基于颜色饱和度的快速图像去雾研究

在雾霾天气条件下,室外场景图像往往会产生严重退化,造成图像对比度的下降和颜色的衰减。为得到清晰无雾的图像,从单色大气散射模型出发,提出一种基于颜色饱和度的快速图像去雾算法（FIDS）。首先,大气光亮度[A]通过四叉树方法进行估计,接着采用饱和度运算对透射率进行估计,并对其修正和平滑保边得到较精确的大气透射率,最后基于大气散射模型获取最终的去雾图像。对比实验结果表明该算法能提高图像的清晰度和运算效率,很好地恢复图像的颜色和对比度。     

基于视觉物理模型的去雾算法

针对现有图像去雾算法不能有效增强复杂大气环境下退化图像的问题,结合单色 大气散射模型、大气传输函数(ATF)以及Retinex 提出了一种基于视觉物理模型(VPM)的图像去 雾算法。新模型可同时描述非均匀光照退化、雾霾退化以及噪声退化等复杂大气环境下的图像 退化。模型求解过程首先使用变分法消除环境光退化,然后引入马尔科夫随机场将场景反射率 求解问题转换为了最大后验概率问题,最后利用对比度抑制自适应直方图均衡来校正场景反射 率亮度,从而实现图像去雾。实验结果表明VPM 能够指复杂大气环境下退化图像的增强,使 其物理保真度和视觉愉悦性得到有效改善。     

基于深度学习的遥感图像去雾算法

针对遥感图像由于雾霾的存在导致图像清晰度下降的问题,提出了一种基于深度学习的图像去雾算法.首先将原有大气散射模型进行变形得到一个端到端的去雾模型,再将多个未知参数统一在一个参数中,运用多尺度卷积神经网络对未知参数进行估计,最后将参数估计值代入去雾模型中得到无雾图像.针对无参考图像数据集,先运用现有数据集对网络进行初步训练,再加入自建数据集对网络进行二次训练.实验结果表明,与相关去雾算法进行对比,该算法在视觉效果和客观指标上都有不同程度的提高,有效提升了遥感图像在雾霾天气状况下的清晰度.     

视觉信息损失先验的图像分层去雾方法

目的 针对自然场景下含雾图像呈现出低对比度和色彩失真的问题,提出一种基于视觉信息损失先验的图像去雾算法,将透射图预估转化成求解信息损失函数最小值的目标规划问题。方法 首先通过输入图像的视觉特性将图像划分成含雾浓度不同的3个视觉区域。然后根据含雾图像的视觉先验知识构造视觉信息损失函数,通过像素值溢出映射规律对透射率取值范围进行约束,采用随机梯度下降法求解局部最小透射率图。最后将细化后的全局透射率图代入大气散射模型求解去雾结果。结果 结合现有的典型去雾算法进行仿真实验,本文算法能够有效地复原退化场景的对比度和清晰度,相比于传统算法,本文算法在算法实时性方面提升约20%。结论 本文算法在改善中、浓雾区域去雾效果的同时,提升了透射图预估的效率,对改善雾霾天气下视觉成像系统的能见度和鲁棒性具有重要意义。     

一种快速单幅图像去雾新方法

为了再现雾霾天气下可见光图像的清晰场景,有效抑制雾霾退化造成的图像对比度、清晰度下降,本文提出了一种基于改进的双边滤波器的快速有效的去雾新方法.该方法引进了本文首次发现的简洁高效的“类高斯核”,代替传统双边滤波器的高斯核.改进的双边滤波器具有很好边缘保持特性,用该滤波器来准确优化雾天大气传输率的估计,大大提高了计算效率;在大气光值估计中,对暗通道和原图两个区间亮度最大值,进行加权平均,精确的估计出雾天大气光值.本文算法具有很快的处理速度,能有效提高复原图像的清晰度和对比度,获得较好的图像颜色.     

