基于改进暗通道先验的图像去雾算法

针对暗通道先验去雾算法在含有浓雾、亮白、非均匀光照区域造成的图像失真的问题,提出了一种改进的自适应局部阈值分割和自适应参数优化相结合的去雾算法。首先根据暗通道先验理论运用局部阈值分割出亮白区域和非亮白区域,然后采用引导滤波将求取的原始透射率进行细化,并通过亮白区域与非亮白区域加权求取更加精准的大气光强,提高了大气光强的鲁棒性,使得该算法适用于暗通道去雾效果不好的浓雾高亮区域和非均匀光照区域。最后,通过雾天图像降质模型恢复出无雾图片,将该算法与几种常用的去雾算法进行比较。结果表明,该算法在绝大多数情况下恢复的图片清晰自然,解决了图像去雾后视觉效果不好的问题,同时也有效改善了亮白区域色彩失真的现象。     

基于暗通道先验的图像去雾改进算法

为了改进常规暗通道先验的图像去雾算法中,因大气光值求取不准确引起的复原图像色偏现象,在分析有雾图像天空区域灰度均值和方差特征基础上,提出一种基于二分搜索的大气光值估计算法,获得更为合理的大气光值;针对有雾图像边缘位置暗通道值计算偏差产生的复原图像光晕效应问题,依据最小值图和暗通道图的灰度值差,获取自适应阈值,根据阈值确定图像中景深变化剧烈的边缘位置,从而对边缘位置的暗通道值进行修正。测试结果表明,该方法能够有效去除复原图像中的光晕效应,改善色偏现象,提高图像对比度,以及保留图像中更多的细节信息。     

融合全局与区域大气光值图的暗通道图像去雾方法

针对现有图像去雾方法采用单一大气光值求解、复原图像难以兼顾亮度与远景去雾效果的问题,提出一种融合全局与区域大气光值图的暗通道图像去雾方法 .首先提出一种基于最小方差投影的大气光估计方法,减少大气光估计值受极值点的影响,提高大气光估计精度;其次,提出一种基于场景深度的区域大气光估计方法,对不同景深区域独立求解大气光估计,引入景深信息,兼顾改善近景亮度与远景去雾效果;同时,将两者融合,按照大气光值图对高亮区域透射率进行调整优化,既增加了位置相关信息,又提高了区域间的相关性,增强了复原图像亮度的均匀程度,改善了图像质量.实验结果表明,提出的算法与多种文献去雾算法相比,能够较好地平衡复原图像亮度与远景区域去雾效果,有效提高复原图像能见度,雾霾浓度评价指标(FADE)、平均梯度、信息熵及模糊系数等指标均有显著提升,复原图像更加清晰.     

结合暗亮通道先验的远近景融合去雾算法

为解决传统暗通道不适用于大面积天空区域,容易造成去雾图像失真的问题,提出一种结合暗亮通道先验的远近景融合去雾算法。首先,利用改进的二维Otsu图像分割算法,混合近景和远景区域的暗通道,并基于最优的客观质量评价指标对近景和远景区域设置混合暗通道的自适应调节参数;其次,针对真实物理场景中大气光并非均匀不变常量的问题,建立暗亮通道融合模型,并计算大气光图;为了提升处理速度,在不降低恢复质量的前提下,选取与原图对应的灰度图作为引导图像对透射率图进行细化;最后,采用基于视觉感知的亮度/颜色补偿模型对图像修正,提高了复原图像的对比度和色彩饱和度。实验结果表明,所提算法在主观和客观角度均取得最好的效果,其中客观指标PSNR在数值上比He的算法平均高出24.04%。由此得出,通过所提算法复原的图像更加清晰、细节信息和结构更加明显,更适于人眼的观察,验证了算法的有效性。     

基于暗通道先验和多方向加权TV的图像盲去模糊方法

针对全变差(TV)正则化图像复原其细节恢复能力有限且对噪声敏感等问题,本文利用多方向边缘检测,对传统TV模型进行改进,得到基于边缘检测的多方向加权TV模型;为了使复原模型更具普适性且提高细节恢复能力,本文将暗通道先验融入上述模型,提出基于暗通道先验和多方向加权TV的图像盲去模糊方法.同时,在模糊核估计过程中,提出了基于自适应强边缘提取的模糊核估计方法,可有效剔除伪边缘、噪声等不利信息,使模糊核估计更具鲁棒性;最后,给出了模糊核估计和去模糊模型的最优化求解算法.实验结果表明,本文方法可准确估计模糊核,复原图像含有更丰富的边缘、纹理等细节特征.     

