基于高精度大气耗散函数的快速雾天图像复原

针对基于大气散射模型去雾的求解是一病态问题,提出一种基于高精度大气耗散函数的快速雾天图像复原算法。算法从大气散射模型出发,通过引入大气耗散函数提出一种简化的大气散射模型;通过寻找天空区域或雾最浓区域的思想构造出一种环境光的高精度求解方法;基于类形态学的思想,通过计算拉依达准则下限值的策略获取高精度的大气耗散函数,由此根据简化的大气散射模型实现对雾天图像的快速复原。实验结果表明该算法能够真实地恢复场景的色彩和清晰度,提高图像质量,并且算法的时间复杂度达到图像像素数的线性函数,在计算速度上取得了较大的提升。     

图像去雾透射率的优化算法

在雾、霾等天气条件下,大气粒子的散射作用导致图像严重降质。本文提出一种简单快速的基于物理模型的 图像去雾新算法,对大气散射模型进行化简,得到新的去雾模型。然后,利用暗原色先验方法估计大气光值A,并代入新的简 化模型,得到去雾图像。实验表明,该算法在处理速度和去雾效果上都优于现有算法。     

基于双边滤波的图像去雾

目的在雾、霾等天气下,获取的图像受到大气粒子散射的影响而严重降质。针对这一问题,提出了一种基于双边滤波的单幅图像去雾算法。方法此算法是以大气散射模型为基础。首先利用双边滤波保持边缘的平滑特性得到准确的大气耗散函数。其次,针对明亮区域失真的问题,本文提出了弱化明亮区域去雾的方法。最后,通过变换大气散射模型得到清晰的无雾图像。结果大量实验结果表明,本算法恢复的图像清晰自然,尤其是在远景处和景深突变的边缘处的处理能取到很好的去雾效果。此外,其时间复杂度为图像大小的线性函数。结论针对雾、霾天气下的降质图像,基于大气散射模型与双边滤波特性,本文提出了一种新的单幅图像去雾算法。实验结果表明,本算法能获得很好的去雾效果,尤其在细节处理的表现优于Tarel的去雾算法。同时,与He Kaiming的去雾算法相比,运行时间具有明显优势,有利于实现实时性技术应用。     

结合精确大气散射图计算的图像快速去雾

提出一种基于精确大气散射图的单幅图像快速去雾算法.首先基于大气散射光的特性,充分利用双边滤波保边缘的平滑特性,估测大气散射光和图像局部对比度,并通过引入像素值与平均灰度值的比较,得出更加准确的大气散射图,然后根据大气散射模型复原雾天图像.通过对获得的结果图像进行色调调整和局部去噪的优化处理,得到一幅视觉上较真实的清晰无雾图像.通过与几种典型的图像去雾算法比较,表明本文算法对于远景和深度发生突变的位置可以获得更好的去雾效果.同时,本文算法的时间复杂度与图像大小成线性关系,并且由于本文算法可以并行运行,因此可以进一步采用GPU加速,从而使得本文算法可以满足实时应用的需求.     

基于构造简化模型和局部大气光遮罩的去雾算法

针对雾天条件下图像降质的问题,提出一种基于构造简化模型和局部大气光遮罩的单幅图像去雾算法.该方法从大气散射模型出发,通过构造雾浓度检测函数,检测出准确的大气光值选取区域,进而建立简化大气散射模型,并利用简化模型构造局部大气光遮罩.然后通过计算拉依达准则下限值的策略获取引导图,利用引导滤波进行区域平滑并保持边缘特性,再结...     

一种简单快速的图像去雾算法

在雾、霾等天气条件下,大气粒子的散射作用导致捕获的图像严重降质。提出一种简单快速的基于物理模型的图像去雾新算法。首先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型化简,得到新的去雾模型。然后,利用暗原色先验方法估计大气光值A,并带入新的简化模型,得到去雾图像。方法不需要求取过多的变量,只需要求取大气光值A,大大提高了算法的效率。最后大量实验表明,该算法无论在处理速度还是去雾效果上都优于现有算法。     

雾霾天气下可见光图像场景再现

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对比度、清晰度下降,提出了单色大气散射模型新的求解方法. 首先,将单色大气散射模型类比Retinex模型,重新解释了大气传递图;依据大气传递图的先验知识和几点假设,建立目标函数的变分模型,将大气传递图的估计问题转化为二次规划问题. 通过带约束的归一化最速下降法获取最优解,并采用多分辨率技术加速计算;在HSI空间的亮度分量上反解单色大气散射模型,得到反射图像,并依据大气传递图自适应校正饱和度分量. 实验结果表明,新算法可有效去除雾霾,再现真实场景的对比度和清晰度,同现有去雾算法相比,本文算法取得了相似甚至更好的去雾效果.     

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.     

海天背景图像去雾方法研究

海天背景图像存在大面积天空区域,且在远距离平视时目标一定出现在海天线附近,现有的去雾算法对天空区域的改善都是弱化天空区域的处理,这样势必会造成海天线附近去雾效果的减弱,不利于后续的目标检测.针对该问题,提出一种基于大气散射模型的图像复原去雾算法.首先,利用海天背景图像的特点,采用边缘检测算子将图像划分为天空和非天空区域,并结合大气光的物理意义,取天空区域最大的值作为大气光的估计值;其次,针对有雾图像对比度很低而无雾图像对比度较高这一先验信息设计代价函数,并通过SLIC超像素分割进行分块,通过求解每个小块内该函数的最小值,估计出粗透射率,再用引导滤波对粗透射率进行细化从而消除块效应;最后,利用大气散射模型,代入前两步求得的参数便可以得到恢复的无雾图像.实验结果与分析结果表明,本文能对海天背景的图像取得较好的去雾效果.     

