通道注意网络和模糊划分熵图割的图像去雾

针对雾图成像时变化的场景光及去雾过程中不同雾相关信息在处理上的差异性,提出了通道注意网络和模糊划分熵图割的单幅图像去雾算法。以考虑变化场景光的大气散射物理成像模型为基础,首先使用通道注意的编码解码网络来估计透射率,并在编码器最后及解码器起始处添加通道注意模块,以便为编码器提取的不同雾相关特征图分配不同的权重,准确地计算透射率;然后利用所提出的模糊划分熵图割算法将透射率划分为不同场景光覆盖下的近景、中景、远景,此分割策略将考虑空间相关性的图割算法与模糊划分熵的阈值分割算法相结合,解决了单一阈值分割算法产生的区域误分问题;最后估计场景光和大气光,得到去雾图像。实验结果表明,算法在合成雾图及真实雾图上均有较好的去雾效果。与已有的去雾算法相比,本文算法在峰值信噪比及结构相似性上均有提升,单张图像的平均处理时间为3.9 s。     

结合光场深度估计和大气散射模型的图像去雾方法

目前大部分基于物理模型的图像去雾算法存在复原图像色彩失真和天空边界区域出现光晕效应的问题.为了解决这些问题,本文提出了一种将光场深度计算与大气散射模型相结合的图像去雾方法.该方法通过光场极平面图像计算得到场景深度,将场景深度信息计算所得的透射率与暗通道透射率融合得到最终透射率.同时利用场景深度对天空边界进行判定,单独对天空区域进行处理.在合成雾天图像和真实雾天图像上的实验结果表明,与现有的单幅图像去雾算法相比,本文提出的方法在峰值信噪比以及结构相似性上均有提升.同时对去雾之后的图像的色彩保真度以及光晕效应的抑制方面都取得了较好的结果 .     

基于图像分割的去雾算法

针对雾霾条件下,所得的单幅图像出现降质现象,因而对视觉效果要求高的图像进行复原具有必要性。基于图像分割的去雾算法以暗通道先验模型为基础对大气光矢量A值的求取和透射率t(x,y)的处理方法实现改进。首先对单幅图像进行阈值分割找到天空区域,在所获取的天空区域部分结合skyline算法,可以找到精确的大气光矢量A值;进而对初始透射率t(x,y)采用改进的约束最小二乘方滤波进行优化,得到优化透射率t1(x,y),最后将所得的大气光矢量A值和优化透射率t1(x,y)利用大气光传输物理模型复原。改进算法的去雾结果具备保留细致的边缘细节,同时具有高效的去除图像噪声能力。实验结果表明,与he方法相对比,改进去雾算法的处理时间大程度缩短的同时,图像效果得到了提升。     

基于边界邻域最大值滤波的快速图像去雾算法

为解决现有去雾算法结果中存在的光晕现象、颜色失真等问题,提出一种基于边界邻域最大值滤波的图像去雾方法.首先通过边缘检测寻找图像边界被低估的暗原色值并对其进行边界邻域最大值滤波,以得到更为准确的透射率图来消除光晕现象;其次对暗原色图乘以一个尺度因子,扩大透射率的取值范围,提高去雾结果的对比度;最后设置两个亮度阈值以及一个平坦阈值,消除图像中高亮度物体的影响,获得更为准确的大气光值,使得去雾结果颜色保真度较高.仿真结果表明,与现有去雾算法相比,本文算法对含高亮度物体以及含细节信息的带雾图像,均可消除光晕现象,获得高对比度及高颜色保真度的去雾结果,同时也提高了算法的处理速度.     

融合暗通道先验和MSRCR的分块调节图像增强算法

针对雾霾天气图像中雾霾浓度分布不均以及色彩失衡等问题,提出一种将暗通道先验算法与带色彩恢复因子的多尺度Retinex算法相结合的分块调节图像增强算法.对大气散射模型以Retinex图像模型中的尺度进行线性映射,得到一个同时具有大气散射模型中的透射率和大气光照值以及Retinex图像模型中入射图像的多参数新模型.根据模型获取去除大气散射图的新原图,并利用不同尺度的引导滤波计算获得整幅图像的入射图像,再结合大气散射光图以及色彩恢复因子得到最终的高频细节图.针对图像中雾霾浓度分布不均的情况将整图划分为多个区域小块,用融合后的算法计算每个区域小块的动态截断值,根据不同的动态截断值可以对整幅图像的高频细节进行动态调整,从而得到多幅局部最优图像,将得到的图像进行像素级等权融合,最后可得到保证各局部细节的最优图像.将本文算法与现有算法在主观视觉和客观评价两方面进行了实验对比,结果表明,该方法可以有效解决图像雾气不均匀以及色彩失衡等问题,明显提高了去雾后图片的质量.     

