基于无参考图像获取能见度的车载视频自适应去雾算法

为解决雾天环境下车辆环境感知困难的问题,针对车行视程去雾算法无法自动获取能见度、复原图像色彩过饱和、细节丢失严重等情况,克服传统器测法和目测法对能见度获取的非实时性及主观性,提出了一种改进的非线性二分求根算法,利用无参考图像空域质量评价指标（BRISQUE）对能见度进行实时修正,最终实现了能见度的自动估值。作者改进了大气能见度与车行可视距离的关系函数,由改进后的车行可视距离求出的透射率值与实际透射率相比误差减小,降低Halo效应的产生、增加了图像细节信息。实验表明,利用能见度求出的透射率估值在大气光散射模型下能够自适应的处理雾霾视频,复原出的视频图像画质清晰,色彩鲜艳亮丽不失真且能保留大量的图像信息,处理过程视频流畅无卡顿,对于在雾天环境中交通场景不断变化的车载视频也有良好的去雾效果。     

基于新的中值引导滤波的交通视频去雾算法

针对现有改进双边滤波算法处理雾霾天气下交通图像过程中边缘保持效果不理想且容易出现噪声斑块的问题,提出了一种基于新的中值引导滤波的去雾算法。首先,在快速引导滤波基础上改进,利用引导图像在滤波窗口的中值重新定义以像素k为中心的窗口系数ak和bk,并应用在对滤波框内临近像素点上,避免了对引导图像和滤波图像求方差和协方差,进一步提升计算速度。去雾阶段则将含雾图像转化到RGB颜色空间,获取暗通道值、大气光值以及粗透射率,利用中值引导滤波算法对粗透射率进行优化,得到透射率的精确值,根据模型方程反向求解获得去雾图像。实验结果证明,与传统方法相比,新算法去雾效果强化了对边缘的检测和保持能力,更好保持了图像细节。同时,运算效率较同类算法提升较大,实时性较高,可用于交通视频处理。     

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.     

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．     

结合边界约束和引导滤波的航空图像去雾算法

针对尘雾天气条件下,航空图像受大气粒子的散射作用而导致对比度和色彩保真度差等问题,提出一种结合边界约束和引导滤波的航空图像去雾方法。该方法基于暗通道优先原理估算出大气光强度,通过添加边界约束条件来解目标函数,进而求出透射率,再用引导滤波对透射率进行精细化调整,达到去雾目的。与Ｆａｔｔａｌ、Ｔａｒｅｌ、Ｈｅ和Ｍｅｎｇ算法对比分析表明,本文方法运算速度快,能够提高图像的细节清晰度,增大去雾深度,有效克服颜色过饱和现象,去雾图像自然逼真。     

基于暗通道先验的图像去雾算法改进

暗通道去雾算法存在导向滤波精细化求取透射率后边缘细节不突出和剧烈变化的边缘处有伪影,针对这种问题提出一种基于优化的Sobel算子对导向滤波器进行自适应加权改进;同时通过判断天空区域是否存在并结合约束条件法解算大气参数,实现透射率的补偿,从而解决高亮区域失真的问题。实验结果表明,与采用统一的规整化因子导向滤波器的传统暗通道算法相比,本文算法去雾后结果图像边缘更突出,更清晰,同时消除高亮区域失真。     

结合金字塔技术的暗原色先验快速去雾方法

针对在雾霾天气下无人机航拍的视频图像对比度和色彩保真度差等问题,传统的暗原色先验方法虽然有较明显的去雾效果,但算法复杂度高、耗时长、无法满足实时性需求。本文提出一种基于金字塔技术的快速去雾方法,首先利用高斯金字塔将原始有雾视频图像降采样,然后将降采样后的图像通过暗原色先验的方法去雾处理,最后再采用拉普拉斯金字塔将结果图升采样为无雾视频图像。通过实验结果表明,本文方法在保证去雾效果的同时,提升了场景复原的速度。针对航拍视频场景,能较好地满足实时性要求。     

