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。     

基于中智学的非局部先验图像去雾算法北大核心CSCD

图像去雾是计算机视觉的重要研究方向之一。传统图像去雾算法存在去雾不彻底、去雾图像对比度低、halo效应、色彩失真等问题。针对上述问题,提出了一种改进的非局部先验的图像去雾算法。该算法使用基于中智学的模糊C均值聚类算法和一种混合暗通道先验的透射率优化方法,改进了传统非局部先验的图像去雾算法在大气光估计、雾线定位和透射率优化过程中存在的问题。结果表明,与几种常用的图像去雾算法相比,提出的算法在去雾图像的大气光估计、客观分析和主观分析等方面均有一定的优势。     

基于中智学的非局部先验图像去雾算法

图像去雾是计算机视觉的重要研究方向之一。传统图像去雾算法存在去雾不彻底、去雾图像对比度低、halo效应、色彩失真等问题。针对上述问题,提出了一种改进的非局部先验的图像去雾算法。该算法使用基于中智学的模糊C均值聚类算法和一种混合暗通道先验的透射率优化方法,改进了传统非局部先验的图像去雾算法在大气光估计、雾线定位和透射率优化过程中存在的问题。结果表明,与几种常用的图像去雾算法相比,提出的算法在去雾图像的大气光估计、客观分析和主观分析等方面均有一定的优势。     

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.     

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。     

基于边窗盒子滤波和透射率修正的图像去雾

针对雾线先验去雾算法存在的颜色过饱和现象、图像初始透射率估算不准确等问题,提出了一种基于边窗盒子滤波和透射率修正的图像去雾算法。为了解决初始透射率估算不准确带来的边缘细节信息丢失的问题,首先利用非局部总广义变分（TGV）正则化的方法估算初始透射率,并将二阶的非局部总广义变分（TGV）正则器来作为正则项,以确保对由图像颜色和深度之间的噪声和歧义引起的异常值具有鲁棒性。随后利用边窗滤波算法对初始透射率进行优化,从而实现对图像中纹理信息和边缘信息的保留。最后利用大气散射模型和多角度优化后的透射率复原出无雾的原始图像。实现结果表明,本文算法能够解决图像颜色过饱和与边缘处的细节纹理信息丢失的问题,且无色调偏移和光晕效应。在定性评估上,复原后的图像视觉效果好;在定量评估上,本文算法的去雾后图像的评价指标皆高于基于雾线先验算法。     

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。     

基于非局部先验的单幅图像去雾算法

现有单幅图像去雾算法大多基于局部先验,去雾结果存在块效应。在处理浓雾区域时,如果没有特殊处理,会导致图像中的一些伪影被增大,比如在原始的有雾图像中几乎不可见的噪声、色彩重叠等,在去雾后的图像中被增强,进而影响图像质量。针对以上存在的问题,提出了一种改进算法。首先采用非局部先验,估算初始的透射率,然后采用正则化的方法优化透射率,并且将原始图像和去雾后图像的梯度差L1/2范数作为正则化项,达到抑制噪声干扰的目的。结果表明,该算法能够很好地恢复出图像的细节信息和色彩;与局部先验方法相比,具有更好的稳健性。     

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。     

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.     

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。     

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.     

通道注意网络和模糊划分熵图割的图像去雾

针对雾图成像时变化的场景光及去雾过程中不同雾相关信息在处理上的差异性,提出了通道注意网络和模糊划分熵图割的单幅图像去雾算法。以考虑变化场景光的大气散射物理成像模型为基础,首先使用通道注意的编码解码网络来估计透射率,并在编码器最后及解码器起始处添加通道注意模块,以便为编码器提取的不同雾相关特征图分配不同的权重,准确地计算透射率;然后利用所提出的模糊划分熵图割算法将透射率划分为不同场景光覆盖下的近景、中景、远景,此分割策略将考虑空间相关性的图割算法与模糊划分熵的阈值分割算法相结合,解决了单一阈值分割算法产生的区域误分问题;最后估计场景光和大气光,得到去雾图像。实验结果表明,算法在合成雾图及真实雾图上均有较好的去雾效果。与已有的去雾算法相比,本文算法在峰值信噪比及结构相似性上均有提升,单张图像的平均处理时间为3.9 s。     

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.     

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。