基于雾层学习的多级融合去雾网络

针对去雾算法中存在的颜色失真、去雾不彻底等问题,本文提出一种基于雾层学习的多级特征融合网络用于单幅图像去雾。首先,结合大气散射模型将有雾图像与无雾图像之间的差值图像定义为雾度层,通过对雾度层的有效估计来达到优化的去雾效果。其次,设计一种端到端的网络模型,该模型主要包括雾层估计模块和图像复原模块。在雾层估计模块中,通过特征提取块对图像的低级和高级特征进行提取,并采用多级融合策略对不同级别的特征进行逐像素加法来实现特征融合,融合后的雾层特征同时包含局部信息和全局信息。最后,根据图像复原模块,直接从有雾图像中减去雾层特征,便可实现无雾图像的有效复原。实验表明,与现有去雾算法相比,该算法复原结果清晰自然,有效避免了颜色失真现象;合成图像和真实图像上的客观评价指标进一步验证了所提算法的有效性。     

夜间有雾图像的光照模型构建及去雾

夜间有雾图像会出现严重退化,而且人工光源的存在也使得环境光呈现不均匀性。针对上述问题,本文提出了一种适用于夜间有雾图像的光照模型,并在此基础上实现了夜间图像去雾。模型中主要包含了环境光和透射率两个参数,这两个参数都会随着图像局部内容的变化而产生空间变化。首先基于信息损耗约束理论对上述参数进行初始估计,随后利用快速导向滤波对其进行细化,以抑制块效应和光晕效应,最后将细化后的参数代入光照模型中,通过求解模型即可获得最终待还原目标图像。实验结果表明,本文提出的算法能够有效实现夜间有雾图像的去雾处理,在抑制亮区发散的同时能重现暗区的细节,恢复的场景具有较好的亮度和对比度,恢复的图像颜色自然,总体性能优于同类型的其它算法。     

图像去雾方法质量评价

针对近年来去雾算法质量的评价方法普遍依赖主观评价结果,但缺乏定量描述;现有的客观质量评价方法与主观评价方法之间的一致性不稳定,使两者有时会出现分歧的问题.为提升针对去雾方法的客观质量评价性能,本文提出了一种基于人工合成图像的全参考去雾方法质量评价.首先,建立合成图像数据集,数据集包括参考无雾图像,合成有雾图像,对这些合...     

航拍降质图像的去雾处理

针对有雾天气下无人机航拍视觉系统的能见度低,航拍图像对比度和色彩保真度差等问题,基于暗原色先验规律以及雾图的物理模型提出了一种雾天降质图像去雾处理技术。从图像复原和增强两个角度出发,分别建立了户外图像全局去雾和对比度自适应调整的最优化模型,从而能够直接复原得到高质量的去除雾干扰的图像并且估算出雾的浓度。对一系列户外带雾图像的分组实验表明,该方法可以快速有效地提高带雾图像的对比度和色彩清晰度,获得满意的视觉效果。另外,该方法克服了KaimingHe方法处理时间过长的缺陷,平均处理时间仅为原方法的10%左右,显著缩短了运算时间,为在工程项目中实现图像的实时去雾处理提供了理论依据。     

适应性双通道先验的图像去雾方法

Image is an important source of information for modern warfare, and the quality of image decreases in foggy environment, which seriously hinders the ability of photoelectric reconnaissance and identification. In order to improve the effective utilization of images in foggy environment, an adaptive bi-channel prior image dehazing method was developed. First, based on the dark channel prior and the bright channel prior theories, the hazy images are converted from RGB to HSV color space, and the thresholds of saturation and luminance components are used to detect white or light pixels and black or dark pixels in hazy images that do not satisfy the dark and light channel priors, respectively. Then, superpixels are selected as the local area for the calculation of the dark and bright channels, and the local transmittance and atmospheric light values are estimated. Finally, adaptive bi-channel priors are developed to rectify any incorrect estimation of transmission and atmospheric light values for both white and black pixels. The transmittance map and atmospheric light map are filtered by the guided filter, and then substituted into the atmospheric scattering model to obtain a clear dehaze image. Experimental results show that the dehazed image restores the true color, the visual effect is natural and clear, and the dehazing process of the image is accurately and efficiently achieved. The dehazing process is performed on the FRIDA database, the mean square error between the dehazed image and the ground truth using the method in this paper is better than that of the existing method, which are 15% lower than that yielded by the BiCP method.     

