大气散射校正静态实时偏振图像去雾技术

为了在雾霾天气下实现静态实时图像去雾,研究了大气衰减模型,分析了大气溶胶对成像的影响和大气散的射校正方法,提出了偏振去雾方法的技术原理.利用斯托克斯参数和穆勒矩阵实现原始数据的静态获取,基于偏振测量结果实现天空区域的实时提取,通过提取结果定性和定量分析,找到了偏振角范围和大气散射光强度阈值的规律性,实现了静态实时偏振去雾.静态实时偏振去雾方法将原始数据由不确定的偏振图像改变为固定的偏振图像,克服了对手动操作和主观评价的依赖,简化了去雾流程,解决了复杂的全局参数估计问题,提高了图像复原的准确度.所提出的静态实时偏振去雾方法为雾霾天气下高分辨、高稳定性和高实时性成像提供了新的理论和技术手段.     

基于引导滤波和暗原色先验理论透射率估值的视频去雾算法

针对雾天条件下户外采集的图像严重退化问题,解决传统的暗原色先验理论算法出现的边缘残雾、天空区域去雾效果欠佳、实时性差和鲁棒性差等问题,提出去雾效果显著的实时视频去雾算法.对大气光散射模型进行改进,以引导滤波后的灰度图作为大气光估计图;利用四叉树法和暗原色先验理论（DCP）在暗原色图中寻找浓雾区域,求得透射率估计值;利用改进的大气光散射模型复原图像.通过大量实验表明,复原出的图像去雾效果彻底,色彩鲜艳亮丽,天空区域不会出现彩色失真,景深变化大的地方不会出现白边现象,对于不同浓度的雾都有着较好的去雾效果,处理速度快且稳定,适合于实时视频去雾.     

基于车行视程与大气光快速估值的车载视频去雾算法

交通场景中的视频图像去雾处理,是一个实时性极强的不确定反问题,针对雾霾天气下车载视频图像退化严重的现象,分析了交通环境中雾气浓度对车前物景可视度的关系,提出了大气能见度与车行视觉距离之间的关系模型,讨论了降质图像增强的理论与方法,建立了雾霾条件下车行可视距离的线性回归公式和基于大气能见度的透射率快速估值模型。同时,研究了雾霾物像暗通道的基本特征,提出了利用引导滤波对图像实现边缘平滑、细节增强以及利用盒式滤波保持边缘信息,降低时间复杂度;直接利用灰度图像获取大气光像素矩阵的估值方法,建立了基于大气光的快速估计模型,解决了暗原色先验理论方法的“非天空区”假设及其时间复杂度难以适应车载视频图像处理的问题。根据上述提出的透射率估计方法和天空光的估值模型,本文提出了一种鲁棒性好,实时性强的雾霾视频图像去雾的新算法,并完成了基于该方法的视频图像恢复处理流程设计,构造了车载雾霾视频图像恢复处理的综合验证平台,通过信息熵和图像边缘检测的方法,对本文提出的方法与目前已有的几种流行的去雾方法进行了图像恢复质量的比较,结果表明,本文提出的方法在反映图像细节和清晰化等方面都取得了良好的处理效果。     

一种改进的基于近红外图像的去雾方法

为了解决雾天可见光图像降质问题,提出一种简单、高效的去雾算法。为充分利用可见光图像的色彩信息和近红外图像的细节信息,首先,根据暗通道估算出可见光图像中雾的浓度,根据雾浓度对可见光图像进行分区;然后,分别对可见光和近红外图像进行平稳小波分解,结合雾浓度分区和脉冲耦合神经网络（pulse coupled neural network,PCNN）分别融合可见光与近红外图像的高频分量和低频分量,复原得到一幅清晰而不失真的图像;最后,引入引导图像滤波对融合图像做滤波处理,平滑分区边缘的同时保留源图像的边缘信息。为验证算法的有效性,与当前主流去雾算法进行对比实验,对比指标包括去雾图像的信息熵、均值、标准差,以及算法运行时间。实验结果表明,在相同图像分辨率条件下,本文算法去雾后图像视觉效果更加理想,同时,无雾区域能够很好地保持色彩信息,反映图像细节和清晰化的各项指标优于其他算法,而且算法处理时间显著降低。     

