雾霾线求解透射率的二次优化方法

针对现有图像去雾算法采用局部先验理论求解的透射率精度不高、复原含雾图像能见度较低的问题,提出了一种雾霾线求解透射率的二次优化方法。首先通过雾霾线先验理论对透射率进行粗估计;然后结合粗估计与最小通道求解的透射率,代入新的可靠性函数进行计算,修正数值较低的像素,完成一次优化,保留边缘信息的同时减少噪点数量;最后,利用纹理区域相对总变分正则项的输出差异,使模型自适应滤除纹理信息,进一步提升透射率估计精度,完成二次优化,有效改善含雾图像能见度。实验结果表明,与目前主流去雾算法相比,所提方法提高了浓雾及景深突变区域的复原图像质量,在主观评价更加清晰的前提下,客观评价指标雾霾感知密度、平均梯度、信息熵和模糊系数分别平均提升了10%,10.16%,0.98%和22.93%。     

融合MCAP和GRTV正则化的无人机航拍建筑物图像去雾方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题，提出了一种改进的图像去雾方法，应用于无人机航拍建筑物图像处理中.针对全局大气光取值易受场景中景物影响的问题，提出一种颜色衰减先验投影最小方差的大气光求解方法，构建明度与饱和度差值图像，求解最小方差出现区域，并确定全局大气光估计.将利用图像场景深度信息求解的区域大气光与全局大气光相融合，获得新的大气光图.采用基于非局部信息的雾霾线先验理论对透射率进行优化，提出了一种基于雾霾线理论和引导相对总变分正则化的算法，通过计算透射率可靠性函数对透射率修正，并消除图像中存在的大量无用纹理信息，提升了透射率估计精度，有效改善了无人机航拍场景中浓雾及景深突变区域的复原图像质量.实验结果表明，所提算法与其他算法相比，获得的复原图像平均梯度、对比度、雾霾感知密度估计及模糊系数等指标分别平均提升了12.2%、7.0%、11.9%和12.5%,运算时长也优于部分算法，航拍图像更加清晰，更符合人眼视觉感受.