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。     

改进的海雾图像去除方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题,提出了一种改进的图像去雾方法,应用于海上含雾图像处理中。首先,获取含雾图像的暗通道及最小值图像,将含雾图像转换到HSV颜色空间计算各个像素点的颜色衰减率,对其按降序排序取前10%中的最小值作为亮暗部分界阈值,据此计算出HSV暗部图像区域(I_(HSV_dark))。通过引入变差函数来判断像素点是否来自于高亮区域,并获得基于变差函数的变差暗部图像区域(I_(VAM_dark))。对两个暗部图像区域做并运算,得到用于估计暗区域大气环境光值的暗部图像I_(dark)。将像素值进行递减排序,选取前1‰的像素点所对应雾化降质图像像素点集合的平均值作为A_(dark)的值。其次,提出一种基于多级权重相对总变差模型的去纹理方法,对最小值图进行滤波作为粗估计的透射率图,并使用透射率函数对其进行调整,弱化亮部图像的去雾,增强暗部图像的去雾。最后,提出一种最小方差中值引导滤波算法对调整后的透射率进行优化,根据雾天图像降质模型得到复原后的清晰图像。实验结果表明,提出的算法与基于暗通道先验理论以及融合变差函数和形态学滤波的去雾算法相比,获得的复原图像信息熵、平均梯度、对比度及雾霾浓度评价指标(FADE)等指标均有显著提升,更加清晰。