基于暗通道先验图像去雾的方法改进

基于暗通道先验的规律在单幅图像处理中取得了很好的效果,但是在计算较高分辨率的图像时会消耗大量的内存,而且需要很长的计算时间。针对这一问题,文章提出通过小波变换提取图像的低频信息和高频信息。由于有雾图像的雾气信息主要集中在低频带区域,所以只需要对低频部分进行暗通道先验去雾,再和高频信息进行重构即可恢复无雾清晰图片。这种方法大幅减少了去雾的计算量,同时也减少了内存的消耗,而去雾效果和暗通道先验去雾差别不大。     

基于暗通道先验的图像去雾算法改进

为了实现基于物理模型的图像复原去雾算法,文中提出了一种改进的基于暗通道先验的图像去雾算法。介绍了雾天图像退化模型和基于该雾天图像退化模型的几种去雾算法。详细介绍了何恺明提出的基于暗通道先验的去雾算法,该算法在估计光线传播图时使用的基于导向滤波的软抠图非常耗时,经过改进,直接使用景深估计光线传播图,算法运行时间大大减少。最后,使用MATLAB对改进的去雾算法进行仿真,并与原算法的运行时间进行比较。结果显示新方法对光线传播图的估计可靠,运行时间对比改进前大约下降60%,实时性大大提高。带有天空的有雾图像去雾后色斑和光晕大幅减少,取得了很好的效果。改进的去雾算法运行速度快、去雾效果好,新提出的光线传播图估计方法可靠,并且去雾过程中得到的光线传播图可以用于其他应用。     

尺度自适应暗通道先验去雾方法

在雾、霾等天气条件下,大气粒子的散射作用使环境的能见度偏低,视觉系统采集到的图像严重降质。基于暗通道先验的图像复原方法因其去雾效果自然、约束条件少,且易于实现等优点而受到广泛关注。但是,该方法的去雾效果受尺度（暗通道的求解半径）影响很大,对于不同场景的图像,不存在一个普遍适用的最优尺度。针对该问题,文中提出一种尺度自适应方法,根据图像的颜色和边缘特征自适应地调节暗通道的尺度范围,得到像素级的暗通道求解尺度,兼顾大尺度求解色彩失真小和小尺度求解光晕失真小等优点。此外,针对暗通道去雾方法会使天空光估计点落到前景区域的问题,提出了一种改进的天空光估计方法,可使估计点鲁棒地落到与其物理意义相符的背景区域。对多种雾化场景图像的处理结果表明:文中方法适应性强、去雾效果自然,且对比度提升显著。     

一种暗通道先验去雾后图像参数的调节方法

针对在暗通道先验去雾方法中图像亮度随着去雾深度加深而降低的情况,分析了导致图像亮度降低的原因,并结合户外自动白平衡的有雾图像,提出了一种采用图像能量回补来调节图像参数的方法,以此来提高图像亮度和对比度.实验结果表明,通过对去雾后图像损失的能量进行回补,对于不同的去雾深度,图像的亮度和对比度都能得到较好的调节.     

基于改进暗通道先验模型的无人机遥感图像去雾算法

无人机航拍技术因其诸多优势,已被应用在越来越多的场景中.但因空气污染或气候原因使得某些地区雾霾较多,导致拍摄的图像降质明显.针对该问题,同时对于无人机遥感图像较高的去雾速度要求,提出了一种基于改进暗通道先验模型的无人机遥感图像去雾算法.首先使用下采样法和插值算法改进暗原色先验模型的透射率计算,大幅降低了计算复杂度;然后针对图像偏白色区域的去雾处理,采用结合容差机制恢复无雾图像的方法,减少了偏色现象;最后对去雾图像采用自动色阶算法进行图像增强处理,提升了去雾后图像的亮度.实验表明,该算法在图像去雾的精确性和效率上均优于原算法.     

基于天空约束暗通道先验的图像去雾

针对现有暗通道图像去雾算法存在的天空色彩失真,景物边缘光晕效应等问题,本文提出了基于暗通道理论的改进去雾算法.由于暗原色先验理论不适用于天空区域,本文将引导滤波用于天空区域的细化分割,准确估计包含天空区域图像的大气光照强度,解决了天空色彩失真问题;其次,利用中值滤波得到详细边缘信息,进而得到更为清晰的透射率,有效抑制了景物边缘光晕问题;最后针对去雾后图像偏暗的问题,在HSV空间对亮度分量V通道进行增强处理.实验结果表明,针对带雾图像,本文算法能够有效地去雾,改善天空区域色彩失真以及景物边缘光晕问题.     

