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。     

基于双域分解的矿井下图像增强算法

为提高矿井下图像的对比度,并同步地抑制图像的雾尘和噪声,提出一种基于双域分解的矿井下图像增强算法.首先,采用双边滤波器将输入图像分解为低频图像和高频图像;其次,采用快速暗原色去雾算法和Gamma变换,实现低频图像的去雾和对比度提高;接着,采用非下采样Shearlet变换和二阶微分算子,实现高频图像降噪和增强;最后,将增强的低频、高频图像合成基础增强图像,并抑制粉尘散射模糊和过曝光白色伪影,得到最终增强图像.实验表明,该方法不仅能有效提高矿井下图像的对比度,还能有效抑制图像的雾气和噪声,具有广泛的应用前景.     

基于暗通道先验和区间估计的视频去雾方法

为了提高雾天视频的可用性,提出了一种基于暗通道先验和区间估计的视频去雾方法。利用暗通道先验知识,采用区间估计的方式,运用图像融合的思想,通过背景图像求取大气光值和介质传输率,并应用于视频的所有帧以去除雾气。与几种典型的视频去雾方法相比,具有较快的运算速度,能有效地避免去雾视频中出现颜色跳变的问题。以暗通道先验理论为基础,采用区间估计的方式对大气光值和介质传输率进行估计,从而能有效地提高去雾视频的整体亮度、清晰度和对比度,同时获得较好的图像颜色。     

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.     

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.     

一种改进的图像快速去雾新方法

为提高雾霭天降质图像的清晰度和色彩保真度,基于暗原色先验提出了一种改进的图像快速去雾方法.针对原方法运算时间过长的问题,在保证去雾效果的前提下,利用快速双边滤波方法代替软件抠图修复透过率图,大幅度地降低了计算量和复杂度,处理时间仅为原方法的5％,满足了一般工程上的实时性要求.针对去雾处理后的图像亮度降低、颜色较实际场景偏暗的问题,提出了一种简单有效的图像对比度和亮度增强的方法,自适应地增强了图像的亮度,并对局部由于雾浓度过高而造成不清晰的区域,进行了对比度修正.结果表明,该方法能够快速有效地复原出雾天场景的对比度和真实色彩,在一定程度上保证了户外成像系统在恶劣天气下工作的稳定性和可靠性.     

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.     

基于低通滤波和多特征联合优化的夜间图像去雾

夜间有雾图像光照不均、对比度较低且色偏严重。现有的去雾算法主要是针对白天图像,并不适用于夜间场景,夜间图像去雾难度较大。该文通过深入分析夜间有雾图像的成像特点,提出了基于低通滤波和多特征联合优化的夜间图像去雾算法。针对夜间图像环境光照不均匀问题,提出先对图像进行低通滤波,然后对其低频分量三通道利用最小-最大值滤波估计局部环境光;针对目前白天去雾算法先验不适用于夜间图像,提出结合图像对比度、饱和度和信息熵特征,构建多特征联合优化函数估计透射率;针对夜间图像存在非一致色偏问题,提出非重叠块局部Shade of Gray算法进行颜色校正。实验结果表明:所提算法去雾图像的主观视觉效果较好,且对比度和色偏程度两方面客观评价指标整体优于其他对比算法。该算法能够有效去除夜间图像雾气,提高图像的对比度,恢复更多的细节信息,且颜色自然,视觉效果理想。     

海面目标的红外景象增强技术研究

海天类红外图像的增强要求去除风浪等的环境影响,同时增强目标区域的对比度。通过探索几种典型的图像增强算法,结合红外图像梯度幅值直方图特点,提出基于梯度域的海面红外场景增强算法,将低梯度值置零去除海浪干扰,调整梯度范围对结果控制亮度,利用有效梯度范围均衡化增强目标区域的细节。实验结果表明,该算法可以明显降低图像的干扰信息,同时提高目标区域的对比度和信息熵。     

一种基于单尺度Retinex的雾天降质图像增强新算法

雾图增强是智能管理系统的一个组成部分,在交通管理系统、公路收费站、轮船、飞机场等场合有着广泛的应用场景。比较了对数函数、双曲正切函数、反双曲正切函数对雾天降质图像亮度分量的调节能力,证明双曲正切函数具有比对数函数更宽的亮度调节能力。在此基础上提出一种基于单尺度Retinex的雾天图像增强方法。该算法首先把图像从RGB彩色空间转换到HSV空间,保持色调分量不变,采用中心可自适应调节的双曲正切函数增强图像的全局亮度,局部细节非线性变换处理进一步提高图像的局部对比度,运用线性拉伸对饱和度进行调整,实现颜色补偿。实验结果表明该方法去雾效果显著,且颜色自然。实验还结合方差、熵和算法运算时间等参数,对该算法与多尺度Retinex算法作比较,验证了该算法在图像对比度、细节增强方面的优越性,且算法速度快,具有应用于实时图像处理的能力。     

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.     

