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.     

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。     

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。     

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.     

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。     

基于光幕约束和分段调整的去雾算法

针对雾天条件下成像设备采集到的图像目标主体不清晰,细节信息不明显,可辨识度低等问题,提出了一种基于光幕约束和分段调整的图像去雾算法。首先将大气光幕的基本不等条件映射至正方形及其内切圆平面模型中,得到约束后的初始大气光幕;然后利用饱和度逼近构造粗糙大气光幕,以模糊无用的边缘信息,并通过梯度约束求取边缘代价对初始大气光幕进行修正。为了改善近景失真和远景去雾不彻底,建立自适应分段调整函数对大气光幕进行优化;最后通过复原模块得到清晰图像。实验结果表明:与一些经典的去雾算法相比,所提算法可以应用于各类图像,去雾效果良好,不仅保留了原图像特性而且得到的复原图像色彩明亮,清晰自然,各项指标优势明显。     

基于噪声特性的大气湍流退化图像多帧盲反卷积复原

由于大气湍流和噪声的影响,造成观测目标图像的退化.为了目标的精确观测,根据噪声特性,结合符合物理意义的约束条件,提出了新的大气湍流图像盲反卷积复原最小化模型,并以共轭梯度数值优化方法交替迭代求解,复原观测目标图像.为验证提出的算法的有效性,在计算机上模拟参数为望远镜口径为2.0 m,大气相干长度为0.1 m,图像信噪比为10 dB的大气湍流退化和噪声污染的图像,以提出的盲反卷积复原方法复原,实验结果表明,提出的盲反卷积复原算法避免了传统的盲反卷积复原算法的缺陷,有效地克服大气湍流和噪声的影响,复原出了清晰的观测目标图像.该图像盲反卷积复原方法的研究,对地基望远镜的观测有重要的基础性作用.     

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%。     

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。     

基于亮通道和暗通道结合的图像去雾

低照度环境下图片质量会下降。同时,悬浮在空气中的烟雾、粉尘等物质形成的雾、霾,会导致图像的细节模糊不清,对户外拍照和计算机视觉应用造成了极大的影响。因此,对退化图像进行去雾处理,提高图像质量,在图像处理和计算机视觉领域具有非常重要的应用价值。提出一种基于亮通道和暗通道结合的雾霾天气图像去雾算法。基于退化图像的物理模型,提出一种空气光散射模型,通过亮通道和暗通道的结合来估计大气光值和透射率。该算法可以解决有雾图像恢复时天空区域的颜色失真问题,恢复图像的细节和颜色,提高图像的视觉效果。仿真结果表明,本文算法优于多尺度Retinex图像去雾算法。     

基于双层多指标优化的水下偏振成像技术

无先验水下主动偏振成像方法能够实现目标信息光偏振度和后向散射光偏振度的自动获取,但该方法在反演过程中仅追寻高对比度这一单一指标,有时会导致自动获取的两项偏振反演参数过于相近,使图像复原效果不理想,且常伴有大量噪声.针对上述仅追求单一指标导致复原图像质量不理想的问题,本文提出一种基于双层多指标优化的水下偏振成像方法.首先,第1层以互信息和对比度为目标函数,基于多目标遗传优化算法自动获取偏振参数最优解集;其次,选择信息熵为第2层目标函数,遍历最优解集,获取偏振参数最终解,并将其代入成像模型,获取复原图像;最终,根据所获偏振参数之差,选取适当数字图像处理手段进一步提升复原图像质量.实验结果表明,无论背景区域存在与否,无论目标物偏振度高低,本方法均能有效增强图像细节,平衡各项图像质量评价指标,得到综合质量较高的复原图像.     

基于总变分的湍流退化噪声图像盲反卷积复原

根据总变分的噪声抑制特性和大气湍流成像过程,建立了基于总变分的大气湍流噪声图像多帧盲反卷积复原最小化模型,以基于共轭梯度数值优化方法的交替迭代算法求解,复原出了观测目标的清晰图像。在计算机上模拟了湍流退化和噪声污染图像。实验结果表明,该复原算法能有效地克服大气湍流和噪声的影响,可复原出清晰的原始目标图像。     

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。     

一种全局参数估计的水下主动偏振去雾算法

为改善水下主动光照明条件下后向散射光对成像的影响，通过分析水下主动偏振成像模型，提出一种基于拟合函数的全局参数估计的水下主动偏振去雾算法。该算法结合图像增强作为图像预处理，再设定二元多项式函数，利用最小二乘法进行后向散射光偏振度变量的拟合求解，得到对比度更高、信息更丰富的水下复原图像。实验结果表明:该算法可有效改善主动光照明条件下的水下图像质量，提高图像对比度，复原被淹没的细节信息，复原图像的图像增强测量值较以往算法相比提升70%，且能适用于不同浓度介质的情况。