新的雾霾退化场景再现快速算法

雾霾天气条件下,由于大气粒子的散射作用,使采集图像对比度、清晰度等方面产生降质。针对这一问题,提出了一种新的图像雾霾去除算法。算法从单色大气散射模型出发,根据有关大气光衰减项的先验知识与假设,构建有约束最优化问题对大气光衰减项进行直接求解。根据散射模型与大气光衰减项求解结果实现对原始场景反照率的恢复。实验证明,所提算法能够较好地对具有不同景深的场景图像信息实现恢复,提升场景视见度,算法鲁棒性较好,与同类算法相比运行效率提高1倍以上,能够较好地运用于智能交通监控等可见光计算机视觉系统。     

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.     

基于颜色衰减的自适应去雾算法

雾霾使室外拍摄的图像、视频画质退化严重,给室外安防和交通监控等系统的正常运行带来困难。去雾算法旨在恢复图像质量,增强图像对比度和清晰度。本文提出了一种结合大气散射模型与颜色衰减先验的去雾复原模型,并以新增可见边比为评价标准,给出了模型参数的自适应求取方法,并采用引导滤波对透射率进行优化,从而较好地恢复出无雾图像。对有雾图像分别采用本文方法和三种现有去雾算法进行对比实验,从实验结果看,基于颜色衰减的自适应去雾算法可使图像清晰度、对比度得到较大的提高,与其他算法相比,在实时性和清晰度方面有一定优势。     

基于半反图像的导向滤波光补偿快速去雾算法

针对传统的基于暗原色先验的单幅图像去雾算法速度慢、效率较低,去雾不彻底以及在明亮区域颜色失真等问题,提出了一种基于半反图像的导向滤波光补偿快速去雾算法,将经过阈值调整的半反图像作为导向图,通过引导滤波得到大气散耗图,根据大气散射物理模型恢复清晰图像,并将恢复的图像进行参考白光补偿得到最终的去雾图像.实验结果表明:算法不仅降低了传统算法的时间复杂度,而且有效恢复了场景的对比度和饱和度,近景去雾彻底,远景去雾效果提升明显.     

结合直方图均衡化和暗通道先验的去雾算法

针对暗通道先验单幅图像去雾算法去雾不彻底且速度慢的问题,提出了一种结合直方图均衡化算法的改进算法.在分析光晕产生的基础上,算法对有雾图像的最小值图像进行了直方图均衡化,提高了最小值图像的对比度;利用双边滤波平滑且保持边缘的特性细化对比度增强后的最小值图像,以其作为引导图对初始透射率图细化.同时,取暗通道图像中强度值在前0.1%的像素点的值求平均值,作为大气光值A,根据大气散射模型恢复无雾图像.实验结果表明:算法得到的透射率图恢复的图像具有更好的清晰度,提高了运算速度,弥补了传统算法在明亮区域透射率估计的不足.     

基于人眼视觉特性的快速单幅图像去雾算法

为从降质图像中去除天气的影响,提出一种快速的图像去雾算法。该算法基于二色大气散射模型,针对雾天图像的亮度分布特点以及人眼的视觉特性,首先采用亮度分量来估计粗略传输图,然后采用线性空域滤波对粗略传输图进行细化处理,并利用大气散射模型得到复原图像,最后采用基于人眼视觉特性的拟合函数对复原图像进行亮度调节,使恢复的图像更自然、清晰。大量实验结果表明,该算法恢复的图像在对比度、信息熵和运算时间等客观评价标准上都优于现存算法,具有良好的视觉效果。     

改进多尺度卷积神经网络的单幅图像去雾方法

针对当前已有的去雾方法容易造成天空区域存在光晕以及色彩失真的现象，提出了一种多尺度卷积结合大气散射模型的单幅图像去雾算法。将原始有雾图像与三个不同尺度的卷积核进行卷积，经过一系列特征学习后得到粗略的传播图，然后使用引导滤波器对其进行优化，得到精细化后的传播图。利用粗传播图和有雾图像计算出全局大气光。根据大气散射模型反推出无雾清晰图像。实验结果表明，该方法对天空区域的处理更加自然，在图像的纹理细节以及颜色失真上有较好的效果。     

