结合暗通道先验和MRF理论的单幅图像去雾算法

针对在雾霾环境下获取的图像降质严重、现有算法去雾图结构细节信息丢失较多的问题,提出了一种结合暗通道先验(DCP)和马尔可夫随机场(MRF)的单幅图像去雾算法。该算法先采用子块部分重叠局部直方图均衡(POSHE)对原始雾图进行增强,以提高其对比度,并通过DCP算法获取优化后的透射率;利用MRF模型对图像结构细节信息的约束特性,对透射率进行建模,以进一步细化透射率;由天空域的显著特征,通过分块搜索法求取大气光值。与传统去雾算法相比,该算法能得到更精确的透射率图,有效保持图像结构信息,去雾后的图呈现出丰富的细节和较真实的色彩视觉效果。     

采用自适应全局亮度补偿的夜间去雾算法

针对夜间雾霾天气情况下还原的去雾图像存在颜色失真、纹理损失严重、去雾效果差等问题,本文提出了一种夜间去雾算法,采用自适应全局亮度补偿、同态滤波、限制对比度自适应直方图均衡化算法以及联合双边滤波对降质图像进行处理,结合大气散射模型得到还原的去雾图像。实验结果表明,该算法的夜间去雾效果好、处理速度快,较对比算法在对比度、平均梯度以及信息熵上均有改善,有效减少了还原图像的颜色失真、纹理损失。     

基于双域分解的图像增强算法

为解决图像增强中对比度提高与噪声抑制的矛盾,本文提出了一种基于双域分解的图像增强算法,同步实现图像对比度提高与噪声抑制.文中详述了空域分解、分层图像空域增强与变换域降噪、分层图像合成三个主要环节的原理、方法.首先,高斯滤波器将图像分解为基础层和细节层,实现对比度提高与噪声抑制的解耦合;其次,带校正功能的单尺度Retinex和硬阈值收缩的非下采样剪切波降噪算法同步实现基础层的增强和细节层的降噪;最后,分层图像合成、灰度数值延展和微分算子强化,实现合成图像的灰度延展与细节加强,确保增强图像的颜色均匀、细节突出.实验表明,本文算法提高图像对比度和抑制噪声的性能优于其他九种算法.     

采用暗态点光源模型的夜间去雾算法

针对夜间雾、霾场景下的去雾图像存在颜色失真、纹理损失、亮度低等缺陷,本文提出了一种采用暗态点光源模型的夜间去雾算法,通过构建夜间雾、霾场景的暗态点光源模型,利用联合双边滤波、限制对比度自适应直方图均衡化等算法对降质图像进行处理,结合大气散射模型得到去雾图像.实验结果表明,该算法的处理速度快、夜间去雾效果较好,较对比算法...     

基于激光传感器的模糊图像增强研究

图像增强的效果直接影响图像的高级处理与解译结果,针对模糊图像增强问题,结合激光传感器与图像处理相关算法,设计了基于激光传感器的模糊图像增强系统。所设计系统包括图像预处理模块与图像增强处理模块两部分;预处理模块采用激光传感器进行图像采集工作,并结合概率密度函数、傅里叶变换与均值滤波法进行图像的去噪、去模糊与去雾处理;完成图像预处理后,在图像增强模块,先利用直方图均衡算法更新图像像素灰度,增强图像对比度,再运用高频提升滤波器对图像进行滤波处理,最终得到增强图像并输出。实验结果表明,与当前图像增强系统相比,所设计系统增强处理后,图像的信息熵与对比度更高,且处理过程耗时更短,能够满足图像处理的实时性要求。     

基于图像增强和复原的图像去雾方法研究

雾霭等天气下获得的图像存在对比度低、颜色退化、景物模糊等一系列图像退化的问题,直接影响了对图像信息的有效利用。因此,对雾天图像进行有效的去雾处理,有效改善降质图像的质量,具有一定的实际意义。分析讨论基于图像增强的多尺度Retinex算法和利用图像复原原理的基于暗原色先验理论的去雾算法,并对具有不同特点的单幅有雾图像进行去雾仿真。实验结果表明,不同理论基础的两种去雾算法各有特点,基于暗原色理论处理得到的图像去雾效果更显著,算法运行速度更快。     

一种改进的透射率分布估计的夜间图像去雾算法

针对基于暗通道先验理论（dark channel prior, DCP）的去雾算法在处理夜间有雾图像时细节信息缺失、光源区域的纹理受损严重的问题,本文提出了一种改进的透射率分布估计的夜间图像去雾算法。通过引入暗态点光源模型、暗通道可信度权值因子和伪去雾图像,结合夜间图像成像模型,获取改进的透射率分布,对夜间降质图像进行去雾处理。实验结果表明,经本文算法处理后的图像在纹理细节上损失小、图像清晰度高,图像明暗对比度得到较好的拉伸,可以实现夜间有雾图像的有效去雾。     