改进大气散射模型实现的图像去雾算法

传统大气散射模型在图像去雾的求解过程中通常假设场景入射光为全局常量,然而这种假设并不合理,为此提出一种基于改进大气散射模型的图像去雾算法.首先基于亮通道先验和模糊聚类对雾图进行场景分类,并估计出各个场景的入射光照;然后根据光学辐射特性估计出场景结构,并利用雾气浓度估计模型进一步获得透射率的表达式;最后通过改进大气散射模型恢复出无雾图像.大量对比实验结果表明,该算法能够恢复出细节丰富、清晰自然的无雾图像,计算速度相对较快,能满足一般工程的实时性要求.     

Single Image Fog Removal Based on Local Extrema

Atmospheric conditions induced by suspended particles, such as fog and haze, severely alter the scene appearance. In this paper, we propose a novel defogging method based on the local extrema, aiming at improving the image visibility under foggy or hazy weather condition. The proposed method utilizes atmospheric scattering model to realize the fog removal. It applies the local extrema method to figure out three pyramid levels to estimate atmospheric veil, and manipulates the tone and contrast of details at different scales through multi-scale tone manipulation algorithm. The results on the experiments of comparison with traditional methods demonstrate that the proposed method can achieve more accurate restoration for the color and details, resulting in a great improvement in image visibility.      

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。     

消除halo效应和色彩失真的去雾算法

目的 雾天条件下采集的图像存在低对比度和低场景可见度的问题,传统的去雾算法易产生halo效应和色彩失真问题。为此,结合大气散射光特性提出一种基于相对总变差的图像复原方法。方法 首先从大气散射光与纹理信息无关的角度出发,利用相对总变差分离图像主结构和图像纹理信息准确估计大气耗散函数,通过引入一个自适应保护因子来避免复原图像的色彩失真问题,最后由大气散射模型计算复原图像并进行图像的亮度调整,得到一幅清晰无雾的图像。结果 通过与经典的去雾算法比较,表明该方法可以有效避免halo效应和天空颜色失真等不足,并且在图像的深度突变处也能得到很好的去雾效果。结论 实验表明该算法的场景适应能力较强,时间复杂度与图像的大小成线性关系,相比于前人的算法在计算速度上有一定的提高。     

基于相对透射率估计的快速图像去雾算法

针对暗通道先验算法中恢复效果偏暗以及运算时间过久的问题,提出一种基于相对透射率估计的单幅图像快速去雾算法。该算法在分析雾霾条件下场景深度与最小值图像关系的基础上,依据景深相对量初步估计透射率,利用改进的均值滤波器作精确化调整,最后根据大气散射模型复原清晰图像,并通过亮度增强改善其视觉效果。该算法对透射率的估计简单、有效,复原图像清晰、自然,并且具有较高的细节可见度和层次感。实验结果表明,该算法在去雾效果和处理速度方面均有很大改善,有利于实现实时性应用。     

基于透射率归一化的单幅图像去雾算法

在有雾天气条件下拍摄的图像,由于光线在传播人过程中受到空气中悬浮颗粒的散射,导致图像内容模糊不清,颜色偏灰白色。为了恢复出清晰的图像,根据大气散射物理模型,提出一种单幅图像去雾算法。首先,该算法从大气散射模型出发,对大气光模型进行变形化简,得到新的去雾模型。然后对大气光值估计,并利用在局部统计上不相关性恢复透射率。最后,对透射率进行归一化处理,带入模型,得到恢复图像。实验结果表明,该算法能够很好地恢复图像的对比度和保持图像的真实颜色。     

基于导向图优化的单幅图像深度去雾算法

针对雾霾等天气条件下获取的图像出现对比度下降、颜色失真等降质现象,提出一种基于导向图优化的单幅图像深度去雾算法。该算法在对大气散耗函数特性进行分析的基础上,引入图像局部均值和标准差优化导向图;再进一步对导向图进行分区域滤波,得到平滑且边缘清晰的导向图;然后采用快速引导滤波估计大气散耗图;最后根据大气散射物理模型恢复清晰图像。实验结果表明,恢复的图像清晰自然,细节丰富,近景去雾彻底,远景去雾有很大提升,在景深突变处的边缘取得较好的效果,提高了户外视觉系统的视见度和鲁棒性。     

基于物理模型的低照度图像增强算法

针对低照度图像反转后为与雾天图像相似的伪雾图,其雾的浓度由光照情况而非景深决定这一特点,提出一种基于物理模型的低照度图像增强算法。该算法根据光照情况给出一种更加准确且快速的新方法估计伪雾图的透射率。首先,采用暗原色先验规律对伪雾图的环境光值进行估计,并基于光照情况对透射率进行估计;然后,基于大气散射模型还原出无雾图像;最后,对无雾图像反转得到低照度图像的增强结果,并对该结果进行细节补偿得到最终的增强图像。大量实验表明,与基于暗原色先验的增强算法、基于去雾技术的增强算法及带色彩恢复的多尺度Retinex算法相比,该算法处理效率更高且效果良好,信息不会丢失,可有效提高图像分析识别等系统的工作效率。