暗通道自然灾害遥感图像去雾

为了解决自然灾害遥感影像中局部存在浓雾的问题,提出了一种基于暗原色先验和雾天图像退化模型的图像去雾方法,并利用导向滤波实现光学遥感影像的去雾.首先,结合自然灾害遥感图像的特点,利用阈值将图像分为浓雾区域和薄雾区域,采用不同的方法得出两个区域的暗通道图;然后,结合导向滤波对透射率图进行优化,再对图像进行对比度拉伸,提高图像的动态范围,并选取多幅遥感图像进行去雾试验.最后,设计了一组图像增强质量评价指标,对去雾结果进行定量分析.结果表明,该方法能从物理特性上明显去除雾的干扰,提高图像清晰度,增强图像色彩和细节,从而复原得到高质量图像,在一定程度上能满足自然灾害遥感图像去雾的要求.     

基于透射率融合与多重导向滤波的单幅图像去雾

为了避免图像去雾后细节模糊和噪声放大,将图像分解为结构层和纹理层,并只对其结构层进行去雾。基于频域滤波思想提出透射率融合方法,解决了现有透射率估计方法中普遍存在的块效应问题和复原图像中存在的晕轮伪影问题。针对透射率优化过程中存在的计算量大、透射率平滑与细节保持之间难以平衡等问题,提出了多重导向滤波透射率优化方法。同时,针对目前大气光估计易受图像中白色物体的影响,提出自适应大气光估计方法。实验结果表明,该算法得到的图像去雾彻底、细节清晰、颜色自然,不仅有效抑制噪声和晕轮伪影,而且显著提高场景对比度、饱和度。     

基于中值滤波和偏振调制的雾天偏振图像快速增强方法研究

针对现有偏振去雾算法难以兼顾去雾效果和实时性问题,提出了一种基于中值滤波和偏振调制的雾天偏振图像快速增强方法。利用中值滤波估算大气光;采取半反法估计无穷远处大气光强,并基于大气散射模型对图像进行恢复;使用场景偏振度对恢复的图像进行偏振调制增强。相比较其他方法,文章通过降采样方法减少图像尺寸,选取小尺度的滤波窗口,在保持足够的大气光估算精度的同时,显著降低了处理时间,并采用偏振调制和直方图均衡化方法提高目标与背景的对比度,较好地解决了去雾效果和算法实时性问题。实验结果表明,经过该方法增强的图像,在信息熵、去雾前后梯度比、目标与背景对比度等三个指标上都有较大提升,达到了良好的去雾效果;对于分辨率为1393×986的图像,处理时间仅为16ms,完全满足实时性要求。     

基于暗通道先验的单幅图像快速去雾方法

为了提高雾天图像的去雾效果,针对暗通道先验法则中存在的不足,提出一种单幅图像快速去雾方法.该方法以暗通道先验法则为基础,采用四叉树搜索算法对大气光值进行估计,并通过白平衡对大气散射模型进行简化.然后,利用暗通道先验知识得到介质传输率粗略估计,并通过引导滤波和双阈值判断方法对介质传输率中边缘和天空区域进行优化.最后,通过简化大气散射模型和色调调整得到去雾图像.与几种典型的图像去雾方法相比,该方法运算速度较快,能有效提高去雾图像的清新度,并获得较好的图像颜色.     

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。     

基于暗原色先验的遥感图像去雾方法

针对雾天条件下获得的遥感图像清晰度、对比度和色彩保真度下降,继而影响遥感图像后续应用的问题,考虑到遥感图像数据量大、景深变化小、几乎不含有天空区域的特点,提出一种改进的基于暗原色先验规律的遥感图像快速去雾方法。在保证去雾效果的前提下,对原暗原色先验去雾算法做出了针对性的改进,采用直接求取每个像素点r、g、b三个颜色通道强度值的最小值来获取图像的暗原色图,该方法大幅降低了算法的复杂度,避免了繁重的计算。实验结果表明,改进的去雾算法能够快速有效地去除雾对遥感图像的干扰,提高图像清晰度,还原景物真实色彩,处理时间仅为原算法的2%,可以满足遥感图像实时处理的要求。     

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.     

全局参数自动估计的彩色图像偏振去雾方法

雾天环境下由于大气粒子对光线的散射作用导致成像质量下降, 针对雾霾等天气下图像退化问题, 提出了一种全局参数自动估计的彩色图像偏振去雾方法。利用不同角度的3幅偏振图像, 自动估算无穷远处的大气光和大气光的偏振度, 根据大气散射模型得到去雾后的图像。从RGB 3个色彩通道分别计算相应的参数, 使得算法适用于彩色领域。首先使用暗通道方法估计无穷远处的大气光和传输图, 并通过导向滤波对传输图优化; 然后基于大气光和目标光的不相关性, 采用全局搜索的方法估计大气光的偏振度; 最后根据大气散射模型恢复出清晰目标图像, 并利用对数变换进行增强。本文方法在雾霾天气下能够得到清晰的去雾图像, 且在浓雾天气下, 去雾图像的信息熵提升了约21%, 平均梯度提升了约2倍多, 标准差提升了约12%。实验结果表明, 本文方法较好地解决了人工取景估计参数不佳的问题, 提高了复原目标图像的清晰度和对比度, 可以用于彩色图像的目标探测与识别。     

