基于背景光修正成像模型的水下图像复原

光在水下传播时由于受到水体吸收和散射作用的影响,导致水下图像质量严重退化。为了有效去除色偏和模糊,改善水下图像质量,该文提出一种基于背景光修正成像模型的水下图像复原方法。该方法基于对雾天图像的观察,提出了水下图像背景光偏移假设,并基于此建立背景光修正成像模型;随后使用单目深度估计网络获得场景深度的估计,并结合背景光修正的水下成像模型,利用非线性最小二乘拟合获得水下偏移分量的估计值从而实现水下图像去水;最后优化去水后的含雾图像的透射率,并结合修正后的背景光实现图像复原。实验结果表明,该文方法在恢复水下图像颜色和去除散射光方面效果良好。     

基于暗通道先验改进算法的水下图像增强方法研究

针对水下图像受介质散射和吸收的影响所出现的颜色失真、对比度低和细节模糊等问题,提出水下图像增强的暗通道先验改进算法。采用白平衡处理对水下图像的蓝(绿)色偏进行颜色校正,进而在LAB空间对图像L分量进行同态滤波处理,从而获得暗部细节提亮的图像。在RGB空间对图像分别进行CLAHE处理增强图像对比度,解决图像雾化问题,MSRCR处理提高图像色彩饱和度并均衡图像亮度。根据暗通道先验图像计算融合权重系数对所得到的3幅图像进行加权融合与细节增强,得到最终增强图像。实验结果表明,所提算法能够有效消除图像颜色失真情况,增强的图像呈现出高对比度和更清晰的细节。     

融合暗原色先验和稀疏表示的水下图像复原

由于水下图像成像过程中受光的散射、噪声干扰等因素影响,致使图像质量严重退化。为了去除模糊和抑制噪声,改善水下图像质量,该文提出一种融合暗原色先验和稀疏表示的水下图像复原新方法。该方法首先利用暗原色先验理论计算水下图像的暗原色,然后基于稀疏表示理论对暗原色进行去噪和优化,基于改进后的暗原色计算水体透射率和光照强度以计算最终复原结果,可以同时达到去模糊和去噪的良好效果。实验结果表明,提出的方法有效提高了图像的平均梯度和信息熵等图像像素,从而改善了图像的质量。     

基于光衰减先验和背景光融合的水下图像复原

针对水下图像存在颜色失真和视觉模糊等问题,提出基于光衰减先验和背景光融合的水下图像复原算法.首先通过最大强度先验计算背景光一,基于图像四叉树的方法估计背景光二,根据水下图像光照的亮暗情况对两个局部背景光进行融合,确定全局背景光;其次根据光衰减先验估计场景的相对深度,进而计算三个通道的透射率;然后逆求解水下光学成像模型以...     

基于红通道先验的水下障碍物双目定位方法

基于双目视觉的自主水下航行器在水下巡航过程中,由于水体对光线的衰减效应和悬浮颗粒对光线的散射作用,双目摄像机获取的图像存在对比度低、颜色失真等问题,导致水下障碍物定位的精度较低。针对以上问题,文中采用红通道先验复原算法提高水下成像质量,根据双目相机标定参数获取障碍物的双目视差图,并提出了一种基于深度视差图融合的水下障碍物定位方法。该方法通过融合深度视差图与水下复原轮廓图,对融合图像进行凸多边形检测,获取障碍物的轮廓,基于轮廓信息进行障碍物的有效深度信息提取,实现障碍物的空间定位。水下双目定位实验结果表明,文中所提方法可以使双目立体匹配的效果更理想,能够有效提高水下障碍物定位的精度。     

基于颜色失真去除与暗通道先验的水下图像复原

水下图像成像过程与雾天图像虽然类似,但因水对光的选择性吸收和光的散射作用,水下图像存在颜色衰减并呈现蓝(绿)色基调,传统的去雾方法用于水下图像复原时效果欠佳。针对这类方法出现的缺点,该文根据先去除颜色失真后去除背景散射的思路,提出一种新的水下图像复原方法。结合光在水中的衰减特性,提出适用于水下图像的颜色失真去除方法,并利用散射系数与波长的关系修正各通道透射率;另外,该文改进的背景光估计方法可有效避免人工光源、白色物体、噪声等影响。实验结果证明,该文方法在恢复场景物体原本颜色和去除背景散射方面效果良好。     

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。     

基于暗原色先验去雾的改进算法

暗原色先验去雾方法在单幅图像去雾方面效果明显,但该方法算法复杂度高、处理耗时。针对该算法不足之处,在传统的暗原色先验去雾方法基础上,提出一种改进算法。改进算法通过高斯滤波和腐蚀对透射率图进行优化;同时,为避免原算法的冗余计算,采用了一种快速计算初始透射率方法;并且通过Gamma变换和对比度增强方法对去雾后图像进行亮度和对比度增强处理。实验结果显示,改进算法处理效果与原算法基本一致,算法效率得到显著提高,应用在视频增强领域可以达到准实时。     

基于改进暗通道先验模型的无人机遥感图像去雾算法

无人机航拍技术因其诸多优势,已被应用在越来越多的场景中.但因空气污染或气候原因使得某些地区雾霾较多,导致拍摄的图像降质明显.针对该问题,同时对于无人机遥感图像较高的去雾速度要求,提出了一种基于改进暗通道先验模型的无人机遥感图像去雾算法.首先使用下采样法和插值算法改进暗原色先验模型的透射率计算,大幅降低了计算复杂度;然后针对图像偏白色区域的去雾处理,采用结合容差机制恢复无雾图像的方法,减少了偏色现象;最后对去雾图像采用自动色阶算法进行图像增强处理,提升了去雾后图像的亮度.实验表明,该算法在图像去雾的精确性和效率上均优于原算法.     

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。     

气动退化图像的改进复原算法

针对气动光学效应引起的图像模糊退化导致复原处理困难的问题,提出了一种气动退化红外图像的改进复原算法。具体做法是:在假设退化图像的点扩散函数服从高斯分布的前提下,对图像进行带参数维纳滤波,在此过程中,使用图像清晰度评价函数作为复原效果的评价实现了算法中参数的最优化。通过多组仿真实验和算法的对比分析表明,算法较好地保持了图像细节,较好地恢复了图像质量,实时性较好。     

改进的NAS-RIF图像盲复原算法

针对非负和支持域受限递归逆滤波算法(NAS-RIF)的缺点,提出了一种改进方案.首先,引入高阶统计量去噪,解决了NAS-RIF算法敏感于噪声的特性;其次,利用图像分割技术进行图像支持域的自估计,改变了NAS-RIF算法中支持域必须是方形的不利限制;最后,运用该算法对不同峰值信噪比(PSNR)和背景的含噪图像进行了算法仿真,并与原算法进行了比较.仿真结果表明,改进的NAS-RIF算法有效解决了原始算法中存在的问题,显著提高了恢复图像的质量.     

一种改进的NAS-RIF盲图像复原算法

在Deepa Kundur等人提出的NAS-RIR (Nonnegativity and support constraints recursive inverse filtering)盲图像复原算法的基础上，提出改进方法。首先对非均匀背景图像进行背景校正，以扩大原算法的适应范围；接着改进求取支撑域的算法，以提高图像的复原效果；最后对求取梯度值的算法作了改进，以提高原算法的执行效率。由实验结果可看出，改进的NAS-RIF算法比原算法具有更好的图像复原性。