一种基于小波融合的雾天视频监控图像增强算法

针对雾天视频监控系统采集的图像对比度降低、图像模糊的问题,提出一种小波融合算法。该算法在已有的图像增强方法的基础上,应用小波变换、直方图均衡化和非线性增强算子来综合处理雾天降质图像。实验结果表明,该算法对比于传统的方法不但可以明显的提高图像对比度,而且增强图像的边缘细节和纹理特性,取得较好的效果。     

雾天降质图像的去雾复原新算法

针对雾天可见光图像对比度低,成像效果差的情况,提出了一种图像去雾新算法。该算法在暗原色先验知识的基础上,结合引导滤波函数,解决了雾天图像场景透射率不精确的问题。算法结果与暗原色先验方法得到的结果相比,复原效果明显,不仅还原了雾天场景的轮廓和颜色信息,而且对不同材质的物体表现更佳,使得去雾后图像的可视性增强,更加贴近真实场景。同时,对于浓雾天气条件下获取的图像,去雾能力显著,计算效率更高,大大降低了去雾算法的复杂程度。     

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。     

基于混合对比度增强的户外图像去雾方法

雾天拍摄的户外场景图像对比度和色彩降质严重,影响了视觉监控系统的可靠性和鲁棒性。针对雾天图像灰度动态范围较窄、对比度差的问题,为提高视觉精确性,提出一种基于混合对比度增强的户外降质图像去雾方法。在分析雾天图像特征的基础上,给出了一种全局去雾模型,然后基于遗传算法的全局搜索优势,对图像进行全局优化去雾处理。根据雾天图像降质与深度密切相关的先验知识,研究了一种模糊邻域对比度增强方法,进一步实现局部细节的增强处理,并进行仿真。结果表明,提出的混合去雾方法实现简单,能够有效增强雾天降质图像的全局对比度和细节结构,较好地改善视觉效果。     

基于物理模型的雾天图像复原新方法

由于雾天场景的能见度很低,因此为了保证视频监控系统的正常工作,需要对视频图像进行去雾处理。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,鉴于现有的基于物理模型方法的去雾效果不够理想,因此提出了一种新的基于物理模型的图像复原方法,该方法首先对雾天场景的光学成像建模;然后借助于一张晴天和一张雾天场景的参考图像,计算出场景各点的深度比关系,最后利用深度关系复原雾天图像或雾天视频。实验结果证明,该方法是有效的和实用的。     

基于改进的限制对比度自适应直方图的视频快速去雾算法

针对雾天视频图像对比度低、可视性急剧下降的特点,提出一种改进的限制对比度自适应直方图均衡化的视频实时去雾方法.将图像从RGB空间变换到HIS空间,根据模块之间的相似性进行自适应更新,提高图像中心的像素值权重.使用预定义的阈值裁剪直方图,限制噪声的放大和局部对比度的过增强,确保对视频图像处理的快速性.与传统方法进行比较,多组实验结果表明,该方法在信息熵、平均梯度、方差等指标上具有明显的优越性,可以有效去除朦胧,增强雾天图像的层次感;计算复杂度低,可以满足实时性应用的要求.     

野外视频监控图像去雾算法研究

在野外雾天环境下,由于大气粒子的散射作用导致图像降质严重,直接影响图像的视觉效果和应用价值,因此有必要对雾天图像进行去雾处理,以提高雾天图像的清晰度和保真度。为此,提出一种野外视频监控图像去雾新方法。基于暗原色先验去雾的原理,采用区域生长算法准确快速估计雾天图像的深度信息,应用雾天图像物理模型对图像去雾处理,并进行亮度补偿。实验结果表明,该算法能有效改善雾天图像的质量,大幅提高运算速度。     

基于负修正和对比度拉伸的快速去雾算法

针对目前主流去雾方法算法复杂度高而难以满足实时性需求的问题,提出一种提高雾天图像对比度、保持图像颜色的快速算法。对输入图像的负像进行对比度拉伸间接提升雾天图像的对比度,达到了节约运算时间的效果。针对由Lipschitz系数得到的图像结构信息设置自适应的参数,参数设置由关于Lipschitz系数的函数和关于局部像素块亮度平均值的函数两部分组成,最后利用Sigmoid函数自适应地拉伸图像,能够得到色彩自然、细节清晰的无雾图像,相对于He算法,所提算法在速度方面提升了约90%。实验结果表明,该算法在保证实时性的同时达到了较好的主观视觉愉悦性,更符合实际工程应用的要求。     

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.     

单幅图像去雾算法研究综述

随着图像处理技术和计算机视觉技术的蓬勃发展,对特殊天气下的场景检测和图像处理成为该领域的重要研究方向.其中在雾天拍摄的图像容易受雾或霾的影响,导致图片细节模糊、对比度低以至于丢失图像重要信息,为解决此类问题图像去雾算法应运而生.图像去雾算法是以满足特定场景需求、突出图片细节并增强图片质量为目的的一种图像分析与处理方法....     