一种近地背景下红外弱小目标检测预处理算法

构建了近地背景下的小目标图像模型,提出了一种基于暗图像处理和改进非局部均值滤波的红外图像预处理算法.采用图像去雾思想,将红外图像类比为有雾图像,通过暗通道去雾方法实现近地背景抑制,并引入相似度权值阈值改进双边NLM(Non-Local Means)算法,减少邻域内相似度权值较低的像素点对灰度值估计的影响,得到预处理后的红外图像.实验表明,对于近地背景下红外弱小目标检测,该算法能够有效抑制背景,增强目标与背景对比度,提高红外图像预处理性能.     

基于暗原色先验去雾的改进算法

暗原色先验去雾方法在单幅图像去雾方面效果明显,但该方法算法复杂度高、处理耗时。针对该算法不足之处,在传统的暗原色先验去雾方法基础上,提出一种改进算法。改进算法通过高斯滤波和腐蚀对透射率图进行优化;同时,为避免原算法的冗余计算,采用了一种快速计算初始透射率方法;并且通过Gamma变换和对比度增强方法对去雾后图像进行亮度和对比度增强处理。实验结果显示,改进算法处理效果与原算法基本一致,算法效率得到显著提高,应用在视频增强领域可以达到准实时。     

改进的单尺度Retinex雾天图像增强算法

在恶劣天气(如雾、霾)条件下,室外计算机视觉系统会采集到严重降质的图像,为生产、生活带来了严重的影响.本文基于色彩恒常理论提出了一种快速有效的雾天图像增强新算法,首先利用拉普拉斯梯度算子增强了雾天降质图像的各个颜色分量的边缘信息,然后在单尺度Retinex算法的基础上创新性提出了一种符合人眼视觉特性的中心自适应调节的拟合函数增强图像各个颜色分量,提高对比度,保持色彩信息.同时结合对比度、信息熵和运算时间等客观评价标准,与直方图均衡化和多尺度Retinex算法进行对比,验证了本算法优越性,并能满足实时处理的需求.实验仿真结果表明,该算法去雾效果显著,具有良好的视觉欣赏效果.     

退化图像的去雾方法

由于大气的散射作用,雾天的大气退化图像具有对比度低、景物不清晰的特点,给交通系统及户外视觉系统的应用带来严重的影响.因此,对雾天低对比度图像进行去雾处理有着重要的意义.在大气物理退化模型的基础上,根据雾对景物退化与深度的指数关系,提出了一种去雾算法.该方法仅需单幅退化图像,采用一种景物深度估计法佑算景物深度,并结合运用了亮度调整,最后利用亮度增益曲面对原彩色图像RGB三颜色分量同比增强,保证了色调恒定不失真.实验结果表明:该算法去雾效果显著,操作简单,且色彩自然,速度快,可以实现实时视频去雾的要求.     

基于小波变换的低对比度图像增强

针对传统算法存在噪声过增强的问题,提出了基于小波分析的图像增强算法。在小波变换多尺度分析的基础上,算法对图像多尺度分解得到的小波系数进行缩减去噪,然后在不同尺度上对各分解系数进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度;增强低频子带图像的对比度以保证整体的增强效果。实验表明,该算法能有效地增强低对比度图像,减小了噪声的增强幅度,使结果图像具有很好的视觉效果。     

基于空域和频域处理的红外图像细节增强算法

高精度高动态红外图像具有对比度低和有效灰度范围窄的特点,因此为了提高红外图像细节纹理的显著性,避免空域处理中噪声和盲元对弱对比度细节纹理的影响,同时利用频域处理的全局性,提出了一种基于空域和频域处理的红外图像细节增强算法.首先在空域内对红外图像进行高频细节和低频背景的分离,然后将其转换到频域内并利用伽玛变换对细节的高频分量进行增强,同时对背景的高频分量进行抑制;将处理后的高频细节和低频背景在空域中以给定的权重值进行重建;最后利用直方图统计拉伸处理实现红外图像有效灰度范围的扩展和细节对比度的增强.实验结果表明,不论是人眼的主观评价还是客观评价,本算法都具有较强的细节增强能力和较佳的图像视觉表现,且具有实时处理的前景.     