物理成像模型的分解合成循环细化去雾网络

为了充分挖掘雾天成像时的先验信息和物理参数间的约束关系,提高去雾算法的精度,本文提出了嵌入物理成像模型的分解合成循环细化网络以实现图像去雾。不同于已有的去雾算法,它包含透射率估计分支和清晰图像估计分支,且两分支均使用嵌入循环单元的多尺度金字塔编码解码网络框架来实现,具有能加强循环间信息交流、充分利用多尺度上下文特征的优点。考虑到透射率与场景深度和雾气浓度有关,可将透射率视为雾浓度先验,引导清晰图像估计分支循环细化去雾结果;而清晰图像中包含场景的深度信息,可将其视为深度先验,引导透射率估计分支预测及循环细化透射率。每次循环时,两分支估计的透射率和清晰图像进一步合成雾图,循环作为网络的输入,以确保透射率和清晰图像的估计结果满足物理成像模型的约束。实验结果表明算法在合成雾图及真实图像上均能取得较好的去雾效果,在视觉评价和客观评价方面均优于现有的去雾算法,单张雾图的处理时间仅为0.037s,能有效用于图像去雾的工程实践中。     

分离特征和协同网络下的端到端图像去雾

针对去雾领域中传统方法受手动设置特征的限制,以及现有网络去雾不彻底和细节保持不佳等问题,提出一种分离特征和协同网络下的端到端图像去雾模型。首先对传统的大气散射模型进行变形,分离出乘性特征和加性特征。其次,根据两个特征对最终去雾结果的影响程度,设计基于乘性特征和加性特征提取框架并行驱动的去雾网络。其中,乘性特征提取网络充分考虑了不同深度的空间信息及细节特征,通过各层之间密集级联达到特征重用和信息补偿的目的,以获取精密丰富的目标特征。另外,利用残差跨连结构搭建加性特征提取网络,用于训练偏置加性特征。最后,将分离特征代入复原模型得到无雾图像。实验表明：所提网络去雾效果显著,复原图像颜色自然,细节保持良好且各项指标占优。     

改进暗通道先验的航空图像去雾

目前较为流行的去雾算法都存在着过度增强以及增强不足,容易造成光晕效应以及色彩严重失真。提出一种基于四叉树细分的改进大气光估计方法以及一种改进的引导滤波用来解决这些问题。首先,对非重叠暗通道使用四叉树细分方法估计更加可靠的大气光值。然后,分析引导滤波在边缘区域的光晕效应产生的原因,对其加入自适应权重因子,用改进后的引导滤波对初始传输图进行优化。最后,用估计的大气光值和优化后的传输图根据大气散射模型得到去雾图像。实验结果表明:去雾后的图像颜色较为可靠,边缘区域光晕效应减弱。从颜色可靠性和细节增强度来说,提出的算法比现阶段的去雾算法有较为出众的表现。     

基于雾层特征提取与增强网络的端到端去雾算法

卷积神经网络在图像处理中发展迅速。大多数图像去雾算法仅专注于去雾,忽略了去雾图像的整体质量,进而导致诸如信息丢失和纹理模糊等问题。为此,提出了一种去雾和增强卷积神经网络。通过编码和解码获得雾层图像和一阶段去雾图像,增强网络用于恢复去雾图像的纹理和细节。实验表明,该方法在主观评价和质量指标上均具有优异的效果,获得了去雾程度更加彻底、细节和纹理更加清晰的去雾图像,有效地解决了信息丢失和纹理模糊的问题。     

基于暗原色先验的嵌入式图像去雾系统设计

在雾霾等恶劣环境中获得的图像会给监控、侦查等带来严峻的挑战。目前对图像去雾算法研究较多,但由于算法过于复杂,很难满足实时性要求。文章在暗原色先验算法的理论基础上,提出了改进中值滤波算法,有效地解决了去雾后图像边缘效应;并且设计了一款基于DSP+FPGA的实时去雾增强系统,充分发挥了DSP的强大数据处理能力和FPGA并行性的优点,并将改进的去雾算法移植其中,有效满足实时去雾功能要求。