基于均值不等关系优化的自适应图像去雾算法

针对暗通道先验去雾算法的不足,如天空区域透射率估计过小和在景深突变处易发生光晕效应,该文提出一种新颖且高效的去雾算法。首先通过几何分析建立雾图对应无雾图像暗通道图的平面扇形模型,然后设定一种新型的高斯均值函数,对其标准差进行自适应处理,用以估计扇形模型的上下边界值,通过引入均值不等关系对两侧边界进行逼近,拟合出最优无雾图像暗通道图,进一步求得最佳透射率,同时也改进局部大气光的探索方法并复原出最终结果。实验表明,与其它一些经典算法相比较,所提算法能广泛适用于各类图像,去雾程度彻底且效果清晰自然,具有较低的时间复杂度,有利于实时处理。

     

基于暗通道的图像去雾改进算法研究

针对现有去雾算法对图像中天空部分处理过度增强的问题,本文对基于暗通道原理的图像去雾算法进行了改进.该算法首先对图像进行基于四叉树的搜索,查找出满足条件的大气光值.其次,根据大气物理模型和暗通道原理,求出满足条件的透射率,并对其优化,以此得到去雾图像.实验结果表明,该算法不仅去雾效果好,且有效克服了Kaiming He算法对图像中天空处理不佳的缺陷,同时具有较好的实时性,在图像去雾中具有一定的应用价值.     

结合线性景深和自适应雾浓度的去雾算法

针对图像去雾中由于景深和大气光估计不准确等问题,导致军事监测、目标检测、导航、无人驾驶等系统成像设备获取到的图像质量下降,提出一种结合线性景深估计和自适应雾浓度估计的去雾算法。首先,依照景深与亮度分量和饱和度的关系,利用双滤波优化二者高亮区域,结合线性转换建立线性模型估计景深。然后,提取纹理特征构造雾浓度模型求取自适应散射系数,通过所求景深与自适应散射系数得到透射率。最后,根据对雾图是否含有天空区域的判决,采用两种不同的大气光估计方法。实验结果通过与不同去雾算法定性和定量分析,所提出的方法在保留深度边缘、颜色质量及细节方面具有良好的有效性和鲁棒性,图像恢复质量也相对较佳。     

基于暗通道原理的图像去雾算法改进

本文基于暗通原理改进的去雾算法针对透射率细化过程比较耗时的问题,通过结合Retinex算法进行改进;针对暗通道去雾类似区域出现颜色失真、色偏效应,采用分割出天空区域在求取大气参数A,提高求取大气参数A的精度,并结合阈值法对透射率加个增幅项;针对暗通道去雾处理后的图像有偏暗的现象,采用自适应对数映射算法进行色调调整。该改进算法能较好的还原出无雾图像,并具有很好的保留边缘细节信息等特性。     

融合暗通道滤波和空间金字塔的图像去雾算法

针对红外摄像机在有雾天气下红外图像降质的问题,本文提出一种融合暗通道滤波和空间金字塔的图像去雾算法（Dark channel filtering and spatial pyramid algorithm,后文简称DCF-SP）用于海上红外图像的去雾。首先,对海上红外图像进行自适应的海天分割,再将天空区域均分为四个子空间,定位灰度均值最大的子空间,重复迭代上述过程,将三级分割后的最亮子块中邻域像素亮度最大的值视为大气光估计值。接着,对清晰和带雾红外图像进行最小值滤波,得到清晰红外图像暗通道值趋于零的先验知识,最后估计出暗通道透射率,实现红外图像去雾。实验结果表明,对比现有去雾算法,DCF-SP算法鲁棒性更高运行时间更短,且更能保留图像目标的边缘信息,EPI和SSIM指标分别达到0.95和0.9425。      

基于雾线和颜色衰减先验的图像去雾方法

针对现有图像去雾方法易产生的颜色过饱和、细节丢失、伪影等问题,提出了一种基于雾线和颜色衰减先验的去雾方法。首先,利用雾线先验和霍夫投票估计大气光。然后,根据颜色衰减先验建立关于场景深度的非线性模型,获取准确的透射率。最后,通过对大气散射模型进行反向求解去除图像中的雾霾干扰,获得细节丰富的去雾图像。在RESIDE公共数据集上进行了实验,并与多种现有方法进行了比较。实验结果表明,所提方法可有效去除图像中的雾霾干扰,获得清晰自然的去雾图像,且其时间和空间效率均优于其他方法。     

基于双重暗通道结合与高斯加权的去雾改进算法

针对暗通道先验算法去雾后图像存在伪影和景深突变处留有残雾的问题,提出一种基于双重暗通道结合与高斯加权的去雾方法.分别利用超像素块滤波和中值方块滤波求取两层暗通道,对两层暗通道进行像素级结合并构造高斯加权函数进行加强,然后采用引导滤波优化透射率图.把雾图转化到HSV空间并提取包含天空等的白色区域,引入概率函数取白色区域前10％像素点的明度分量平均值作为大气光估计值.实验结果表明,所提算法能较好地保留图像细节并去除景深突变处的残雾,同时能改善伪影现象.     

