雾天模糊图像的清晰化方法

为改善雾天拍摄图像的清晰度,提出一种实用的图像去雾方法。先利用暗原色先验算法去除图像雾干扰,再运用插值抠图算法进一步改善图像去雾效果,最后利用图像的区间值信息对其进行放大,以便获得满意的视觉效果。实验结果表明,该去雾方法不仅可直接估计雾的浓度,并且可得到去雾后的高清晰图像。     

基于近红外的图像去雾方法

针对雾天可见光图像降质现象,提出一种简单、有效的自动去雾算法。算法充分利用了近红外透雾能力强,可见光图像色彩亮度好的特点。首先利用暗原色先验估计出雾浓度分布,然后根据此分布计算出归一化暗原色图像亮度分布系数,并对其进行双边滤波处理,最后利用该系数将近红外与可见光图像进行融合。实验结果表明,该算法能有效地改善雾天图像质量,且具有广泛的应用前景。     

基于大气消光系数和引导滤波的浓雾图像去雾算法

针对浓雾天气下户外采集的图像退化严重的问题,提出了一种浓雾图像的去雾算法。本文简化了雾天成像物理模型,提出雾浓度因子的概念,并在分析影响雾天能见度因素时借助大气消光系数建立了能见度和雾浓度因子的关系。通过对单幅浓雾图像的能见度值进行估计求得雾浓度因子的值,再结合灰度图像引导滤波估计大气光值,最后借助修复函数完成有雾图像的去雾处理。去雾实验结果显示：本文算法处理后的图像亮度效果好,图像对比度和清晰度高,图像整体视觉感知效果好。     

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。     

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。     

改进的基于边界限制的图像去雾算法

为快速有效地解决单幅雾天图像降质这一问题,提出了一种改进的基于透射率边界限制的去雾算法。该算法基于雾天退化模型,针对雾天图像明亮区域去雾容易失真的情况,改进了边界限制条件,用于求解透射率,在进行透射率优化时采用了一种效果更佳的彩色图转灰度图算法。实验结果表明该改进算法有效可行,尤其在明亮区域也可以取得很自然的去雾效果,在效率上较其他算法也有较大提升。     

基于暗原色先验的Retinex去雾算法

针对雾天图像去雾问题,提出了一种基于暗通道先验理论的Retinex算法。首先利用引导滤波估计图像透射率优化暗通道先验算法,获取初步去雾图像并对去雾图像进行空间转换;在转换后的HIS空间中建立高斯尺度参数与透射率的指数关系,重新构造高斯滤波核并根据MSR算法对近处景物做大尺度变换以增强颜色保真性,对远处景物做小尺度变换以增强图像细节显示,实现根据景深大小完成自适应MSR算法以优化图像亮度分量I;对饱和度分量S进行自适应线性拉伸以优化图像色彩,最后由HIS空间重新转换为RGB空间得到最终增强图像。实验表明:与几种典型的图像去雾算法相比,经基于暗通道先验理论的Retinex算法处理后的图像清晰度和对比度提升明显,同时获得很好的图像色彩层次感。     

暗原色先验图像去雾改进算法

针对含雾图像的去雾增强问题,提出基于环境光调节参数的暗通道去雾改进算法,该算法考虑到使用暗原色先验算法在图像中含有较多的类似大气等场景时,会降低图像的去雾效果。首先,在含雾图像中暗原色去雾统一框架中引入环境光调节容差参数,在去雾过程中引入背景因素变化。其次,通过修正参数重新推导出准确透射率函数,并讲其应用于更新的去雾方程。最后,结合对含雾图像一本的统计,获取去雾算法的最优调节参数,该参数可以较好地适应大气环境的影响,在背景变化时可以实现对去雾效果的自适应处理。实验表明,算法可以在去雾过程结合环境背景因素的变化,在天空前景交界处能够明显改进图像去雾的效果。     

基于暗通道的图像去雾改进算法

针对传统暗通道去雾算法对有雾图像处理后存在的颜色偏差问题和在天空区域与非天空区域上去雾的效果存在较大差异的问题,提出一种基于暗通道的图像去雾改进算法。该算法在大气光值与透射率值的计算上进行了相应的改进,首先通过暗通道相关的概念及其原理的计算得到原始输入图像的暗通道图,通过计算的最优阈值将原始图像分为天空区域和非天空区域两部分,然后在两部分不同的区域上分别使用不同的方法得到大气光值的估计值并且计算出透射率的值,再将得到的初始去雾图像通过导向滤波对得到的图像进行去噪,最后得到清晰的去雾图像。实验结果显示：本算法更能有效地展示图像的真实情况,避免其他环境因素的干扰,具有一定的优越性。     

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。     

基于双向转换网络的域自适应单幅图像去雾方法

当前图像去雾算法对人工合成图像域去雾效果与真实图像域去雾效果存在较大差异。针对该问题,提出了一种基于双向域转换网络的自适应单幅图像去雾算法。首先,构建双向域转换网络,实现人工合成有雾图像与真实有雾图像之间的自适应域转换;然后,通过卷积神经网络进行图像去雾。在实验中采用RESIDE人工合成的数据集以及真实环境的有雾图像作为训练集。结果表明,在人工合成图像域和真实图像域所提算法都有较好的处理能力和模型泛化能力,峰值信噪比(PSNR)、结构相似度(SSIM)等指标均有提高。     