基于单景遥感影像的去云处理研究

去云处理是遥感图像处理以及大气纠正的重要步骤。常规的去云处理算法会随云的覆盖类型的不同而不同,如同态滤波或时间平均法,这些算法在去除云对影像影响的同时,往往会伴随地物信息的丢失。提出了基于单景遥感影像的去云处理算法———基于遥感影像分类结果及云检测结果的去云处理算法,目的是去除影像中云的散射影响,恢复地物的光谱信息。算法是针对局部有云的单景Landsat7 ETM+影像进行的。根据Landsat7 ETM+波段4,5,7对影像进行聚类分析,确定不同地物的覆盖类型;利用波段1,2,3及波段6划分出影像中的无云区以及不同覆盖厚度的云层;按照相同地物覆盖类型对非云区与不同云区进行平均反射率匹配,以达到去云的效果。结果表明,经过去云处理的影像,在分类运算中能够明显地提高分类精度,能够很好地恢复地物的光谱信息。     

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。     

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。     

基于各向异性扩散的单幅图像去雾算法

针对单幅图像去雾算法容易产生光晕现象且去雾后图像细节不突出的问题,提出了一种基于各向异性扩散的去雾算法.首先在基于像素的暗通道先验假设的基础上计算出初始大气传输函数,使用Perona-Malik偏微分方程模型求解出精细化的大气传输函数,再经过最小值校正,最终得到准确的大气传输函数。为了估计大气光,对基于像素的亮通道图像进行像素排序,从中选取出可靠的大气光向量。实验结果表明,提出的算法能够恢复更多的图像细节,同时有效地抑制了光晕现象。     

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。     

Lightness constancy:from haze illusion to haze removal

The human visual system processes lightness constancy to estimate reflectance under complex viewing conditions. We focus on the underlying reason the human visual system is conscious of haze, and discuss the single-image haze-removal problem based on lightness constancy from the beginning of haze illusion. Following the basic principle and model of "atmospheric transfer function", we bring about a simple dehazing paradigm by estimating two values using bilateral filtering. Practical investigation of parameters and design are analyzed in detail. Furthermore, a novel quantitative standard haziness presents itself naturally during the estimation process. Comparative study and objective evaluation demonstrate that the proposed method is fast and effective, yielding high-contrast and vivid haze-free images.     

Region Adaptive Single Image Dehazing

Image haze removal is essential in preprocessing for computer vision applications because outdoor images taken in adverse weather conditions such as fog or snow have poor visibility. This problem has been extensively studied in the literature, and the most popular technique is dark channel prior (DCP). However, dark channel prior tends to underestimate transmissions of bright areas or objects, which may cause color distortions during dehazing. This paper proposes a new single-image dehazing method that combines dark channel prior with bright channel prior in order to overcome the limitations of dark channel prior. A patch-based robust atmospheric light estimation was introduced in order to divide image into regions to which the DCP assumption and the BCP assumption are applied. Moreover, region adaptive haze control parameters are introduced in order to suppress the distortions in a flat and bright region and to increase the visibilities in a texture region. The flat and texture regions are expressed as probabilities by using local image entropy. The performance of the proposed method is evaluated by using synthetic and real data sets. Experimental results show that the proposed method outperforms the state-of-the-art image dehazing method both visually and numerically.     

Recovering of images degraded by atmosphere

Remote sensing images are seriously degraded by multiple scattering and bad weather. Through the analysis of the radiative transfer procedure in atmosphere, an image atmospheric degradation model considering the influence of atmospheric absorption multiple scattering and non-uniform distribution is proposed in this paper. Based on the proposed model, a novel recovering method is presented to eliminate atmospheric degradation. Mean-shift image segmentation and block-wise deconvolution are used to reduce time cost, retaining a good result. The recovering results indicate that the proposed method can significantly remove atmospheric degradation and effectively improve contrast compared with other removal methods. The results also illustrate that our method is suitable for various degraded remote sensing, including images with large field of view (FOV), images taken in side-glance situations, image degraded by atmospheric non-uniform distribution and images with various forms of clouds.     

Improved wavelet transform algorithm for single image dehazing

Image dehazing to single color image remains a longstanding challenge in image processing. Because of light scattered by the suspended particles in the atmosphere, photographs taken in the foggy day look gray and lack visibility. How to improve the capacity for the clear image's structures and colors. Toward this objective, we explored the improved Wavelet Transform algorithm on image haze removal. Here, we propose a improved algorithm on image haze removal. Our method is to first apply wavelet transform to image dehazing, and then use Retinex (SSR) algorithm to enhance the color performance and to improve the color effect after applying wavelet transform to image dehazing, and finally get the desired haze-removed image. Experimental results show that this algorithm is effective and practical, and the effect is ideal.     

基于最大和最小光强图像的偏振去雾方法

相对于传统光学探测技术,偏振探测在目标探测、识别方面有着独特的优势。针对雾、霾等天气下图像退化的问题,提出一种利用偏振信息的图像去雾方法,通过获取3个角度下目标的偏振图像,求解出场景目标的斯托克斯矢量,从斯托克斯矢量与穆勒矩阵的关系出发,分析偏振图像光强随着偏振角度的变化规律,获取最大和最小光强下的正交偏振图像,利用偏振滤波和亮通道先验方法分别估算大气光偏振度和其无穷远处大气光强值,最终重构出无雾图像。实验结果表明,在雾霾天气下,利用获取的正交偏振图像能够重构出清晰的图像,且重构图像的平均梯度和边缘强度均提升了约3倍,灰度标准差提升了约88%。     

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。