基于暗原色先验的快速单幅图像去雾算法

针对基于暗原色先验理论的单幅图像去雾算法中,由于某些场景下的雾天图像存在大面积明亮区域（如天空、水面或者偏白色物体等）不满足暗原色先验假设,从而导致去雾处理效果不好的问题。基于暗原色先验理论,提出了一种改进的单幅图像去雾算法。首先利用统计截断的方法估计出大气光值;然后对暗通道图进行中值滤波得到粗略估计的透射率图,并对明亮区域的透射率图进行自适应校正处理;最后将这些参数带入大气散射成像模型完成去雾处理。实验结果显示,相较于原算法而言,所提算法可以准确地选取出天空区域的像素点对大气光进行估计,有效降低明亮区域的色彩失真。通过不同算法对不同室外场景下采集的雾天图像的去雾效果的对比可知,所提算法在对明亮区域的处理上更加合理,可以较好地处理一些带有光源的图像,恢复出的图像具有很好的细节保持,视觉效果显著提高。所提算法对含有大面积明亮区域的雾天图像具有很好的增强处理效果,可以为图像分割、语义检索、智能分析等图像处理工作提供有效的预处理手段,对于交通监管、视频监控、行车视频记录、视觉导航等研究领域具有重要的意义。     

一种矿井图像增强算法

针对煤矿井下视频监控系统采集图像对比度低、光照不均、伴有大量噪声等问题,提出一种基于加权引导滤波同步去噪的单尺度Retinex算法对矿井图像进行增强。该算法首先采用加权引导滤波代替单尺度Retinex算法的高斯滤波对图像的低频分量进行照度估计,然后采用加权引导滤波对图像的高频分量进行去噪处理,最后由对数域转换到实数域得到增强后的图像。通过主观视觉效果和客观质量评价对该算法进行验证,结果表明该算法较传统图像增强算法可获得更好的图像视觉效果,且图像处理速度更快。     

一种雾天图像低对比度增强的快速算法

为解决雾天图像低对比度问题，提出一种插值自适应直方图均衡化算法。该算法不仅避开了物理模型方法对景物信息的依赖，而且与其他图像处理算法相比能大幅度降低运算复杂度、消除块状效应、有效地突出图像细节信息，因此特别适合于深度信息多变且对比度较低的雾天图像。算法的有效性为实验结果所证实。     

一种煤矿井下视频图像增强算法

煤矿井下视频图像存在亮度不均、细节纹理模糊不清、噪声较多等问题,而常用的图像增强算法在处理煤矿井下视频图像时会出现图像失真、图像层次不清、处理效率低等缺点。针对上述问题,提出了一种基于对比度受限函数和反馈函数的煤矿井下视频图像增强算法。该算法首先结合加权平均法和中值滤波对图像进行灰度化和去噪预处理;然后通过对比度受限函数对图像对比度进行限幅增强;最后通过反馈函数调节图像的灰度级,对图像层次进行增强。实验结果表明,该算法可有效改善煤矿井下视频图像失真情况,图像层次分明,且具有较快的处理速度。     

基于粗糙集的视频监控图像增强算法

视频监控系统中受许多客观因素的影响,图像实际成像会影响到监控效果。粗糙集理论是一种处理不完整性和不确定性问题的数学工具。根据人眼的视觉特性,将粗糙集理论应用到视频监控图像。实验表明该算法对视频监控图像有较好的增强效果,并对噪声具有一定的抑制作用,可以满足实际工程上的需求。     

雾天环境下自适应图像增强去雾方法研究

由于雾天环境下大气散射现象,拍摄出来的景物能见度和对比度会大幅降低.为了解决问题,提出了一种针对雾天环境的自适应图像增强去雾方法,部分重叠直方图均衡化方法(POSHE).方法将邻域内的子块变换函数通过加权求和计算得到当前子块的变换函数,以消除子块直方图均衡化变换之间的差异,对于图像场景深度信息多变且未知的雾天图像能够突出图像的局部细节信息,达到良好的去雾效果,并能够满足实时视频图像处理的要求.     

基于局部均值和标准差的图像去雾算法

针对雾天图像对比度低和颜色退化严重现象,提出一种单幅图像快速去雾算法。对雾天图像局部区域均值和标准差的特点进行分析,根据图像局部均值和标准差的差值得到关于大气散射光的估计,结合大气散射模型对雾天图像进行修复。实验结果表明,算法能够有效地去除图像中的雾气,且处理速度较快,便于实时应用。     

一种针对含噪低对比度图像的边缘检测方法

主要研究了含有噪声的低对比度图像的边缘检测方法。通过对图像进行直方图均衡化、二值化、平滑及去噪处理后，利用膨胀腐蚀型检测算子对图像边缘进行检测。经实验证明，该算法对含噪低对比度图像具有较好的检测效果，与传统的Sobel、Canny算法相比，具有边缘连续、清晰的检测效果。     

基于并联卷积神经网络的图像去雾

针对现有的单幅图像去雾问题, 提出了一种基于并联卷积神经网络的单幅图像去雾算法, 以端对端的方式实现图像去雾. 首先, 使用雾天RGB图像YUV变换的Y、U和V分量构建并联卷积神经网络, 自适应获得雾霾特征; 网络结构由两个子网络组成, 较深的网络预测清晰图像的亮度通道, 较浅的网络预测色度通道和饱和度通道. 最后, 采用递归双边滤波, 对去雾后的图像进行滤波, 可以得到更加清晰的无雾图像. 实验结果表明, 本文去雾算法无论是在合成雾天图像数据集还是自然雾天图像数据集上, 都具有良好的对比度与清晰度. 在主观评价和客观评价方面, 本文去雾算法都优于其他对比算法.     

基于视觉感知的快速雾天图像清晰度复原

针对雾霾恶劣天气状况下获取的图像视觉效果差,本文提出了一种基于视觉感知的快速雾天图像清晰度复原方法,测算大气光学物理模型的两个重要参量。首先采用阈值分割结合二叉树分割的方法拟合较为精准的大气光值,进而采用自适应各向异性型高斯滤波与色调调整方法优化透射率。与算法[1,3,5,8]实验结果表明,本文算法的去雾效果图效果饱和清晰,能够保留清晰的边缘细节和较高的对比度,算法的处理效率高,能满足实际应用需求。