改进的雾霾天气交通标志图像去雾算法

现有去雾算法直接应用于交通图像时容易出现过渡区域明显、偏色严重,不能满足后续交通标志检测系统的应用要求,为此提出一种改进的基于暗原色先验的单幅交通图像去雾算法。首先利用改进的均值漂移算法对交通图像进行天空区域分割,并对分割后的天空区域采用直方图均值化算法去雾,对非天空区域使用基于快速双边滤波的暗原色先验算法去雾,最后通过图像融合得到最终去雾图像。实验结果表明,相比其他几种典型去雾算法,所提算法对交通标志图像天空区域的过渡区域和色彩失真现象有所改善,且具有较快的处理速度,通过定量分析可知去雾效果较好,能够满足后续交通标志检测系统的应用要求。     

结合天空分割和局部透射率优化交通图像去雾算法

针对现有的去雾算法在处理交通场景图像时由于透射率估计与实际情况偏差较大,尤其交通图像含有天空区域时容易导致色彩失真和产生光晕效应等问题,在暗原色先验理论的基础上,提出一种结合天空分割和局部透射率优化的交通图像快速去雾算法。首先,采用大津算法(OTSU)将原始图像分割为天空区域与非天空区域;其次,对非天空区域,利用最大值滤波和引导滤波对其透射率进行优化,采用自适应参数调整的方法对天空区域的透射率进行修正;最后,对复原的图像利用限制对比度自适应直方图均衡法(Contrast Limited Adaptive Histogram Equalization, CLAHE)调整色调,提高亮度。实验结果表明,对于天空区域,本文算法不但能有效减少产生颜色失真和光晕效应的现象,得到更为自然清晰的复原结果,对于非天空区域,复原结果的清晰度和对比度更高,而且,算法保持较高的运行效率,另外,去雾后的图像在方差、平均梯度、信息熵等指标上相对于暗原色先验算法、Tarel算法、Meng算法、Zhu算法和Berman算法均有所提升。本文方法可较好地复原雾天交通图像,能为雾天模糊的交通图像快速有效去雾复原提供重要有益的理论基础和技术支持。     

雾天交通场景中单幅图像去雾

目的 针对雾天交通场景中通常含有大片天空区域,传统去雾方法在复原这些图像时容易产生光晕、色彩失真等现象。提出一种基于天空区域分割和暗通道先验理论的图像去雾方法。方法 首先提出一种基于最大类间方差法（OTSU）的图像分割算法来自动分离天空区域,然后将天空区域的平均强度值作为大气光值,从而改进场景传输率的估计。结果 本文方法不仅有效地解决了图像去雾后出现光晕和色彩失真等问题,与He Kaiming以及Fattal的方法相比,本文方法去雾后的图像更加真实、自然、平滑。结论 实验结果表明,本文方法能够很好地完成对雾天交通图像的复原,可为道路交通监管提供一种有效的理论基础和技术支撑。     

基于天空区域分割的单幅海面图像去雾方法

为提高雾天海面图像的质量,提出面向单幅海面图像的去雾方法。将均值漂移方法与嵌入置信度的边缘检测方法相结合进行图像分割,分割后的图像用形态学膨胀与腐蚀操作进行二值化,提取出天空区域和非天空区域。对天空区域使用限制对比度直方图均衡算法去雾,非天空区域使用基于导向滤波的暗通道优先算法去雾。导向滤波通过导向图像内容来计算滤波输出,在精细化透射图方面可以得到与软抠图方法类似的效果,计算开销较小。实验结果表明,相对于暗通道优先方法,该方法在天空区域没有明显的过渡区域和偏色现象,可取得较好的去雾效果。     

结合天空区域识别的单幅图像去雾方法

针对现有图像去雾方法易于在天空区域引入负面视觉效果的缺陷,提出一个结合天空区域识别的单幅图像去雾方法;提出一个新的天空区域特征先验知识,并利用所提先验将雾天降质图像分割为天空与非天空区域;基于天空区域对大气光进行估计,并利用暗通道先验和导向全变分模型对非天空区域的透射率进行估计,从而基于大气散射模型获得去雾处理后的图像;使用一种邻域自适应的Retinex方法克服了去雾处理后图像偏暗的问题。对比实验证明,所提方法相比现有的类似方法具备更好的有效性及鲁棒性。     

含有大片天空区域图像的去雾算法

为提高包含天空区域图像的去雾效果,解决暗原色先验原理去雾容易导致天空区域色彩失真以及图像整体亮度较暗的问题,针对含有大片天空的图像,提出一种基于天空分割和色调映射的图像去雾算法.在HSI颜色空间中利用图像众数和图像连通区域提出天空识别算法,分割出天空与非天空区域;然后根据暗原色先验原理分别求取二者透射率,并在天空区域完成大气光值的估计;最后在RGB空间中利用大气散射模型复原图像,并经过改进的自适应色调映射得到最终的去雾图像.采用合成雾图、实景雾图和网络收集雾图进行实验的结果表明,该算法在主观视觉和客观指标方面均能得到质量更好的去雾图像.     