基于雾气浓度估计的图像去雾算法

根据雾气浓度的视觉特征,提出一种雾气浓度估计模型.在此基础上,结合大气散射模型,提出一种新的图像去雾算法.首先,基于雾气浓度估计模型计算出雾气浓度量化图,利用模糊聚类算法在量化图中识别出雾气最浓区域并估计出全球光; 然后,对量化图中的“非雾气最浓”区域再次进行聚类处理,根据文中所提最优透射率评价指标估计出每个聚类单元的透射率,将全球光与透射图以及有雾图像导入散射模型,便可达到去雾的目的; 最后,针对去雾后图像较实际场景偏暗,提出一种基于小波域的多尺度锐化算法进行增强处理,以改善其主观视觉质量.实验结果表明,本文算法与现有主流算法相比,具有更好的去雾效果,并且其计算速度也相对较快.     

基于暗通道先验和核回归的图像去雾研究

在雾霾天气条件下,由于大气粒子的散射作用导致观察到的图像质量在一定程度上有所下降。本文提出一种基于暗通道先验知识和局部多项式核回归的图像去雾方法。首先,根据暗原色先验原理估计出大气光强度和初始透射率。其次,采用局部多项式核回归对透射率进行平滑和细化。最后,利用细化后的透射率和估计的大气光强度恢复雾天图像。实验结果表明,采用该方法可以有效地实现去雾。与目前最先进的方法相比,处理后的图像保留了更多的细节信息,且提高了图像清晰度。     

基于引导滤波改进的暗原色去雾算法

针对雾天条件下户外图像存在清晰度降低和色彩偏移的现象,提出一种基于引导滤波改进的暗原色去雾算法。首先,采用暗原色先验理论估计出粗透射率,通过灰度的引导图像对粗透射率进行引导滤波的细化处理;然后,对图像中暗原色失效的区域进行判定,利用调整因子对该区域的透射率进行修正;最后,通过大气散射模型获得复原图像,并对HSI颜色空间进行亮度均衡化,使复原图像得到增强。实验结果表明,该算法能复原出细节突出、色彩自然的图像,具有较高的运算效率。     

一种快速的暗通道去雾算法

为了在保证暗通道先验假设去雾效果的基础上,加快处理速度,提出了一种快速去雾算法。首先,根据暗通道先验假设结合中值滤波得到透射图;再根据函数构造的思想对透射图进行精确化处理;最后,采用直方图非线性拉伸实现处理后图像亮度的调整。通过对大量雾天图像处理效果图与近年来一些去雾算法处理效果图的主观和客观比较表明,该算法在保证去雾质量的前提下,提高了速度,而且去雾后图像色彩鲜艳,细节清晰。     

基于颜色衰减先验的小波融合图像去雾

针对图像去雾问题,在颜色衰减先验基础上提出了一种基于小波融合的单幅图像去雾方法。首先,通过颜色衰减先验假设建立了透射率关于图像亮度、饱和度的线性模型,估计出图像的粗略透射率信息。其次,提取雾图像灰度图的细节信息作为透射率的细节补充。最后,采用小波变换将两者进行融合,得到准确率高的透射率,进而恢复出清晰图像。该方法避免了大气散射系数的人工选择,自动化程度高。并且结合了原图像的特性,提高了透射率的准确性。实验表明该方法泛化效果好,恢复出的图像彩色自然。     

基于暗原色先验的单幅图像快速去雾算法

针对雾天环境下图像清晰度降低以及色调偏移问题,提出一种基于暗原色先验的单幅图像快速去雾算法。首先使用灰度开运算代替最小值滤波得到粗略暗通道图,根据方差标记出雾天图像各个景深突变区的位置,并对突变区的暗原色值进行细化求解;其次求解出透射率的粗略估计并使用引导滤波来进行优化;然后使用一种自适应的容差机制对天空等明亮区域的透射率进行动态修正;最后利用大气散射模型复原出无雾图像。实验结果表明,与几种典型的图像去雾算法相比,所提算法具有较快的处理速度,同时得到的复原图像细节突出、色彩丰富。