图像增强算法在车牌图像预处理中的研究与应用

雾天场景下摄像头采集到的车牌图像质量较低,在车牌识别系统中对图像预处理产生较大影响,从而造成车牌定位和识别效果较差。以雾天环境下实际采集的车牌图像为例,分别采用带色彩恢复的多尺度Retinex算法和暗原色先验去雾算法对实际图像增强进行仿真实验。实验结果表明,利用暗原色先验去雾算法对图像进行增强处理,能够提高图像的对比度,实现去雾效果,从而使车牌定位和车牌识别达到更好的效果。     

单幅图像快速去雾霾算法

提出一种基于物理模型的单幅图像快速去雾霾新算法。从雾形成的角度出发,考虑到传播图像的低频性和单通道性,对大气散射模型进行变换化简,得到新的去雾模型。利用暗原色先验方法估计大气光值A,并利用SSIM作为图像清晰度评价标准以确定ω的最优值,从而得到最优的复原结果。大量实验表明,该算法无论在处理速度还是去雾效果上都优于现有算法。     

基于透射率估计模型和引导滤波的雾气图像去雾算法

针对雾气条件下成像设备采集图像退化严重的问题,提出一种雾气图像的去雾算法。通过对雾气天气成像物理模型的简化,找到图像复原函数中的透射率和大气光值2个关键未知量;分析影响透射率的因素,通过对大量雾气图像进行灰度分布概率统计,提出一种透射率快速估计算法;通过引导滤波估计大气光值,利用简化的修复函数完成对雾气图像的去雾处理。与HE算法(HE Kaiming, SUN Jian, TANG Xiaoou. Single image haze removal using dark channel prior. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2011, 33:2341)相比较,经本算法去雾复原后的图像信息熵值最少可提高0.060 4比特/像素、平均梯度值最少可提高0.009 55。实验结果表明,经本算法复原的有雾图像清晰度较高,细节复原较好,去雾效果明显。     

利用分割中值滤波和透射率补偿的图像去雾

为了增强雾天退化图像的质量,提出基于分割中值滤波和自适应透射率补偿的单幅图像去雾方法．首先提出分割中值滤波策略,通过对“暗通道先验+引导滤波”去雾方法估计的透射率进行滤波,去除其中不必要的纹理细节,同时保留深度突变的边缘信息;然后提出自适应透射率补偿方法,无须进行天空分割,而通过构造补偿函数对透射率进行提升,以校正明亮区域的色彩失真;同时给出简单有效的函数参数自动确定方法,提高了算法的适应性．由实验结果可以看出,该方法通过精确估计透射率,有效地增强了去雾图像的对比度,改善了天空区域的颜色失真．同时该方法适应性较强,对包含和不包含天空的图像,都可得到更为清晰的去雾结果．     

结合大气散射模型的生成对抗网络去雾算法

为了提高图像去雾的性能, 提出结合大气散射模型生成对抗网络的去雾算法. 算法在pix2pix GAN基础上进行改进, 将网络的生成器改进成双解码器结构,通过双解码器分别生成无雾图像和透射率图, 并结合大气散射模型还原雾图像,以进一步提高图像分解的质量. 在马尔科夫判别器结构中,采用反向学习机制代替随机裁剪机制,以有效降低因采用随机裁剪算法而导致的判断结果不准确的概率. 在原有的损失函数上,加入雾霾损失函数,提高图像转化的质量. 在STOS和NYU数据集上进行消融实验和对比实验. 大量实验表明所提出方法在PSNR和SSIM指标上比原算法Pix2pix GAN有所提高, 且均优于现有去雾算法,复原图像具有清晰度高、噪声低、纹理丰富的优点.     

