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。     

基于暗通道优先的单幅图像去雾新方法

暗通道优先(dark channel prior)规律在处理单幅户外场景图像去雾方面取得了非常好的效果,但是该方法在处理较高分辨率图像时需消耗大量的存储和计算资源,同时对于部分场景会得到不够准确的结果.仍然基于暗通道优先,根据观察实验,得到透射梯度优先规律,并结合多分辨率处理,提出了改进的图像去雾新方法.经过大量实验和理论分析,透射梯度优先不仅显著减小了去雾处理的计算量,它所引起的优化方法和参数变化还可能提升透射图计算的准确性.实验结果也证明,新方法仅需原方法1/8左右的计算时间和存储空间,就能够得到与原方法基本一致甚至更准确的去雾结果.     

基于暗通道优先烟雾检测算法的研究

烟雾的检测在现代智能消防中有着重要的应用前景。针对当前烟雾检测算法中存在的易受疑似烟雾物体的干扰,对稀薄烟雾检测灵敏度不高的问题,提出一种基于暗通道优先规律的烟雾检测算法。首先,算法根据图像暗通道优先规律和烟雾形成的传递函数,去除图像中烟雾的成分;然后,对去烟雾前后图像进行差分并根据一定门限做二值化处理,由此得到烟雾的疑似区域;最后,根据烟雾的飘动特点,对二值化图像进行背景建模和前景检测得到烟雾区域。经过实验证明,该算法对于稀薄烟雾的检测灵敏度高。     

一种快速暗通道去雾算法

基于暗通道的去雾算法计算初始透射率需要进行大量的数据比较,优化透射率时需要计算融合矩阵,这两个过程耗时巨大,使其难以投入实际应用。针对这一问题,提出了一种快速暗通道去雾方法。首先利用分区最小表的数据结构,提高初始透射率的计算速度;接着,在优化透射率时,采用基于形态学梯度的彩色图像边缘检测算法提取图像边缘信息,减少优化范围,再利用边缘信息与像素的空间信息优化透射率,避免计算复杂矩阵,从而加快了优化速度;最后,运用最小可觉差模型补偿前两个步骤导致的图像画质下降,提高图像清晰度。实验证明,快速暗通道去雾算法在保持恢复图像效果基本不变的基础上,很大程度提高了算法速度。     

单幅图像快速去雾算法研究与实现

近年来,尽管图像清晰化算法取得了很大进展,但依旧存在去雾算法复杂度高、去雾时间长以及工程化实现难度大等问题。针对以上问题,笔者首先分析了现有去雾算法的模型,并简化了该模型,提出了用暗通道图中每一行最大值的平均值作为整体大气光照值,并在SoPC(System-on-a-Programmable-Chip,可编程片上系统)平台上实现了单幅图像去雾算法。经测试发现,在SoPC平台上求解暗通道图仅需要9个时钟周期,去雾算法的整体延迟时间为83个时钟周期,对800*600的图像只需要12 ms就能完成去雾处理,且每个像素点仅延迟2.075 us。     

一种改进的基于暗通道先验去雾算法

在雾霾天气下图像质量受大气散射的作用,使得图像质量较差。针对以上问题,提出一种改进的暗通道图像去雾算法。由于带雾图像中局部区域暗通道分量不趋近于0,对大气光值的估计是通过局部像素点R、G、B三通道像素值的方差来判断其波动幅度。若波动较大,则选出三通道中的较小值为当前像素点的暗通道像素值;若波动较小,则通过其周围像素点中最小通道的均值来确定当前点的暗通道值,从而得到精准的暗通道图和大气光值。将采样的方式加快求取透射率图的速度,最后转变为HSI颜色空间可以对图像进行更好的复原。实验结果表明,该算法可以针对色彩失真的状况得到有效的改善,同时在得到去雾图像速度上提高50%以上。     

暗原色先验图像去雾改进新方法

针对暗原色先验在明亮区域和天空区域透射率估计值偏小,致使复原图像亮度偏暗、颜色失真等问题,提出了一种新的图像去雾算法。在计算暗通道函数时,定义了一类平滑暗通道对3个颜色通道值的集中趋势进行描述,则该区域像素点的暗通道的值为其三原色通道的平均值,代替原来的最小值。使用均值滤波得到平滑的粗透射率,再通过引导滤波对透射率进行细化处理,进而估计全球大气光值,有效地去除了光晕效应及黑斑效应。将图像像素的亮度值与全球大气光值进行比较,对处在一定范围内大于或小于大气光值的像素点作为明亮区域的点,并对该点的透射率进行修正,使求得的透射率更为准确,复原后的图像细节更加清晰。实验结果表明,该算法能有效解决大面积明亮区域图像失真的问题,复原后的图像也具有较高的亮度和对比度。     

单幅图像的景深曲面拟合算法

随着我们对外景图像的质量要求越来越高,对有雾图像的去雾显得尤为重要。基于暗通道先验信息,在对大量有雾图像的雾气浓度分布分析后,总结出雾气分布与暗通道图像的关系,对暗通道图像进行三维曲面拟合估计图像景深。该算法兼顾去雾效果和处理效率,使得在原暗通道算法的基础上实时性得到大幅提升。     

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。     

改进的暗通道先验快速图像去雾算法

针对暗通道去雾算法复杂度过高的问题,提出一种基于暗通道的快速去雾算法。首先对图像分块处理,提高求取暗通道值的速度;接着采用线性插值算法平滑处理,消除块状效应;然后根据暗通道先验求得透射率;最终利用大气散射模型得到清晰无雾图像。实验结果证明,在保证良好去雾效果的前提下,相比原暗通道算法,所提算法复杂度被有效降低,去雾所需时间也降为原来的1/10左右,达到准实时。