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。     

一种基于暗通道先验的快速图像去雾算法

目前针对单幅图像去雾处理,暗通道先验算法具有较好的效果,但处理时间长,需要很大的储存资源与计算资源.本文在暗通道先验算法基础上提出一种快速去雾算法,首先用"边缘替代法"代替原算法中的抠图处理,显著降低了计算复杂度;然后针对明亮区域暗通道失效情况,提出了一种基于双阀值的明亮区域识别方法和透射率修正机制,提高了暗通道先验的适用范围;最后对去雾图像再采用非线性对比度拉伸进行增强处理,改善了去雾图像的视觉效果.实验表明:本文算法不仅极大地降低了计算复杂度,而且去雾能力优于原算法.     

基于暗通道先验的短波红外图像去雾

针对短波红外成像系统在雾霾天气下存在图像质量模糊、分辨率低等问题,本文提出了一种基于暗通道先验理论的短波红外图像去雾算法。本文首先通过改进的暗通道先验得到暗通道图像数据,然后基于暗通道数据对大气光进行估计;为了避免目标局部高亮或细节模糊,采用引导滤波和多尺度Retinex(Multi-scale retinex,MSR)对透射率图进行细化和增强处理,最后结合大气散射模型来反演出去雾图像。实验结果表明,经此算法处理后的短波红外图像在主观视觉和客观指标方面均得到了较好的验证,去雾效果显著、细节特征丰富且明亮度适宜。     

暗原色先验自适应图像去雾方法

针对传统暗原色先验去雾算法存在的亮区域色彩失真、去雾参 数人工设定等问题,提出了一种基于暗原色先验改进的自适应图像去雾方法。首先,提出快 速OSTU法对雾霾图像亮暗区域进行自适应分割,并分区域获取亮暗区域的暗原色值;其次, 根据亮区域分布情况,对不同区域大气光强进行自适应估计;接着,通过分析雾霾图像直方 图特征,提出采用灰度集中度法自适应计算去雾系数;然后,运用色阶自适应调整方法进行 输出图像的色彩调整;最后,通过开展对比实验,验证了本文算法的优越性。主客观 评价结果表明:本文方法无需人为设定去雾参数,具有较好的 鲁棒性,可适用于多种浓度、 各种场景雾霾图像的去雾处理,获取的图像清晰、色彩自然,对比度高。     

改进暗通道窗口与透射率修正的图像去雾

雾霾天气下,航拍设备无法准确获取图像信息,为解决此问题,提出一种改进暗通道窗口与透射率修正的图像去雾算法。首先,用超像素分割有雾图像得到景深一致的局部窗口,在每个窗口内计算暗通道,同时根据大气光特性结合超像素进行大气光估计;然后,通过引导滤波细化透射率,并建立自适应容差机制来修正图像明亮区域的透射率;最后,反演大气散射模型还原清晰图像。实验结果证明,该算法所得结果图像细节清晰、颜色自然,且能处理多类雾天图像,鲁棒性更好,与经典算法相比具有显著优势。     

校园航拍中图像去雾霾技术的应用研究

无人机的发展使校园航拍风靡全国各大高校。然而受雾霾天气的影响,户外高空采集的图像往往严重降质。为解决这一问题,文章对图像去雾霾技术及各类方法进行了研究。先后实现了基于单尺度Retinex及暗通道先验的图像去雾霾算法,并将其应用到校园航拍采集到的因雾霾天气导致降质严重的图像中。根据对处理结果的比较分析总结了两种算法的适用范围和优缺点,同时对后续研究工作进行了探讨。     

单幅图像中值暗通道先验去雾的改进算法

为解决传统基于暗通道先验(DCP) 的单幅去雾算法在景物边界处出现的白边现象及高计算复杂 度,在中值DCP(MDCP)法的基础上提出一种改进算法。首先通 过判断RGB三颜色通道的最小值与 中值暗原色的差值绝对值的大小判断DCP法或MDCP法是否成立:当DCP法成立时 , 取较大窗口的暗原色值作为最终的暗原色值;当DCP法不成立而MDCP法成立时,取两种 窗口中中值暗原色值较小的值作为最终的暗原色值;当DCP法和MDCP法都不成 立时,取 较小窗口的中值暗原色值作为最终的暗原色值。然后在HSI色彩空间保留色调分量不变,仅 对强 度分量运用修改的暗原色值进行去雾。最后,对饱和度分量进行颜色补偿。本文算法无需 图像后期 修补。实验结果表明了本文改进算法的可行性和有效性。     