基于边界邻域最大值滤波的快速图像去雾算法EI北大核心CSCD

为解决现有去雾算法结果中存在的光晕现象、颜色失真等问题,提出一种基于边界邻域最大值滤波的图像去雾方法.首先通过边缘检测寻找图像边界被低估的暗原色值并对其进行边界邻域最大值滤波,以得到更为准确的透射率图来消除光晕现象;其次对暗原色图乘以一个尺度因子,扩大透射率的取值范围,提高去雾结果的对比度;最后设置两个亮度阈值以及一个平坦阈值,消除图像中高亮度物体的影响,获得更为准确的大气光值,使得去雾结果颜色保真度较高.仿真结果表明,与现有去雾算法相比,本文算法对含高亮度物体以及含细节信息的带雾图像,均可消除光晕现象,获得高对比度及高颜色保真度的去雾结果,同时也提高了算法的处理速度.     

基于暗原色先验的图像去雾方法研究

基于暗原色先验理论,提出一种单幅图像去雾算法,并对其中的可调参数进行讨论,分析参数变化对去雾效果的影响。针对原算法中提到不用特殊处理的天空区域进行验证,发现此区域需要进行单独处理,通过设置阈值将天空区域隔离出来进行处理,并取得了较好的效果。对引入的导向滤波算法进行研究,分析算法中各项参数对算法实时性的影响。为了进一步提高算法实时性,对图像进行缩小处理,以减少求取透射率所需的时间,再利用插值法将透射率图还原至原图尺寸,从而得到无雾图像。实验证明,此方法在保证去雾效果的前提下,可将算法整体运算时间降低85.7%。     

一种偏振普适性多尺度实时的图像去雾算法

针对现有偏振算法依赖于"天空区域"估计大气参数,从而受白色目标或高亮区域干扰的不足之处,提出了一种图像普适性多尺度偏振去雾方法.研究偏振差分图像四叉树空间索引和图像暗通道先验方法,突破估计模型参数利用天空的局限性,重建场景深度,结合大气散射模型复原低频无雾图像;同时针对目标复原过程中噪声遗留问题,研究软阈值去噪算法,结合低频信息重构的透射率,以梯度增强方式丰富纹理细节,最后小波重构出清晰图像.实验结果表明,该算法有效消除了估计大气参数受制于天空区域的局限性,抑制噪声的影响,复原的目标更加清晰,细节方面更为丰富,算法运行效率方面有较大提高.     

基于融合与高斯加权暗通道的单幅图像去雾算法

针对图像去雾算法在景深突变处出现光晕现象和远景区域去雾不足的问题,提出了一种基于融合与高斯加权暗通道的单幅图像去雾算法.利用图像形态学梯度的特点,将形态学梯度图像与暗通道图像线性融合获取融合暗通道,构造自适应的高斯权重参数对融合的暗通道图像逐像素处理获取粗透射率,在使用L1正则化优化透射率,通过大气散射模型与修复的大气光值恢复无雾图像.仿真实验表明,本文算法可以较好地恢复出图像的细节并抑制光晕现象,与几种典型的图像去雾算法客观对比,证实了本文算法的可行性.     