基于多幅偏振图像的去雾研究

通过利用大气散射退化模型,结合光的偏振信息,提出一种多幅偏振图像去雾算法:通过He算法的暗原色理论对雾天图像的无穷远处大气光强的估计,应用导向滤波对雾天图像传输透射率的优化,最终有效地复原雾天图像,得到清晰的去雾图像。实验结果说明,本算法可以很好地改善雾天图像的质量。     

基于FPGA的简易偏振成像系统设计

偏振成像是一种获取目标物表面光学反射偏振特征的新型成像技术,与传统成像相比可以获取更多的目标物信息。本文设计了一种简易轻便应用于多场景下的偏振成像采集系统。系统由光学成像模块、FPGA主芯片、上位机图像获取三部分组成,实现图像的采集、传输与显示。通过FPGA主芯片驱动图像传感器,利用偏振分光棱镜,将携带目标物表面信息的反射光分解成垂直方向（S分量）和水平方向（P分量）,收集并解析获取目标物垂直方向和水平方向上的偏振图像;同时分析了系统可能产生误差的原因并进行了标定。实验结果表明：本文设计的成像系统在不同场景下,均可稳定、实时采集到P分量和S分量图像,解析出偏振度图像。     

图像去雾的大气光幕修补改进算法

在雾天环境下,针对大气中存在悬浮微粒导致采集的图像降质问题,提出一种大气光幕修补改进算法对单幅图像去雾。首先简化大气散射物理模型,对大气光幕粗估计,并基于引导滤波器提出一种大气光幕修补的改进算法,从而得到更精确的大气光幕;然后提出了一种半逆法准确估计空气光强度;最后通过求解雾天图像大气散射模型恢复理想光照条件下的清晰图像。实验结果表明,该算法能鲁棒地估计大气光强度,能在保证大气光幕边缘的同时进行良好的平滑操作,提高图像的视见度。     

基于双容差机制的快速暗原色理论雾天图像增强算法

针对经典暗原色理论算法在处理雾天图像时出现的色调和亮度失真问题,提出了一种基于双容差机制的快速暗原色理论雾天图像增强算法.该算法首先通过容差机制分割图像,并根据阈值判断图像的明亮和非明亮区; 然后引入改进的高斯平滑滤波对透射率图像进行平滑处理,以此优化透射率图像; 最后通过引入容差机制对透射率图像进行修正,以此得到更加清晰的图像.将本文方法与经典的暗原色算法进行对比表明,本文方法在亮度、颜色保真度和时间效率上均优于暗原色算法,因此本文方法可为雾天图像的处理提供参考.     

一种基于自适应大气光和加权引导滤波的夜间图像去雾算法

夜间图像去雾对于夜间场景下无人驾驶、交通安防等有重要的工程应用价值。针对暗通道先验算法在夜间雾天场景下的失效问题,提出一种基于自适应大气光和加权引导滤波的夜间图像去雾算法。该算法首先基于图像亮度和饱和度联合求取信道图,并将信道图作为引导图对原图像进行引导滤波得到大气光分布图,为解决暗通道先验在图像亮区域的失效问题,引入亮通道先验矫正亮区域的透射率,为优化亮、暗通道透射率的融合,建立一种基于分段伽马矫正的融合权值计算方法,用于亮区域透射率的权值计算,并利用该透射权值加权得到图像的初始透射率;然后利用加权聚合引导滤波代替引导滤波细化初始透射率,通过基于相似度为滤波中心像素的邻域像素赋予权值,并在滤波聚合阶段采用加权聚合代替均值聚合,解决引导滤波弱化细小纹理而引起的边缘模糊问题;最后将复原图像转换到HSV空间,对亮度分量V进行均衡化调整,并对均衡化前后的图像进行线性加权获得最终复原结果。实验结果表明,所提算法大气光分布图估值合理,可有效反映夜间多光源场景下的大气光分布情况,图像亮、暗区域透射率计算准确,复原图像去雾彻底、纹理清晰,与经典算法对比显示,复原结果的峰值信噪比、信息熵、平均梯度和方差的最大提升幅度分别为49.4%、18.3%、172.3%、115%,综合指标优于所对比的算法。     