基于去雾模型的红外图像对比度增强

为实现室外模糊红外图像对比度增强,提出一种基于去雾模型的红外图像增强方法。结合红外图像特点,对可见光去雾增强方法进行改进优化。采用三级高斯金字塔分解扩展实现图像快速均值滤波,获取透射率粗估计;通过图像统计信息自适应细化透射率,恢复出无雾图像;针对无雾图像整体亮度较暗现象,进一步采用背景抑制的分段对比度增强。实验结果表明:增强后图像细节信息突出,层次感丰富,人眼视觉效果良好。客观测评结果表明,该算法能有效增强红外图像对比度。嵌入式平台测试耗时28ms,可以实现实时红外图像增强处理。     

基于深度学习的多帧遥感降质图像三维重建算法

为提升多帧遥感降质图像对比度以及图像质量,提出一种基于深度学习的多帧遥感降质图像三维重建算法。采用三角函数变换方法并结合高通滤波器,增强多帧遥感降质图像对比度;再以包含生成器和判别器的生成对抗网络为基础,在判别器中引入自注意力层,设计自注意力机制残差模块,生成自注意力生成对抗网络模型;最后将增强后的图像输入模型进行学习和训练,获取多帧遥感降质图像的全局特征后,实现多帧遥感降质图像三维重建。测试结果表明,所提算法具有较好的多帧遥感降质图像增强能力,能够提升图像对比度,并且渗透指数（PI）均在0.92以上,重构效果良好。     

一种基于暗通道的航拍图像去雾算法

针对无人机航拍图像在雾霾天气下降质特点,提出一种基于暗通道先验原理的航拍图像去雾改进算法。根据大气物理模型和暗通道原理,对有雾图像进行自适应分块求取暗通道图;通过降采样得到初始透射率图,再应用导引滤波对投射率进行优化,同时利用最小值滤波和均值滤波求解大气光强;应用雾天模型恢复降质图像。通过实验对比验证,该算法简单且能够高效去雾,在客观评价指标上总体性能也优于其他算法。     

基于引导系数加权和自适应图像增强去雾算法

针对基于暗通道先验去雾算法易产生图像偏暗、细节信息丢失等现象,提出了一种基于引导系数加权和自适应图像增强去雾算法.首先,对原导向滤波方法进行采样和引导系数加权,快速得到精细化的透射率;然后,利用K-均值聚类将原图像标定为亮色和非亮色区域,约束透射率和大气光值,达到图像噪声抑制和大气光值优化的效果;最后,结合大气散射模型恢复图像,并利用自适应线性对比度增强方法对恢复后的图像进行优化.实验结果表明,与其他代表性去雾方法相比,由本文算法所获得的去雾图像不仅能克服图像失真、细节丢失等问题,同样在主观指标上和客观指标上都能取得较好的结果.     

基于快速引导滤波改进的暗原色先验去雾算法

针对目前单幅雾霾降质图像存在大面积天空域,导致暗原色失效复原图像失真以及去雾时间复杂度高的问题.提出一种基于暗原色先验和快速引导滤波的去雾方法,针对存在高亮天空域图像多尺度滤波采用自适应阈值分割得到天空域,在天空域求取精确大气光值,再将天空域和非天空域透射率有效归一化,最后采用暗通道图作为引导图快速引导滤波精细化透射率,最大限度保留边缘细节的同时有效降低时间复杂度.实验结果表明,该方法可以有效处理天空域,保持色彩和细节信息,在算法实时性上有明显优势.     

基于区域对比度增强的二值化算法

降质文档图像二值化问题是图像处理领域的一个难点。该文通过分析图像不同区域灰度对比度的差异,为降质文档图像提出了新的二值化算法。首先利用四叉树原理自适应划分区域,再对不同灰度对比度区域采用不同对比度增强法以调整局部区域内的灰度对比度,最后根据灰度值出现的频率确定局部阈值。该文测试了随机拍摄的降质图像及DIBCO(Document Image Binarization COntest)图像集中的50幅图像。与4种经典算法比较,所提算法处理的降质图像具有最高F-measure值和峰值信噪比(PSNR值)。     

基于透射率权值因子的雾天图像融合增强算法

雾天图像增强具有重要现实意义。由于现有的图像去雾算法在提升图像全局对比度的能力上存在不足,为此将暗通道先验去雾算法与直方图均衡化算法的各自优势进行整合,该文提出一种雾天图像增强新算法。首先,分别采用基于导向滤波的暗通道先验去雾算法和基于HSV色彩空间的直方图均衡化算法处理雾天图像;然后,基于修正的透射率图构造权值因子,将上述两种处理结果加权融合,得到输出图像。仿真实验结果表明,该算法比现有去雾算法具有更高的标准差、平均梯度与信息熵,具有更好的全局与局部对比度增强效果。算法运行时间主要依赖于图像去雾环节,处理一般尺寸图像能够满足实时要求。