基于稀疏特征提取的单幅图像去雾

为解决暗通道先验去雾算法在天空区域和大片白色区域色彩失真的问题,提出了一种基于稀疏表示模型和特征提取的单幅图像去雾算法。通过稀疏字典的训练过程,学习雾天图像的稀疏特征,初步优化粗略介质传输图的稀疏系数。根据雾天灰度图像的稀疏特征,进一步精细化介质传输图。逆向求解雾天退化模型,得到去雾图像。实验结果表明,所提算法在天空区域的处理上优势明显,同时恢复出更多的图像细节和边缘信息。     

结合Lab空间和单尺度Retinex的自适应图像去雾算法

针对暗通道先验算法在大片天空区域透射率估计过小及景深突变处出现Halo效应的问题，提出一种结合Lab空间和单尺度Retinex的图像去雾算法。将RGB图像转换至Lab空间提取出亮度分量，利用Canny算子对亮度分量提取边缘信息，丰富恢复图像细节；利用单尺度Retinex对非边缘区域进行高斯自适应滤波估计出优化后的亮度分量，获得“伪”去雾图像，得到粗略的透射率；利用交叉双边滤波优化透射率消除Halo效应；最后根据大气散射模型恢复出无雾图像。实验结果表明，该方法恢复出的图像细节明显，整体平滑，且对含大片天空区域的图像也有较好的恢复效果。     

一种自适应的多级透射率估计去雾算法

针对暗通道先验算法在天空区域透射率估计不准确的问题,利用三个不同尺度的高斯函数分别作用于有雾图像的RGB通道来获得"伪"去雾图像;其次,利用有雾图像的混合通道得到自适应参数,将该参数和最小值滤波共同作用于"伪"去雾图像,接着用联合双边滤波消除纹理效应得到透射率的精确估计;最后,采用局部大气光估计方法,结合大气散射模型复原出无雾图像.实验结果表明,该方法不仅降低了时间复杂度,且复原出的图像细节明显,明亮度适宜,对于大面积天空区域有良好的去雾效果,改善了天空区域的颜色失真.     

基于自适应暗原色的单幅图像去雾算法

为了复原雾天退化图像,提出了一种自适应暗原色的单幅图像去雾算法.针对暗原色先验理论在估计图像透射率时不够准确、容易引起Halo效应的问题,采用自适应暗原色概念,即在暗原色的获取过程中引入自适应阈值,减小景深变化对暗原色获取的影响,进而正确求取透射率.此过程不需导向滤波的细化,也就避免了导向滤波引起的效率低和去雾不彻底的问题.主观及客观两方面将本文去雾算法与现有算法进行对比,结果表明,本文算法能够有效消除Halo效应,获得高对比度、高色彩饱和度以及丰富细节信息的去雾结果,同时也提高了图像去雾效率.     

基于暗通道先验的无人机图像去雾算法研究

对于单幅图像去雾处理,暗通道先验算法具有较好的效果,但该算法处理时间长,对储存资源与计算资源要求很高,很难应用于无人机图像去雾。在暗通道先验算法的基础上进行改进,提出了一种快速的去雾算法,首先通过优化滤波器直接获得高精度的透射率,避免了原算法后续的抠图处理,显著降低了计算复杂度;然后针对去雾图像偏暗、灰度分布偏离原始图像的情况,以原始图为参考,采用直方图规定化方法进行增强处理,提高了亮度,改善了去雾图像的视觉效果,与He算法相比,该算法不仅极大地降低了计算复杂度,速度提高了近5倍,而且保持了原始算法的去雾能力。     

一种自适应线性透射率估计去雾算法

为了有效复原雾霾天气下退化的图像, 文章提出了一种自适应线性透射率估计去雾算法。建立有雾图像与无雾图像最小值通道之间的线性变换模型; 利用有雾图像的混合通道得到自适应参数, 结合自适应参数和线性变换模型估计出透射率, 通过有雾图像的最小值通道构造高斯函数来补偿估计明亮区域透射率, 提升该区域透射率的准确度, 再使用交叉双边滤波器消除纹理效应得到优化透射率; 最后, 结合大气散射模型复原出无雾图像。实验结果表明, 该方法有效降低了时间复杂度, 且复原的图像细节明显, 明亮度适宜。     

