精确的大气校正,提出了一种联合偏振光强度信息和偏振度信息的图像大气校正算法。该算法首先采用矢量偏振辐射传输模型（vectorized linearized discrete ordinate radiative transfer, VLIDORT）建立一个由观测几何、目标偏振信息、大气条件、气溶胶模式等参数组成的查找表,然后通过查找表插值方法对输入的图像进行大气校正。实验结果表明,偏振图像大气校正算法在雾天成像条件下,使得图像对比度提高了41.84%,图像信息熵值提高了0.44,很好地去除了雾对图像的影响。进而说明偏振图像大气校正算法能够很好地还原目标强度信息和偏振度信息,提高图像的对比度,增加图像的信息熵值。     

基于SIP-DSWP系统的透明玻璃面倾角分区标定偏振测量方法

由于存在边缘视场的渐晕效应,造成SIP-DSWP同时偏振成像系统的偏振信息重构存在偏差.为此,本文提出了一种通过分区仪器矩阵校正视场边缘效应的成像系统校正方法.通过对SIP-DSWP同时偏振成像系统3×3分区仪器矩阵的标定,进行了玻璃平板倾角的非接触检测实验.实验结果表明:图像边缘视场效应和噪声能够直接影响偏振成像及偏振信息(偏振度和偏转角)重构;分区仪器矩阵较平均仪器矩阵能够更准确地重构出目标场景的偏振信息,提高对透明玻璃平板倾角的检测精度,为后续偏振成像方法的研究和定量检测应用奠定了理论基础.     

一种基于圆偏光的偏振去雾成像优化方法

在经典的偏振成像去雾方法中,后向散射光的偏振度估计值是影响去雾效果的关键。基于圆偏振光在米氏散射介质中良好的保偏特性,提出一种适用于强散射环境下的偏振成像去雾方法。研究不同偏振态的光源照明时,不同散射强度下,CCD接收到的光场偏振度变化规律,在此基础上提出了一种快速简易的散射光偏振度估计方法。该方法在不增加系统复杂度的情况下,提高了偏振成像去雾的效果。实验结果显示,在强散射条件下文中方法获得的去雾图像EME值比传统方法高20.4%。此外,该方法不需要传统偏振去雾方法中对背景区域的判断,降低了算法复杂度。     

不同观测方向下的遥感偏振图像仿真

偏振辐射具有强烈的方向性,而遥感探测所获得的角度信息较为有限,从有限的角度仿真其它角度的偏振信息,对提高偏振遥感应用能力具有重要作用。利用地面实测数据和真实偏振图像,再加上大气对偏振信息的影响能够获得不同观测角度下的偏振图像,使得仿真结果更加客观和准确。     

基于暗通道先验的短波红外图像去雾

针对短波红外成像系统在雾霾天气下存在图像质量模糊、分辨率低等问题,本文提出了一种基于暗通道先验理论的短波红外图像去雾算法。本文首先通过改进的暗通道先验得到暗通道图像数据,然后基于暗通道数据对大气光进行估计;为了避免目标局部高亮或细节模糊,采用引导滤波和多尺度Retinex(Multi-scale retinex,MSR)对透射率图进行细化和增强处理,最后结合大气散射模型来反演出去雾图像。实验结果表明,经此算法处理后的短波红外图像在主观视觉和客观指标方面均得到了较好的验证,去雾效果显著、细节特征丰富且明亮度适宜。     

区域透射率融合的暗通道图像去雾方法

针对传统基于暗通道先验的去雾方法容易导致边缘区域和天空区域分别出现伪影和颜色失真的问题,提出了一种基于区域透射率融合的暗通道图像去雾方法。首先,将含雾图像分为非天空、天空及过渡边缘等3个区域。其次,在暗通道结合块透射率估计和点透射率估计分别对非天空区域和过渡边缘区域进行融合,并利用梯度域引导滤波进行平滑处理,得到融合后的暗通道透射率。然后,合成天空区域的亮度透射率和暗通道融合透射率,以获得最终的透射率。最后,利用得到的透射率和改进后的大气光值对图像进行复原,得到去雾结果图像。实验结果表明,与传统暗通道方法相比,所提方法明显更优,其在有效抑制边缘伪影的同时能够较好地保留含雾图像的颜色特征。所提方法得到的去雾图像在主观评价和客观评价方面均能取得更好的结果。     

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。     

基于双重暗通道结合与高斯加权的去雾改进算法

针对暗通道先验算法去雾后图像存在伪影和景深突变处留有残雾的问题,提出一种基于双重暗通道结合与高斯加权的去雾方法.分别利用超像素块滤波和中值方块滤波求取两层暗通道,对两层暗通道进行像素级结合并构造高斯加权函数进行加强,然后采用引导滤波优化透射率图.把雾图转化到HSV空间并提取包含天空等的白色区域,引入概率函数取白色区域前10％像素点的明度分量平均值作为大气光估计值.实验结果表明,所提算法能较好地保留图像细节并去除景深突变处的残雾,同时能改善伪影现象.     

