基于暗原色融合和维纳滤波的单幅图像去雾

针对在雾霾等恶劣天气下捕获的户外场景图像对比度降低、颜色失真等问题,对基于暗原色先验的去雾方法进行改进,应用小波变换将块暗原色和点暗原色进行融合后,得到新的透射率估计,并利用自适应维纳滤波细化透射率.同时提出了四分加权法重新估计大气光,使得大气光更具鲁棒性.实验结果表明,本文方法不仅能有效恢复清晰的无雾图像,而且能够大幅提升运行速度,便于实时应用.     

结合暗通道先验的单幅图像快速去雾算法

基于暗通道先验的单幅图像去雾算法对天空区域的恢复效果不佳,且运行效率较低.为此,文中提出了一种快速、有效的单幅图像去雾算法.该算法首先根据颜色衰减先验建立场景深度模型,并基于场景深度模型估计透射率,再基于局部一致性和暗通道先验得到粗透射率;然后利用图像融合的方法,将基于场景深度模型估计的透射率与粗透射率融合,实现天空区域透射率的修正;最后采用导向滤波细化的透射率复原图像,并对复原图像进行色调调整.实验结果表明,文中算法运行效率高,并且有效地提高了复原图像的清晰度和对比度.     

基于暗原色先验模型的混合滤波图像去雾算法

基于暗原色先验模型去雾方法,提出混合滤波快速图像去雾算法.该算法在暗原色先验模型的基础上,对雾图的暗原色图像进行最大值滤波,继而求出透射率矩阵;利用最小值滤波估算透射率矩阵的下限值作为透射率的补偿值,再使用指导滤波修复透射率矩阵;利用小波变换方法对去雾后的图像进行滤波和平滑处理,有效改善了去雾图像的视觉效果.本算法有效解决了由于图像边缘估值失真导致的重建后去雾图像存在景深边缘处白色晕块和斑状奇异点的问题,以及带雾图像不同景深、景深边缘透射率的误差修复问题.     

改进的Otsu递归分割单幅图像去雾算法研究

针对暗原色先验去雾算法对天空区域的透射率估计值偏小问题,提出一种改进的Otsu递归分割图像去雾方法。该方法基于图像分割的思想,利用改进的Otsu递归分割算法准确分离出天空区域,结合暗原色图像灰度归一化值对天空区域透射率估计值进行修正,优化后的透射率更加接近实际值,最后通过大气散射模型得到复原图像。实验结果表明:去雾后的图像保持真实色彩,区域交叉边界处复原自然。文中算法有效解决了天空区域出现色偏和光晕问题,拓宽了暗原色先验算法的适用范围,对户外雾天图像的去雾具有良好的应用前景。     

基于暗原色先验的快速视频去雾优化算法

对目前高分辨率视频图像去雾算法实时性差,天空及大量明亮区域处理不理想等问题,提出一种基于暗原色先验的快速视频去雾优化算法。针对视频图像,采用导向滤波和帧差法,实现快速视频去雾。根据经典大气散射物理模型,首先,利用暗原色先验估计大气光值和透射率图;然后,下采样透射率图并用导向滤波得到优化的透射率图后,上采样并改善透射率图;最终,得到去雾视频帧。与带颜色恢复的多尺度Retinex算法(MSRCR)和He算法进行对比,实验结果表明,所提优化算法能有效提高视频去雾速度,改善去雾效果。     

基于雾天图像退化模型的自适应参数优化的去雾算法

针对单幅雾霾图像中包含有大面积浓雾、高亮以及白色物体等,而导致无法清晰识别的问题,基于雾天退化模型,提出了一种改进暗通道和运用灰度开运算求解环境光值相结合的去雾算法。首先根据暗通道先验理论运用图像阈值分割出暗原色区域和明原色区域,并将暗原色区域与明原色区域相结合以求得更加精准的原始透射率;然后采用引导滤波算法细化原始透射率;并通过灰度开运算对环境光值进行区间估计,提高了环境光值的精准性和鲁棒性。使得该算法适用于暗通道去雾效果不好的浓雾高亮区域,去雾后的图像更加真实自然,边缘细节信息更加丰富,有效去除了Halo效应;同时也有效地解决了单幅图片去雾后图片偏暗,图片视觉效果不好等问题。与经典去雾算法作比较,验证在图像的对比度、失真度、细节信息和边缘保持等方面都优于其他算法。     

基于散射模型的雾天图像快速复原算法

基于暗原色先验的图像去雾算法能够较好地复原雾天图像,复原的结果清晰自然,但原始算法存在计算复杂度高?大气光估计不够准确?天空区域易出 现失真以及无法处理偏色雾霾等缺点?从以上4个问题出发,以大气散射模型为基础,提出了新的估计透射率与大气光的方法?利用线性对比度拉伸对原含雾图像进行预处理,以消除偏色雾霾的影响,利用设置反馈参数的均值滤波估算雾天图像的大气透射图,通过建立权重图划分天空区域并确定大气光,根据天空区域的面积自适应地修正该区域的透射率,将其代入复原模型得到去雾图像?实验证明,该算法能够较好地克服原始算法的缺点,在降低算法复杂度的同时起到良好的复原效果?     

基于像素级图像融合的单幅图像去雾算法

单幅图像去雾是计算机视觉领域的一个重要研究课题,基于图像融合思想,提出一种新的单幅图像去雾算法.首先计算大气光和中值暗原色先验的差值绝对值来判断有雾图像中是否含有明亮区域,获得对天空、白色建筑物等明亮区域透射率更精确的估计,并通过该透射率计算第一幅待融合图像;然后利用大气散射模型的一般形式,求解出第二幅待融合图像;最后,通过计算融合系数,将两幅去雾图像进行像素级融合,得到最终的去雾图像.该方法可以有效的改善天空区域颜色失真,去除Halo效应.实验结果表明,所提方法能较好的实现去雾,并保留图像细节和结构信息.     

基于自适应透射率修复的去雾算法研究

雾气环境下获取的图像往往对比度低、色彩弱化,严重影响了其后续应用。已有的去雾算法存在运算速度慢、色彩失真等问题。该文对基于暗原色先验的图像去雾算法进行了改进。(1)通过边缘检测得到图像边缘和非边缘区域,并分别采用不同大小的窗口计算透射率,提高透射率计算速度;(2)通过采用自适应调节的透射率下限值解决不满足暗原色条件的区域的色彩失真问题。实验结果表明,该文方法可以有效的解决图像局部色彩失真问题,大大减少运算时间,使复原图像整体视觉效果增强。     

基于透射率归一化的弱光图像增强

针对阴天或夜晚等弱光条件下拍摄的图像具有低信噪比、低对比度、强噪声等问题,在暗原色先验理论去雾框架下,提出了一种基于透射率归一化的弱光图像增强方法.首先,针对弱光图像的特点,简化弱光图像增强模型;然后,用点暗原色取代块暗原色求取透射率,并利用局部维纳滤波进行细化,以保留更多图像的细节;最后,由弱光图像直接对透射率进行归一化即可得到增强图像.实验结果表明,该方法运算简单,可有效增强弱光图像,且能保留更多的图像细节.