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.     

基于开运算暗通道和优化边界约束的图像去雾算法

将有雾图像分割为非天空区域和天空区域,对于非天空区域,提出一种优化的暗原色先验思想,即开运算暗通道算法;对于天空区域,引入具有保边去噪的双边滤波算法,提出一种改进的边界约束算法.运用两种算法分别估计两个区域的透射率,然后利用大气物理散射模型复原各区域,最后合并两个无雾区域得到去雾图像.实验结果表明,该算法很大程度提高了有雾图像尤其是含天空的有雾图像的图像对比度,改善了颜色失真问题.     

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.     

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.     

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.     

基于大气多散射模型和超像素分割的图像去雾

通过分析大气粒子对光线的多次散射作用,利用大气点扩散函数作为卷积核,基于暗原色图像复原理论,建立了基于多次散射的雾天成像模型,并以函数形状相似性为依据,利用广义高斯分布定量估计出大气点扩散函数核函数在图像域下的相关参数.针对传统暗原色理论以固定大小图像区域估计透射率的不足,提出了基于超像素分割获得景深一致的图像分块方案,通过区域合并,获得更为精准的天空检测效果;基于暗原色先验理论分别估计天空和非天空区域的透射率,并对天空区域的透射率进行修正,不但减少了天空色彩失真,同时也消除了复原结果的光晕现象.本文从主观和客观两个方面将所提出的去雾方法和其他算法进行了对比,结果表明,本文提出的去雾算法能够在较短的运行时间内获得对比度较高、细节信息丰富的去雾结果,具有较好的鲁棒性.     

基于中智学的非局部先验图像去雾算法

图像去雾是计算机视觉的重要研究方向之一。传统图像去雾算法存在去雾不彻底、去雾图像对比度低、halo效应、色彩失真等问题。针对上述问题,提出了一种改进的非局部先验的图像去雾算法。该算法使用基于中智学的模糊C均值聚类算法和一种混合暗通道先验的透射率优化方法,改进了传统非局部先验的图像去雾算法在大气光估计、雾线定位和透射率优化过程中存在的问题。结果表明,与几种常用的图像去雾算法相比,提出的算法在去雾图像的大气光估计、客观分析和主观分析等方面均有一定的优势。     

基于线性模型的自适应优化去雾算法

针对线性传输算法中透射率和大气光估计不足问题，提出一种基于线性模型的自适应优化去雾算法。利用边缘信息模型来增强初始透射率图的细节信息，使得复原后图像边缘区域细节更丰富；根据暗通道先验，得到自适应优化透射率，更好地处理包含景深区域图像；采用局部大气光估计方法代替四叉树方法，避免大气光估计不准确问题，并结合物理模型恢复图像。仿真实验在matlab2014中进行，实验结果表明，该算法具有较好的有效性和时效性。     

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。     

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%。     

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。     

基于改进暗原色先验和颜色校正的水下图像增强

水下图像成像过程与雾天图像类似,但传统的去雾方法用于水下图像处理效果欠佳。针对水下捕获图像存在颜色衰减严重和蓝(绿)色基调的问题,提出了一种基于改进暗原色先验和颜色校正的水下图像增强方法。结合光在水下的传播特性,对空气中的暗原色先验去雾算法进行改进,在求取水下暗原色通道和图像背景光时考虑红色通道的逆通道;提出先采用改进的水下暗原色先验法去除后向散射光,再通过白平衡算法对增强后的水下图像进行颜色校正的方法。实验结果表明,相比于传统算法,本文的方法在处理后向散射严重的水下图像时,可以获得更高的清晰度和对比度。     

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。     

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。     

基于双域分解的多尺度深度学习单幅图像去雾

针对传统单幅图像去雾算法容易受到雾图先验信息制约而导致颜色失真,以及现有深度学习去雾算法受网络模型限制而存在去雾残留等问题,提出了一种基于双域分解的多尺度深度学习单幅图像去雾方法,设计了一个包含低频去雾子网和高频去雾子网的多尺度深度学习网络模型。首先采用双边滤波器对有雾图像进行分解,得到雾图的高、低频子图,然后通过设计的网络模型分别学习雾图高、低频子图与高、低频透射率之间的映射关系,再将模型学习得到的高、低频透射率进行融合,得到原始雾图对应的场景透射率图,最后根据大气散射模型实现有雾图像到无雾图像的恢复,采用雾图数据集对该模型进行训练测试。结果表明,所提方法在合成有雾图像和真实自然雾图的实验中均能取得良好的去雾效果,在主观评价和客观评价方面均优于其他对比算法。