采用自适应全局亮度补偿的夜间去雾算法

针对夜间雾霾天气情况下还原的去雾图像存在颜色失真、纹理损失严重、去雾效果差等问题,本文提出了一种夜间去雾算法,采用自适应全局亮度补偿、同态滤波、限制对比度自适应直方图均衡化算法以及联合双边滤波对降质图像进行处理,结合大气散射模型得到还原的去雾图像。实验结果表明,该算法的夜间去雾效果好、处理速度快,较对比算法在对比度、平均梯度以及信息熵上均有改善,有效减少了还原图像的颜色失真、纹理损失。     

基于暗通道先验的去雾算法研究

针对暗通道先验去雾算法中存在的块效应、算法复杂度高等问题,提出了一种改进的基于暗通道先验的去雾算法.首先,通过暗通道先验去雾算法得到粗略透射率,再通过峰值信噪比自适应调节雾气参数,以获取最优透射率.然后,将上述结果分别作为多层感知器的输入向量和目标向量进行训练,以建立粗略透射率到最优透射率之间的映射并得到最优透射率.最后,结合大气光值复原无雾图像.实验结果表明,本算法能有效改善块效应,提高复原效率,且能在一定程度上提升图像细节的清晰度.     

一种基于暗通道的航拍图像去雾算法

针对无人机航拍图像在雾霾天气下降质特点,提出一种基于暗通道先验原理的航拍图像去雾改进算法。根据大气物理模型和暗通道原理,对有雾图像进行自适应分块求取暗通道图;通过降采样得到初始透射率图,再应用导引滤波对投射率进行优化,同时利用最小值滤波和均值滤波求解大气光强;应用雾天模型恢复降质图像。通过实验对比验证,该算法简单且能够高效去雾,在客观评价指标上总体性能也优于其他算法。     

结合图像分割的暗原色先验去雾算法

基于暗原色先验规律的图像去雾算法在进行暗原色通道计算时,用固定区域会造成介质透射率估算的不合理,从而导致最终去雾效果细节不清晰和在较远景深场景模糊的现象。采用基于图论的分割算法来确定取暗原色通道的区域,能根据景深的变化自适应地改变区域大小,避免了固定区域求取暗原色的带来的介质透射率估计不合理问题。通过实验分析和验证,证实了该算法能有效地改善雾天图像的退化现象和提高图像清晰度。     

区域分割优化的暗通道先验去雾算法

较为经典的去雾算法是暗通道先验去雾算法,但该算法会产生天空区域光晕失真现象。为此,提出区域分割优化的改进暗通道先验去雾算法。首先提出K均值聚类分割算法,得到区域类别标签图;以大气光值选取区域为掩膜,求出类别标签图中天空区域的类别标签值,依据二值分类法将类别标签图转换为包含天空区域和前景区域的二值图;然后对透射率图进行区域优化处理,克服暗通道先验去雾算法天空区域低估透射率的不足;最后将有雾图像代入有雾图像退化模型,还原出颜色逼真的无雾图像。利用不同去雾算法进行去雾对比实验,结果表明,该算法消除了天空区域的光晕失真现象,去雾图像细节获得明显增强,去雾效果优于其他去雾算法,实验验证了该算法的正确性和可行性。     

基于暗原色先验去雾的改进算法

暗原色先验去雾方法在单幅图像去雾方面效果明显,但该方法算法复杂度高、处理耗时。针对该算法不足之处,在传统的暗原色先验去雾方法基础上,提出一种改进算法。改进算法通过高斯滤波和腐蚀对透射率图进行优化;同时,为避免原算法的冗余计算,采用了一种快速计算初始透射率方法;并且通过Gamma变换和对比度增强方法对去雾后图像进行亮度和对比度增强处理。实验结果显示,改进算法处理效果与原算法基本一致,算法效率得到显著提高,应用在视频增强领域可以达到准实时。     

基于双树复小波变换的自适应PCNN图像融合算法

本文针对传统离散小波变换(DWT)在图像融合中细节丢失的问题,提出了一种基于双树复小波变换(DT-CWT)的低频域区域能量取大和高频域自适应脉冲耦合神经网络(PCNN)图像融合算法(简称DC-SA-PCNN).实验结果显示,采用同样的融合规则,DT-CWT融合图像的互信息量MI、边缘保持度QAB/F、融合积MQ=MI×QAB/F均高于DWT融合图像,基于自适应PCNN算法获得的融合图像具有更优的MI、QAB/F、MQ指标.结果表明,DC-SA-PCNN算法有效地综合了红外图像和可见光图像中的信息,融合图像更加全面地携带了源图像中的有效信息特征.     

瑞利信道中自适应双门限频谱感知算法研究

频谱感知是认知无线电中的一项关键技术,能量检测、匹配滤波器检测和周期循环频谱检测是认知无线电中频谱感知技术中传统、经典的算法.基于能量检测的频谱感知算法因实现简单且不需要先验信息而被广泛应用,但低信噪比的情况下检测概率会降低,用户的检测性能不足,从而导致认知用户和主用户之间的冲突碰撞次数增多.针对以上存在的问题,在基于自适应频谱感知的基础上,利用噪声功率估计,提出了一种瑞利信道下的自适应双门限频谱感知算法.仿真结果表明,在低信噪比噪声不确定的情况下,这种算法能够大大提高检测概率,有效降低了认知用户和主用户之间的冲突碰撞次数,从而提高频谱的利用率.     

基于深度卷积神经网络的自适应图像去雾算法

室外拍摄图像由于受雾气、雾霾、沙尘等大气颗粒杂质的影响呈现出图像灰白化,而现有的图像去雾算法存在过度依赖先验信息、透射率计算不精确的问题。针对上述问题,文中提出了一种基于深度卷积神经网络的自适应图像去雾算法。该算法基于大气散射模型实现了有雾图像的去雾,设计浅层提取、并行提取和深度融合共3个全卷积网络实现图像浅层特征与深层特征的融合,大幅提高了透射率图的准确性。去雾实验测试结果表明,文中所提出的算法对室外露天雾图具有良好的去雾效果,且去雾细节效果更加理想。