改进的海雾图像去除方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题,提出了一种改进的图像去雾方法,应用于海上含雾图像处理中。首先,获取含雾图像的暗通道及最小值图像,将含雾图像转换到HSV颜色空间计算各个像素点的颜色衰减率,对其按降序排序取前10%中的最小值作为亮暗部分界阈值,据此计算出HSV暗部图像区域(I_(HSV_dark))。通过引入变差函数来判断像素点是否来自于高亮区域,并获得基于变差函数的变差暗部图像区域(I_(VAM_dark))。对两个暗部图像区域做并运算,得到用于估计暗区域大气环境光值的暗部图像I_(dark)。将像素值进行递减排序,选取前1‰的像素点所对应雾化降质图像像素点集合的平均值作为A_(dark)的值。其次,提出一种基于多级权重相对总变差模型的去纹理方法,对最小值图进行滤波作为粗估计的透射率图,并使用透射率函数对其进行调整,弱化亮部图像的去雾,增强暗部图像的去雾。最后,提出一种最小方差中值引导滤波算法对调整后的透射率进行优化,根据雾天图像降质模型得到复原后的清晰图像。实验结果表明,提出的算法与基于暗通道先验理论以及融合变差函数和形态学滤波的去雾算法相比,获得的复原图像信息熵、平均梯度、对比度及雾霾浓度评价指标(FADE)等指标均有显著提升,更加清晰。     

结合天空分割和超像素级暗通道的图像去雾算法

为了提升去雾图像质量,提出了一种基于天空分割和超像素级暗通道的单幅图像去雾方法。首先提出一种简单有效的多阈值天空分割方法,可将图像划分为天空区域和非天空区域;其次,根据天空区域估计大气光值;然后分别估计两类区域的透射率,对天空区域利用该区域无雾和有雾时暗通道值间的线性关系直接估计其透射率,对非天空区域则通过计算超像素级暗通道值来估计透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,与现有方法相比,本文方法能更准确地分割天空且阈值自适应性强,大气光和透射率估计也更准确高效。采用本文方法得到的去雾图像具有对比度高、颜色自然、细节清晰等优点。     

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。     

采用改进暗通道先验算法的高速公路能见度检测

为提升高速公路雾天能见度检测精度,考虑大气透光强度、透射率、大气消光系数和图像中某点到摄影机的实际距离,通过能见度检测原理改进现有的暗通道先验算法。首先结合矩形区域测距和实际场景物体大小来解决高速公路二维场景到三维场景重构的问题,并利用K-means聚类的方法,并找出聚类后的视频图像中分界线的最小景深点,结合所构建的测距模型得到该点到摄像机的实际距离。其次通过发现传统暗通道先验理论在求取大气透光强度方面的不足,提出了基于图像分割的局部熵法来求取大气透光强度,再利用暗通道先验理论求出透射率,然后由能见度检测原理计算出能见度。最后,根据日兰高速公路K113+000处雾天下的视频图像,对改进暗通道先验算法与传统暗通道先验算法进行实验对比,并以能见度检测仪的检测结果为参照。结果表明：当实际能见度为100 m左右时,改进算法检测的平均相对误差(MRE)为6.25%,比传统算法减小了2.38%;当实际能见度为150 m左右时,改进算法检测的MRE为6.17%,比传统算法减小了3.06%;当实际能见度为200 m左右时,改进算法检测的MRE为5.71%,比传统算法的减小了3.41%。随着光照强度的增...     

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.     

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。     

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。     

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。     

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。     

天空区域分割修正的图像去雾新算法

为了改进基于暗通道先验假设图像去雾算法的细节信息丢失、大气光强值估计偏低、天空区域去雾效果不佳等不足,笔者提出一种天空区域分割修正的彩色图像去雾新算法。新算法在暗通道先验算法的基础上,对暗通道与亮通道先验模型进行带参线性加权运算,提出加权平均融合COPLIP模型和MSR模型的天空区域修正新模型及实现算法。与现有去雾算法比较,实验结果表明新算法能够克服现有算法对于天空区域去雾效果不佳的问题,同时通过客观评价指标验证了新算法的有效性。