雾天道路交通安全保障措施及其成效分析

为了改变目前我国雾区道路交通安全管理部门间协调性差、紧急救援效率低的局面,总结了国内外雾天道路交通安全处理策略,提出通过建立雾天公路应急指挥系统的方法协助道路维护部门、紧急事件管理部门、交通管理部门和道路使用者进行科学决策．该方法从雾的监视和评估、雾天行车环境改善、雾的消散、雾天交通疏散、雾天交通管制、雾天交通诱导与信息发布等方面,就道路维护人员、紧急事件管理人员、交通管理人员和交通参与者应采取的措施和能实现的目标及预期成效进行分析.所得到的雾区道路交通安全保障措施,对完善我国雾天环境下的道路交通安全管理具有指导作用．     

雾天模糊图像的清晰化方法

为改善雾天拍摄图像的清晰度,提出一种实用的图像去雾方法。先利用暗原色先验算法去除图像雾干扰,再运用插值抠图算法进一步改善图像去雾效果,最后利用图像的区间值信息对其进行放大,以便获得满意的视觉效果。实验结果表明,该去雾方法不仅可直接估计雾的浓度,并且可得到去雾后的高清晰图像。     

用于激光雷达成像仿真的动态场景模型

基于激光雷达成像的基本原理,结合目标表面的空间反射特性,在图形处理器架构下,借助其强大的并行计算能力,建立了激光雷达场景动态仿真模型,实现了不同入射、观测位置条件下目标表面空间辐射亮度分布的计算．针对典型场景进行了模拟实验,并将实验结果与实际激光雷达系统采集到的图像数据进行了对比分析．实验结果表明,模拟结果与实测图像数据在基本特征上是相似的; 定量分析结果表明,模拟图像与实际图像在主要特征上是相符的．     

偏振遥感成像探测技术及其在目标毁伤效果评估中的应用研究

在未来高技术战争中,战场目标毁伤效果评估具有十分重要的作用。基于目标偏振遥感成像探测原理,介绍了一种能够获取地物目标偏振图像信息的机载多波段偏振遥感成像探测系统;通过对地面炮兵火力毁伤实验相关数据的对比分析,探讨了偏振遥感图像信息在反演目标表面毁伤状态方面的能力;实验结果表明：偏振遥感成像探测技术在目标毁伤效果评估中具有广阔的应用前景。     

分振幅偏振成像实验装置的研究

偏振是电磁波的重要特征,是光除了波长、振幅、相位以外的又一重要属性。利用物质的不同偏振属性能够为目标的探测和识别提供更多维度的信息。基于偏振成像理论设计了同时偏振成像仪器,并设置了用作对比的普通成像系统。在对系统完成封装后进行了外场的实验,将偏振成像系统获取的图像进行图像融合等处理,目标对比度相比于普通成像系统提升28%以上,体现出了偏振成像在识别目标上的优势。     

浅议河北省雾霾天气的形成及防治措施

雾霾天气多次袭击我国的大部分地区,空气质量指数长期处在重度和严重污染的级别,目前雾霾天气已经成为我国一种普遍的城市气象灾害,阻碍了我国经济的可持续发展,给我国人民的身体健康造成了极大的威胁.在国际上,给我国的国际形象带来了很大的不良营养。针对河北省多个城市发生的大规模雾霾天气现象,着重阐述了雾霾的组成、形成的原因以及预防措施,为河北省频发的雾霾天气的防治提供参考性的建议.