基于加权暗通道的图像去雾方法

传统基于暗通道图像去雾中仅考虑初始透射图对于透射图优化的影响,而未充分考虑深度信息对于透射图优化贡献不同的特点,造成去雾结果在深度不连续处出现"晕"且离视点较远区域的去雾效果有明显下降.针对上述问题,本文提出一种基于边缘特征的加权暗通道先验去雾算法.该方法根据边缘特征的位置估计深度信息的连续性,将边缘点及非边缘点赋予不同权值,对加权透射图优化求解.仿真实验表明,新的去雾算法在恢复图像细节的基础上能够有效抑制"晕"的产生,证实了本文方法的可行性和有效性.     

基于加权暗通道的图像去雾方法

传统基于暗通道图像去雾中仅考虑初始透射图对于透射图优化的影响,而未充分考虑深度信息对于透射图优化贡献不同的特点,造成去雾结果在深度不连续处出现"晕"且离视点较远区域的去雾效果有明显下降.针对上述问题,本文提出一种基于边缘特征的加权暗通道先验去雾算法.该方法根据边缘特征的位置估计深度信息的连续性,将边缘点及非边缘点赋予不同权值,对加权透射图优化求解.仿真实验表明,新的去雾算法在恢复图像细节的基础上能够有效抑制"晕"的产生,证实了本文方法的可行性和有效性.     

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.     

基于偏振的暗通道先验去雾

基于暗通道先验去雾的图像增质方法在目标探测中表现良好,但其以光强信息为载体,光学维度单一的不足导致其目标表征效能下降.本文借助偏振对物理属性的敏感特性,提出在传统暗通道先验去雾方法中引入偏振信息来增强不同物体之间的辨识程度.研究了暗通道先验去雾方法中退散射与偏振探测的理论,并搭建机械式偏振滤波成像设备在雾天环境对所提方法的目标表征功能进行了实验验证.研究表明,基于偏振的暗通道先验去雾方法能够同时获取物体的光强与偏振信息,与传统暗通道先验去雾方法相比,利用目标与背景的偏振差异能够明显地提高二者对比度.此研究结果可应用于现有的偏振成像仪器系统,实现退散射与偏振信息的实时提取,进一步提高雾天目标探测与表征的效率.     

一种偏振普适性多尺度实时的图像去雾算法

针对现有偏振算法依赖于"天空区域"估计大气参数,从而受白色目标或高亮区域干扰的不足之处,提出了一种图像普适性多尺度偏振去雾方法.研究偏振差分图像四叉树空间索引和图像暗通道先验方法,突破估计模型参数利用天空的局限性,重建场景深度,结合大气散射模型复原低频无雾图像;同时针对目标复原过程中噪声遗留问题,研究软阈值去噪算法,结合低频信息重构的透射率,以梯度增强方式丰富纹理细节,最后小波重构出清晰图像.实验结果表明,该算法有效消除了估计大气参数受制于天空区域的局限性,抑制噪声的影响,复原的目标更加清晰,细节方面更为丰富,算法运行效率方面有较大提高.     

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.     

Image Defogging Framework Using Segmentation and the Dark Channel Prior

Foggy images suffer from low contrast and poor visibility problem along with little color information of the scene. It is imperative to remove fog from images as a pre-processing step in computer vision. The Dark Channel Prior (DCP) technique is a very promising defogging technique due to excellent restoring results for images containing no homogeneous region. However, having a large homogeneous region such as sky region, the restored images suffer from color distortion and block effects. Thus, to overcome the limitation of DCP method, we introduce a framework which is based on sky and non-sky region segmentation and restoring sky and non-sky parts separately. Here, isolation of the sky and non-sky part is done by using a binary mask formulated by floodfill algorithm. The foggy sky part is restored by using Contrast Limited Adaptive Histogram Equalization (CLAHE) and non-sky part by modified DCP. The restored parts are blended together for the resultant image. The proposed method is evaluated using both synthetic and real world foggy images against state of the art techniques. The experimental result shows that our proposed method provides better entropy value than other stated techniques along with have better natural visual effects while consuming much lower processing time.     

Region Adaptive Single Image Dehazing

Image haze removal is essential in preprocessing for computer vision applications because outdoor images taken in adverse weather conditions such as fog or snow have poor visibility. This problem has been extensively studied in the literature, and the most popular technique is dark channel prior (DCP). However, dark channel prior tends to underestimate transmissions of bright areas or objects, which may cause color distortions during dehazing. This paper proposes a new single-image dehazing method that combines dark channel prior with bright channel prior in order to overcome the limitations of dark channel prior. A patch-based robust atmospheric light estimation was introduced in order to divide image into regions to which the DCP assumption and the BCP assumption are applied. Moreover, region adaptive haze control parameters are introduced in order to suppress the distortions in a flat and bright region and to increase the visibilities in a texture region. The flat and texture regions are expressed as probabilities by using local image entropy. The performance of the proposed method is evaluated by using synthetic and real data sets. Experimental results show that the proposed method outperforms the state-of-the-art image dehazing method both visually and numerically.     

单幅图像的去雾新算法

提出了一种基于单幅图像的去雾新算法.首先把图像归一化后从RGB彩色空间转换到HSI彩色空间,对色调分量运用四叉树分割法进行分割图像;分割后图像的每一局部小方块可以认为具有相同的场景深度,从而可以对每一局部小方块估计出空气光.然后再对亮度分量运用雾天图像光学模型,从雾的物理特性上去除雾对图像的影响.最后再对图像的饱和度分量进行校正,得到复原后的图像.该算法的主要优点是速度快,且不仅可以应用于彩色图像,也可以适用于灰度图像.通过该算法与其它几种算法的实验结果进行分析和比较,表明该算法能有效恢复出清晰图像.     

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。     

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.     

基于虚拟通道技术的数字图像灰度水印算法

根据提出的虚拟通道技术,提出一种在载体中嵌入灰度图像作为水印的数字水印算法.通过修改载体频率域系数,载体通道可被看成一个虚拟的水印通道,它由若干个缺损的水印子通道构成,水印的提取不需要原始载体或原始水印的参与.实验结果表明提出的算法很好地保证了水印的不可见性和稳健性.     

基于双目视觉的边缘检测算法

提出了一种基于立体视觉的物体边缘检测的方法。先对立体图像对进行基于图割的立体匹配方法求取场景的视差图，然后再用Canny的边缘检测方法对视差图进行边缘检测。立体视觉方法有效解决了单目视觉检测方法中的一些难点，利用了物体在空间的深度信息，对复杂背景下的物体和具有复杂纹理物体的边缘检测有很高的鲁棒性。实验结果表明该边缘检测方法优于传统的单目视觉边缘检测方法。