结合天空分割和条件生成对抗网络的单幅图像去雾

针对现有大多数基于暗原色先验图像去雾算法对天空区域的透射率和整体大气光值估计不精确的问题,提高去雾算法的性能,本文提出了结合天空分割和条件生成对抗网络的单幅图像去雾方法.首先,提出一种可行的基于阈值的天空分割算法把图像分割为天空区域和非天空区域,并在天空区域中估计出大气光值;然后,利用改进的条件生成对抗网络实现对透射率...     

基于天空分割的单幅交通标志图像去雾算法

针对现有去雾算法应用于交通标志图像时容易产生信息丢失、色彩失真等问题,导致去雾后图像质量较低,不能很好地满足交通标志识别系统（TSRS）的实际应用需求,提出一种基于天空分割的单幅交通标志图像去雾算法。根据大津算法结合图像灰度特征得到自适应阈值实现天空区域和非天空区域的准确分割;非天空区域采取改进的暗通道先验算法去雾,引入自适应中值滤波和快速双边滤波联合的方法优化透射率,天空区域则采取直方图均衡化算法去雾;通过融合得到无雾图像;引入高斯滤波对严重降质图像进行去雾后清晰化处理。实验结果表明,去雾后图像在峰值信噪比等多个客观评价指标上的综合表现优于其他几种去雾方法,所提算法在保证较低的时间复杂度的同时,能有效地保留图像信息,还原出清晰的真实图像,满足TSRS的实际应用需求。     

基于交通场景区域增强的单幅图像去雾方法

针对当前已有的去雾算法在雾天道路图像的处理上易造成近处路面区域和远处天空区域亮度过低、处理程度偏强,而中远处区域去雾程度较低、亮度过高等问题,以基于深度学习去雾算法为基础提出一种结合雾天道路图像场景深度和道路图像特点的去雾算法。首先基于深度学习的去雾算法原理,构建卷积神经网络求取场景透射率;然后基于大气散射模型和透射率估计出图像深度图,且构造两个参数：上阈值和下阈值来将深度图分为中、远、近三个区域;再基于深度图的不同区域构造增强函数,来确定图像处理的增强幅度照;最后在传统的大气散射模型基础上结合增强幅度照来调节不同区域的复原强度得到优化后的处理图像。实验结果表明,所提算法可以在保证良好去雾效果的前提下增强道路图像的中远处区域,有效解决了去雾后雾天道路图像近处路面和远处天空的色彩失真、对比度过低问题,提升复原图像的视觉效果,并且与暗原色先验算法、均匀与非均匀雾的视觉增强算法以及典型的基于深度学习去雾算法相比具有更好的图像清晰化效果。     

一种自适应多态特征融合的交通图像去雾算法

雾天户外获取的交通图像质量差,使用现有算法会错误估计大气光值和透射率,产生天空区域颜色失真和光晕现象,为此提出了一种自适应多态特征融合的交通图像去雾算法。根据雾天交通图像天空区域的特征,利用明暗区域检测模型划分天空和非天空区域,分别估算相应的大气光值以消除颜色失真;同时使用多尺度图像分解模型逐像素自动发掘多态特征,进一步利用自适应特征融合策略,突出局部显著特征并重组特征,细化出精准的透射图,解决光晕效应。实验结果表明：新算法复原后的交通图像视觉效果真实,客观评价指标整体优于其他经典算法,相比耗时最短。该算法有效解决了色彩失真和光晕效应,很好地满足了速度快和高精度的要求,对智慧交通建设领域具有重要的应用价值。     