基于暗通道先验的图像去雾优化算法

暗通道先验算法虽然在单幅图像去雾方面取得了一定的效果,但是该算法运行时间较长,另外对环境光的计算不太准确,不适用于天空区域,会导致复原图像色彩失真、亮度偏暗。针对这些缺陷,本文提出一种改进的White Patch Retinex算法,对原有图像去雾算法进行优化。首先,通过改进的White Patch Retinex算法计算出环境光。其次通过暗通道先验算法获得透射率。最后根据得到的环境光和透射率,求解大气散射模型,从而得到去雾后的图像。实验结果表明,该算法不仅运行时间较短,对分辨率为600×800的图像处理时间平均为5 s左右,且能解决天空区域失真问题,去雾后的图像具有较高的亮度和对比度。     

结合暗通道先验和MRF理论的单幅图像去雾算法

针对在雾霾环境下获取的图像降质严重、现有算法去雾图结构细节信息丢失较多的问题,提出了一种结合暗通道先验(DCP)和马尔可夫随机场(MRF)的单幅图像去雾算法。该算法先采用子块部分重叠局部直方图均衡(POSHE)对原始雾图进行增强,以提高其对比度,并通过DCP算法获取优化后的透射率;利用MRF模型对图像结构细节信息的约束特性,对透射率进行建模,以进一步细化透射率;由天空域的显著特征,通过分块搜索法求取大气光值。与传统去雾算法相比,该算法能得到更精确的透射率图,有效保持图像结构信息,去雾后的图呈现出丰富的细节和较真实的色彩视觉效果。     

基于暗通道先验原理的偏振图像去雾增强算法研究

在装备试验与测试中,常规光学成像系统极易受气象环境(如雾霾、沙尘等)影响,导致探测距离、成像效果、测量精度等受到大幅限制,从而严重影响目标成像效果及关键参数获取。如何增强雾霾条件下光学探测识别能力及成像质量,成为了当前急需解决的关键问题。本文利用偏振成像优势,结合暗通道先验原理,提出了基于暗通道先验原理的偏振图像去雾增强算法。该算法首先利用采集到的偏振图像提取偏振特征,计算偏振度和偏振角;同时,采用基于区域增长算法自动提取出天空区域,对天空区域进行大气光参数估计,获取大气光偏振度及偏振角相关参数估计;然后,结合暗通道先验原理,获取无穷远处大气光强,进而计算各像素点的大气光强;最后,建立在大气物理退化模型基础上,实现图像去雾增强。实例分析与验证中,通过主观评价与客观评价两种方法,对比本文提出的方法和常见其他方法,实际结果表明,本文算法去雾增强能力较强,能有效提升光学系统的探测识别能力及成像质量,对雾霾条件下武器装备关键参数获取具有重要意义。     

基于暗通道先验的红外图像清晰化及FPGA实现

针对红外图像普遍存在目标与背景对比度低、细节模糊等问题,提出一种改进的基于暗通道先验理论的红外图像清晰化算法,并在FPGA平台加以设计实现。该算法通过对输入图像当前像素和邻域的数据进行非线性滤波得到暗通道图像数据,并利用修正函数对透射率进行优化生成透射率查找表。在此基础上,根据暗通道像素值在查找表中查找透射率,并结合大气光散射模型进行图像清晰化处理,从而减少或消除传统暗通道算法产生的块效应及天空等高亮区域的颜色失真。结果表明,处理后的红外图像细节特征丰富、明亮度适宜。所提算法基于FPGA硬件实现仅占用4%的LUT和8%的I/O资源,工作频率最高达188 MHz,远远高于所使用的红外相机工作频率27 MHz,能够满足实时处理视频图像的需求。     

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。      

区域透射率融合的暗通道图像去雾方法

针对传统基于暗通道先验的去雾方法容易导致边缘区域和天空区域分别出现伪影和颜色失真的问题,提出了一种基于区域透射率融合的暗通道图像去雾方法。首先,将含雾图像分为非天空、天空及过渡边缘等3个区域。其次,在暗通道结合块透射率估计和点透射率估计分别对非天空区域和过渡边缘区域进行融合,并利用梯度域引导滤波进行平滑处理,得到融合后的暗通道透射率。然后,合成天空区域的亮度透射率和暗通道融合透射率,以获得最终的透射率。最后,利用得到的透射率和改进后的大气光值对图像进行复原,得到去雾结果图像。实验结果表明,与传统暗通道方法相比,所提方法明显更优,其在有效抑制边缘伪影的同时能够较好地保留含雾图像的颜色特征。所提方法得到的去雾图像在主观评价和客观评价方面均能取得更好的结果。