一种自适应暗通道先验去雾算法

基于暗通道先验的图像去雾算法是一种简单有效的图像去雾算法,但该算法在处理较高分辨率的图像时,时间复杂度较高,复原后的图像亮度偏低,且在处理具有大面积白色明亮区域图像时存在色彩失真的问题。针对这些问题,本文提出了改进的自适应暗通道先验去雾算法,新算法引入自适应的指导滤波法代替原算法中的软抠图法,提高算法的计算效率的同时获得最优滤波窗口半径。同时,新算法还通过改进透射率图估计方法,弱化对明亮区域的去雾处理,避免过增强,并调整图像亮度,优化去雾结果。通过合成雾图和真实场景雾图实验验证了新算法的有效性。合成雾图实验中采用全参考评价方式,在清晰的无雾场景上模拟雾的形成,计算加雾前与使用不同算法去雾后图像的绝对差值进行比较。真实场景雾图实验中,采用基于人类视觉感知的CNC(Contrast-naturalness-colorfulness)综合评价体系,计算同一雾图在不同算法去雾后图像的CNC指数。实验结果表明,在相同图像分辨率条件下,本文提出的自适应算法不仅去雾后图像视觉效果更加理想,而且处理时间大为减少。     

自适应暗通道先验去雾算法

基于暗通道先验的图像去雾算法是一种简单有效的图像去雾算法,但该算法在处理较高分辨率的图像时,时间复杂度较高,复原后的图像亮度偏低,且在处理具有大面积白色明亮区域图像时存在色彩失真的问题。针对这些问题,本文提出改进的自适应暗通道先验去雾算法,新算法引入自适应的指导滤波法代替原算法中的软抠图法,提高算法的计算效率的同时获得最优滤波窗口半径。同时,新算法还通过改进透射率图估计方法,弱化对明亮区域的去雾处理,避免过增强,并调整图像亮度,优化去雾结果。通过合成雾图和真实场景雾图实验验证了新算法的有效性。合成雾图实验中采用全参考评价方式,在清晰的无雾场景上模拟雾的形成,计算加雾前与使用不同算法去雾后图像的绝对差值进行比较。真实场景雾图实验中,采用基于人类视觉感知的CNC(contrast-naturalness-colorfulness)综合评价体系,计算同一雾图在不同算法去雾后图像的CNC指数。实验结果表明,在相同图像分辨率条件下,本文提出的自适应算法不仅去雾后图像视觉效果更加理想,而且处理时间大为减少。     

图像增强算法在车牌图像预处理中的研究与应用

雾天场景下摄像头采集到的车牌图像质量较低,在车牌识别系统中对图像预处理产生较大影响,从而造成车牌定位和识别效果较差。以雾天环境下实际采集的车牌图像为例,分别采用带色彩恢复的多尺度Retinex算法和暗原色先验去雾算法对实际图像增强进行仿真实验。实验结果表明,利用暗原色先验去雾算法对图像进行增强处理,能够提高图像的对比度,实现去雾效果,从而使车牌定位和车牌识别达到更好的效果。     

基于透射率估计模型和引导滤波的雾气图像去雾算法

针对雾气条件下成像设备采集图像退化严重的问题,提出一种雾气图像的去雾算法。通过对雾气天气成像物理模型的简化,找到图像复原函数中的透射率和大气光值2个关键未知量;分析影响透射率的因素,通过对大量雾气图像进行灰度分布概率统计,提出一种透射率快速估计算法;通过引导滤波估计大气光值,利用简化的修复函数完成对雾气图像的去雾处理。与HE算法(HE Kaiming, SUN Jian, TANG Xiaoou. Single image haze removal using dark channel prior. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2011, 33:2341)相比较,经本算法去雾复原后的图像信息熵值最少可提高0.060 4比特/像素、平均梯度值最少可提高0.009 55。实验结果表明,经本算法复原的有雾图像清晰度较高,细节复原较好,去雾效果明显。     

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．     

融合大气光值-图估计的无人机航拍图像去雾

针对现有去雾算法大都存在复原图像亮度低、天空明显色彩失真等问题,提出了一种融合大气光值-图估计的无人机航拍图像去雾方法。首先,根据颜色衰减先验理论获取景深图像,将景深图像内偏差最小区域均值作为大气光值;其次,设计了一种自适应随机游走聚类方法用来估计大气光图,通过自适应随机游走算法将图像聚类为N个子区域,对子区域前0.1%像素求均值作为区域大气光值,将区域大气光值组合并通过引导滤波对其进行细化,获得大气光图;然后,通过融合大气光值-图估计方法将两种大气光估计融合为新的大气光图,作为更加准确的大气光估计;利用雾霾线先验方法获得透射率,同时提出一种暗补偿方法对其进行优化,提高透射率精度;最后,根据大气散射模型,利用求得的融合大气光图和优化透射率,得到清晰的复原图像。实验结果表明,相对于比较算法,提出的算法的复原图像在信息熵、平均梯度、模糊系数及对比度上分别提升1.1%、6.3%、8.5%、6.4%,主观视觉效果更好,信息更加丰富。     

基于物理模型的自适应快速单幅图像去雾方法

为提高雾天条件下降质图像的清晰度和色彩保真度,提出一种基于物理模型的自适应快速去雾方法。该方法求取暗原色的窗口选择为最小,并根据暗原色粗估计透过率,采用改进的增加补偿函数的双边滤波做优化,且对双边滤波中敏感的参数作自适应估计,最后通过物理模型恢复图像。实验结果表明,对于单幅图像在确保去雾效果的前提下,降低了算法的复杂度,且没有光晕效应。