一种基于改进AOD-Net的航拍图像去雾算法

针对航拍图像易受雾气影响, AOD-Net (All in one dehazing network)算法对图像去雾后容易出现细节模糊、对比度过高和图像偏暗等问题, 本文提出了一种基于改进AOD-Net的航拍图像去雾算法. 本文主要从网络结构、损失函数、训练方式三个方面对AOD-Net进行改良. 首先在AOD-Net的第二个特征融合层上添加了第一层的特征图, 用全逐点卷积替换了传统卷积方式, 并用多尺度结构提升了网络对细节的处理能力. 然后用包含有图像重构损失函数、SSIM (Structural similarity)损失函数以及TV (Total variation)损失函数的复合损失函数优化去雾图的对比度、亮度以及色彩饱和度. 最后采用分段式的训练方式进一步提升了去雾图的质量. 实验结果表明, 经该算法去雾后的图像拥有令人满意的去雾结果, 图像的饱和度和对比度相较于AOD-Net更自然. 与其他对比算法相比, 该算法在合成图像实验、真实航拍图像实验以及算法耗时测试的综合表现上更好, 更适用于航拍图像实时去雾.     

基于暗原色先验的图像去雾改进方法

本文基于大气散射模型, 建立了雾天图像复原的关系, 以暗通道原理作为基础知识, 复原雾天图像. 对不符合暗原色先验假设的大片浓雾及天空区域, 分析图像失真的原因, 通过引入容差参数来修正透射率, 防止天空区域的去雾程度过大, 从而提高含天空区域图像的复原效果. 为了避免大气光强过高, 去雾程度加强, 本文设置了大气光强的阈值, 并采用自动色阶算法对复原后的图像的色调分布进行相应调整, 使复原图像更自然, 增强其视觉效果. 完成图像去雾算法验证流程设计, 实现参数可调. 通过主观与客观的分析方式对3种算法进行性能验证与分析, 证明了改进后的算法优于前两种算法, 能够达到明显去雾的效果.     

基于颜色衰减先验的自适应Retinex去雾算法

当前的图像去雾算法中对自适应的要求越来越高,而传统的Retinex算法无法根据雾天图像的实际雾化情况进行去雾,导致处理后的图像仍然存在细节不突出以及色彩失真等问题.针对上述问题,提出了一种基于颜色衰减先验的自适应Retinex去雾算法.利用颜色衰减先验理论求得有雾图像的景深信息,通过建立的景深和高斯尺度参数的线性模型实...     

基于大气物理模型的快速视觉优化去雾算法

针对雾霾天气条件下单幅图像降质以及现有去雾方法时间复杂度高的问题,以环境光物理模型为基础,引出快速视觉优化去雾算法.首先对单幅图像阈值分割找到天空区域,并结合二叉树模型定位精确的天空光矢量,进而采用改进的约束最小二乘法滤波细化粗略透射比率,保证其边缘细节较完整且受噪声影响小,最后利用环境光物理模型实现无雾图像的还原,并采用平均梯度、信息熵和视觉保真度等指标对图像进行评价.实验结果表明,所提算法与基于多尺度Retinex的自适应图像增强方法、基于独立分量的复原方法、快速可视化复原方法和暗原色先验复原方法对比,指标值较好且实时性强.     

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。     

最小失真图像去雾算法的改进

为了从降质图像中去除天气的影响,提出改进的最小失真意义下图像去雾算法。改进算法基于二色大气散射模型,通过对天空区域的自动划分以及从信息论角度求得最小失真意义下原始图像的最优估计,从而一次性自动获取所需复原参数,实现单幅雾天降质图像复原。在Matlab平台上的仿真结果表明,改进算法具有较强的实时性和自适应性。     

导向滤波优化的单幅去雾算法

针对暗原色先验的单幅去雾算法计算复杂度高,无法满足交通监控系统中实时性需求,且大气光易受白色物体影响,以及天空区域易失真的缺陷和景物边界出现白边现象,提出了基于暗原色改进的快速去雾算法.采用四叉树搜索的算法对大气光进行精确估计,利用最大值滤波后的差值图像估计出天空区域,对透射率进行补偿,利用导向滤波器改进透射率并结合大气散射模型恢复无雾图像.实验结果表明:改进算法改善了原算法去雾效果的同时也提高了算法的速度.     

基于物理模型的单幅雾天图像去雾方法

雾天图像对比度降低,为了保证图像的可见性,需要对图像进行去雾处理。根据光学原理,雾天条件下场景的能见度下降是与场景深度呈指数关系的。为了对雾天图像进行清晰化,提出一种基于大气光学物理模型的图像去雾算法。该算法首先用四叉树方法估计出雾天图像的环境光;然后估计出使输出图像对比度最大化的传输函数;最后进行雾天图像复原。试验表明,该方法是有效的和有用的。