多尺度窗口的自适应透射率修复交通图像去雾方法

基于传统暗原色先验原理的图像去雾算法存在的"halo"效应,且图像中明亮区域存在颜色失真现象,针对此问题,本文提出了多尺度窗口的自适应透射率修复交通图像去雾方法。首先,利用新的8方向边缘检测算子求取图像中景深突变区域,根据暗通道先验理论和前一步求得的景深突变区域,在景深变化较大区域使用5×5的窗口,景深变化较小区域则使用15×15的窗口得到暗原色估计图。同时,针对暗通道先验原理对近景部分存在白色区域时透射率估计不准确的问题,引入了自适应透射率修复方法,通过引导滤波器得到边缘增强后的暗原色图像,并利用其与原暗原色图像的纹理差对近景区域的透射率进行修正,完成图像去雾。实验结果表明:双边滤波和梯度双边滤波两种算法均存在halo现象,并且在包含白色物体的明亮区域色彩失真严重,客观评价指标失去意义;相比于引导滤波,本文去雾算法的各项指标均有所提高,其中平均梯度平均提高了8. 305%,PSNR平均提高了12. 455%,边缘强度因子平均提高了7. 77%。本文算法有效解决了复原图像中"halo"效应现象和明亮区域颜色失真现象,去雾效果最优。     

基于边窗盒子滤波和透射率修正的图像去雾

针对雾线先验去雾算法存在的颜色过饱和现象、图像初始透射率估算不准确等问题，提出了一种基于边窗盒子滤波和透射率修正的图像去雾算法。为了解决初始透射率估算不准确带来的边缘细节信息丢失的问题，首先利用非局部总广义变分（TGV）正则化的方法估算初始透射率，并将二阶的非局部总广义变分（TGV）正则器来作为正则项，以确保对由图像颜色和深度之间的噪声和歧义引起的异常值具有鲁棒性。随后利用边窗滤波算法对初始透射率进行优化，从而实现对图像中纹理信息和边缘信息的保留。最后利用大气散射模型和多角度优化后的透射率复原出无雾的原始图像。实现结果表明，本文算法能够解决图像颜色过饱和与边缘处的细节纹理信息丢失的问题，且无色调偏移和光晕效应。在定性评估上，复原后的图像视觉效果好；在定量评估上，本文算法的去雾后图像的评价指标皆高于基于雾线先验算法。     

多尺度奇异值分解的偏振图像融合去雾算法与实验

针对现有偏振去雾算法鲁棒性不强和图像增强效果有限的问题,提出一种基于多尺度奇异值分解的图像融合去雾算法。首先,利用偏振测量信息的冗余特性,采用最小二乘法,提高了传统偏振图像去雾算法中偏振信息的准确度;然后,从传统偏振图像去雾算法的局限性出发,定性分析了偏振图像融合去雾的可行性,并提出了一种基于多尺度奇异值分解的偏振图像融合去雾算法;最后,设计了不同能见度条件下的验证实验并进行了量化评价。结果表明,与经典偏振图像去雾算法相比,该算法不需要进行人工参数调节,具有较强的自适应性和鲁棒性,能够有效改善传统算法中出现的光晕以及天空区域过曝的问题,图像信息熵与平均梯度最大可分别提高18.9%和38.4%,有效地增强了复杂光照条件下的视觉成像质量,具有较广泛的应用前景。     

基于非局部先验的单幅图像去雾算法

现有单幅图像去雾算法大多基于局部先验,去雾结果存在块效应。在处理浓雾区域时,如果没有特殊处理,会导致图像中的一些伪影被增大,比如在原始的有雾图像中几乎不可见的噪声、色彩重叠等,在去雾后的图像中被增强,进而影响图像质量。针对以上存在的问题,提出了一种改进算法。首先采用非局部先验,估算初始的透射率,然后采用正则化的方法优化透射率,并且将原始图像和去雾后图像的梯度差L1/2范数作为正则化项,达到抑制噪声干扰的目的。结果表明,该算法能够很好地恢复出图像的细节信息和色彩;与局部先验方法相比,具有更好的稳健性。     

一种基于方向窗特性的Contourlet域的多聚焦图像融合算法

针对同一场景多聚焦图像的融合问题,提出了一种基于方向区域特性的Contourlet域多聚焦图像融合算法.该算法对图像进行Contourlet变换,分解为不同尺度、不同方向的高低频子带|低频和高频子带分别采用方向区域的方差匹配度和能量作为融合规则|最后通过反变换得到融合图像.结果表明,所提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征,是一种有效可行的图像融合算法.