图像增强算法综述

图像增强算法能够提高图像整体和局部的对比度,突出图像的细节信息,使增强后的图像更符合人眼的视觉特性且易于机器识别,在军事和民用领域具有广泛的应用。本文从图像增强算法的原理出发,归纳总结了近年来应用比较广泛的4类图像增强算法及其改进算法,包括直方图均衡图像增强算法、小波变换图像增强算法、偏微分方程图像增强算法和基于Retinex理论的图像增强算法。结合人眼视觉特性、噪声抑制、亮度保持和信息熵最大化等图像增强的改进算法,在保证增强图像具有较高对比度的前提下,可进一步提升图像的质量。实现了9种较为典型的图像增强算法,采用主观和客观的评价方法对增强效果进行了对比,分析了不同增强算法的优缺点,并给出了这些算法的计算时间。对这些算法的深入研究能够推动图像增强技术向更高水平发展,从而使图像增强技术在多个学科领域发挥重要作用。     

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。     

近红外与可见光双通道传感器信息融合的去雾技术

为了对雾霾天气下的图像进行去雾处理,多幅图像去雾算法是常用的方法之一。多幅图像去雾算法也有多种形式,部分算法面临硬件实现困难、获取途径受限或者可实施性弱等问题,而且多幅图像比对处理时常常涉及图像配准,造成算法的实时性差、计算复杂度高等问题。针对以上问题,提出的算法为多幅图像去雾提供了新的思路,基于双目传感器硬件架构能够同时捕获近红外和可见光图像,将近红外传感器图像作为新的数据源,近红外传感器能够在一定程度上穿透雾霾,在雾天捕获可见光传感器无法捕获的图像细节,而且硬件实现简单。可见光图像的颜色信息较丰富,近红外传感器图像对近处场景细节的描述能力较好,捕获的图像稍加校正就能实现完全配准,将近红外图像与可见光图像进行融合,在去雾的同时,可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中,得到边缘、轮廓等细节信息更加丰富的去雾图像。基于上述思路,借助近红外传感器对边缘细节的描述能力和可见光传感器对颜色信息的反映能力,提出了一种基于近红外与可见光双通道传感器图像融合的去雾算法。首先,将彩色可见光图像转换到HIS彩色空间,分别得到亮度通道图像、色调通道图像和饱和度通道图像。先将其亮度通道图与近红外图像进行融合去雾处理。采用非下采样Shearlet变换（NSST）进行分解,对得到的高频系数进行双指数边缘平滑滤波器保边滤波处理,对低频系数进行反锐化掩蔽处理,通过融合规则和反向变换得到新的亮度通道图像。然后,在对可见光图像的色彩处理中,建立饱和度图的退化模型,采用暗原色原理对参数进行估计,得到估计的饱和度图。最后,将新的亮度通道图像,估计的饱和度图像和原色调图像反映射到RGB空间得到去雾图像。为了验证新算法的有效性,特选取四组雾天拍摄的真实近红外图像与可见光图像进行融合去雾处理,将融合结果与其他两种去雾方法对于彩色可见光图像的去雾效果进行比较。实验结果表明,该算法在提高图像的边缘对比度和视觉清晰度上有较好的效果。并提出将近红外传感器图像作为新的数据源,采用双通道图像融合方法进行去雾处理,为图像去雾提供的新的技术思路是可行的。该算法的优势在于：首先提出将图像融合方法与去雾算法相结合,得到了新的去雾算法的思路。将彩色可见光图像转换到HSI色彩空间,将其亮度通道图与近红外图像采用非下采样Shearlet变换方法进行融合处理,在去雾的同时,可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中,使得去雾图像中的边缘、轮廓等细节信息更加丰富。其次,提出了在图像去雾算法中采用新的数据源--近红外传感器图像,从图像处理的角度,近红外传感器能够在一定程度上穿透雾霾,对于近处场景细节的描述能力较好,而且硬件实现简单,捕获的图像稍加校正就能实现完全配准,为后续的融合去雾算法带来了便利,为图像去雾提供了新的技术途径和路线。再次,采用的是多幅图像去雾算法,该算法基于双目传感器获取图像,可见光图像的颜色信息较丰富,近红外图像对于近处场景细节的描述能力较好,相对于单幅图像去雾算法,有更好的效果。最后,将可见光传感器图像映射到其他色彩空间,对于每个通道的图像根据其特征有针对性地进行处理。可见光图像的亮度通道图和近红外图像的处理采用了图像融合和增强处理,对于可见光图像饱和度通道的处理采用了图像复原算法,可以从整体上提升去雾效果,对细节特征有了进一步增强。该算法为图像去雾提供了新的技术途径和路线。     

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.     

基于局部自适应拉升窗的复合图像增强算法

针对含有低亮度低对比度区域的图像,提出基于局部自适应拉升窗(LASW)的复合图像增强算法.通过研究目前一系列基于局部操作的空域图像增强算法,提出全局和局部操作结合的总体思路;首先使用高提升拉普拉斯(Laplacian)反锐化掩模(UM)增强以获得较多的隐藏细节和边缘信息,然后构造局部自适应拉升窗大幅增强低对比度图像细节,同时使用自适应滤波器进行掩模平滑操作;最后根据局部增强结果进行全局修正.仿真实验表明,在绝对误差、图像熵等评价指标下,该算法使低对比度图像尤其当含有低亮度微弱局部信息时,获得了较好的增强效果.     

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。     

基于全卷积神经网络的图像去雾算法

针对雾天环境下采集的图像对比度降低，饱和度下降以及色彩偏移问题，提出了一种基于全卷积神经网络的图像去雾算法。首先，提出的三个尺度的全卷积神经网络用来学习雾天图像与介质传输图之间的映射关系，逐步生成精细的介质传输图；其次，通过雾天图像引导滤波优化预测的介质传输图，使得图像边缘信息更加平滑；最后，根据暗原色先验理论估计大气光的值，通过大气散射模型恢复出无雾图像。该方法获得的无雾图像不但未造成图像中有用信息的损失，并且恢复的图像色彩自然。实验结果表明，该去雾算法在自然雾天图像和利用Middlebury Stereo Datasets合成的雾天图像上均优于其他对比算法，恢复的图像具有更好的对比度与清晰度。