基于天空约束暗通道先验的图像去雾

针对现有暗通道图像去雾算法存在的天空色彩失真,景物边缘光晕效应等问题,本文提出了基于暗通道理论的改进去雾算法.由于暗原色先验理论不适用于天空区域,本文将引导滤波用于天空区域的细化分割,准确估计包含天空区域图像的大气光照强度,解决了天空色彩失真问题;其次,利用中值滤波得到详细边缘信息,进而得到更为清晰的透射率,有效抑制了景物边缘光晕问题;最后针对去雾后图像偏暗的问题,在HSV空间对亮度分量V通道进行增强处理.实验结果表明,针对带雾图像,本文算法能够有效地去雾,改善天空区域色彩失真以及景物边缘光晕问题.     

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。     

基于暗通道原理的图像去雾算法改进研究

针对采用暗通道原理的单幅图像去雾算法的处理效率,提出了采用低分辨率暗通道模板进行有雾图像去雾处理的改进方法;该方法利用低分辨率图像估算大气透射率并利用插值还原模板分辨率以估算无雾图像,可以在保持处理效果的同时,有效节省图像去雾的处理时间及与对处理单元资源的需求;通过分析及仿真计算验证了该方法的有效性。该方法还适用于对高分辨率图像去雾处理,具有良好的工程实用性。     

基于均值不等关系优化的自适应图像去雾算法

针对暗通道先验去雾算法的不足,如天空区域透射率估计过小和在景深突变处易发生光晕效应,该文提出一种新颖且高效的去雾算法。首先通过几何分析建立雾图对应无雾图像暗通道图的平面扇形模型,然后设定一种新型的高斯均值函数,对其标准差进行自适应处理,用以估计扇形模型的上下边界值,通过引入均值不等关系对两侧边界进行逼近,拟合出最优无雾图像暗通道图,进一步求得最佳透射率,同时也改进局部大气光的探索方法并复原出最终结果。实验表明,与其它一些经典算法相比较,所提算法能广泛适用于各类图像,去雾程度彻底且效果清晰自然,具有较低的时间复杂度,有利于实时处理。

     

Single Image Dehazing Based on Combining Dark Channel Prior and Scene Radiance Constraint

Images captured in foggy or hazy weather conditions often suffer from poor visibility.The dark channel prior method has well solved the single image dehazing problem in nature,but it is invalid when the scene objects are inherently similar to the atmospheric light and no shadow is cast on them.We propose an efficient regularization method by adding a scene radiance constraint and combing the dark channel prior to remove hazes from a sin-gle input image.The experiments show that this improved algorithm can deal with various levels of foggy weather conditions,as well as greatly enhance the image's visibility and details.In addition,the recovered haze-free image has little or no halo artifacts.     

基于自适应阈值的改进暗通道先验图像增强技术研究

基于暗通道先验的图像增强技术在图像的去雾和增强方面具有较好的图像增强效果。针对基于暗通道先验图像增强算法在处理有雾图像存在大面积白色高亮区域时出现的失真,提出了基于自适应阈值的改进暗通道先验算法。该算法在对图像进行直方图统计的基础上,先判断图像是否存在大面积白色高亮区域,并对区域的面积进行标识和统计,得到自适应系数β,再利用该系数对暗通道先验算法进行修正,最终进行对比度增强实现图像的去雾增强效果。实验结果表明,该方法能够有效消除图像去雾过程中出现的失真,提升图像质量,具有较高的实用价值。     

基于暗通道先验的去雾算法研究

针对暗通道先验去雾算法中存在的块效应、算法复杂度高等问题,提出了一种改进的基于暗通道先验的去雾算法.首先,通过暗通道先验去雾算法得到粗略透射率,再通过峰值信噪比自适应调节雾气参数,以获取最优透射率.然后,将上述结果分别作为多层感知器的输入向量和目标向量进行训练,以建立粗略透射率到最优透射率之间的映射并得到最优透射率.最...     

结合图像分割的暗原色先验去雾算法

基于暗原色先验规律的图像去雾算法在进行暗原色通道计算时,用固定区域会造成介质透射率估算的不合理,从而导致最终去雾效果细节不清晰和在较远景深场景模糊的现象。采用基于图论的分割算法来确定取暗原色通道的区域,能根据景深的变化自适应地改变区域大小,避免了固定区域求取暗原色的带来的介质透射率估计不合理问题。通过实验分析和验证,证实了该算法能有效地改善雾天图像的退化现象和提高图像清晰度。