航拍图像暗通道先验去雾算法速度改进

针对暗通道先验去雾算法复杂程度较高,利用引导滤波精细化大气透射率图层时间较长的问题,提出一种用中值滤波精细化透射率图层的算法改进航拍图像去雾速度.改进算法定义了一种算法简单且具有边缘保护效果、与滤波窗口无关、时间复杂度为O(1)的中值滤波器,对云雾均匀的输入图像,用中值滤波较好地模糊了计算暗通道图层而产生的块状处理结果...     

基于相对对比度与边缘相似性的雾化图像复原效果评价方法

由于无雾图像与有雾图像的对比度明显不同;并且在提高图像对比度的同时,要尽可能使复原图像与降质图像的边缘结构具有一致性以防止复原图像失真.由此提出基于相对对比度与边缘相似性相结合的方法来评价复原图像.仿真分析证明该方法能够客观有效地衡量各种去雾算法的有效性.     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

基于天空识别与加权引导滤波的图像去雾算法

针对图像去雾算法在天空和景深突变区域的失效问题,文章提出一种天空识别与加权引导滤波的图像去雾算法.首先针对透射率与纹理无关的情况,利用改进的4-RT V模型平滑有雾图像,并将其作为引导图像;其次运用自适应加权引导滤波细化透射率,获取更清晰的边缘细节;最后结合天空识别的结果对透射率进行修正.实验结果表明:相比一些经典的去...     

结合天空分割修正的快速去雾方法

针对目前去雾算法对高亮天空区域处理不理想,以及去雾后的图像整体视觉效果较差的问题,提出一种结合天空区域分割修正的快速雾天图像复原方法.首先,对输入图像进行白平衡处理;其次,根据大气散射物理特性和光学成像特性对大气耗散函数做初始估计,判断是否存在天空区域,若存在天空区域,结合对比度增强调整,Otsu算法(大津法)分割出天空区域,修正天空区域的大气耗散函数;最后,由大气散射模型得到复原图像,并对复原图像做亮度调整.实验结果表明:该算法具有较强的场景适应能力,能很好地处理天空区域;复原图像具有较好视觉效果,而且执行速度更快.     

基于暗通道的沙尘图像增强算法

针对沙尘图像存在色差以及图像增强后沙尘图像在明亮区域易出现光晕等问题, 提出一种新的基于暗通道的沙尘图像增强算法. 首先通过在Lab色彩空间用灰度世界算法调整色差, 有效避免图像出现色彩失真现象; 然后利用伽马校正函数和暗通道去雾算法, 避免图像出现噪声、 色彩过度增强和光晕等现象; 最后将亮度补偿后的图像与对比度增强后的图像进行加权融合, 进一步提高图像的可见度, 使图像细节更清晰可见. 实验结果表明, 该方法提高了沙尘图像的清晰度和亮度, 可得到质量更高的沙尘图像.     

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。     

采用亮通道先验的低照度图像增强算法

针对低照度彩色图像亮度偏低、对比度差等问题,提出基于亮通道先验的低照度图像增强算法.首先,分析Retinex算法所存在的缺陷,提出了亮通道先验.然后,将原RGB彩色图像转换到HSV彩色空间,对亮度分量V使用亮通道先验和引导滤波估计光照分量和反射分量,并且采用自适应对数校正对光照分量进行提升.最后,将增强后的图像转换到RGB彩色空间.实验结果表明:该算法快速有效,能够很好地提升图像整体亮度和对比度,图像细节得到增强,克服了颜色失真和光晕等问题,增强后的彩色图像更为明亮、自然.     

基于变分结构引导滤波的低照度图像增强算法

针对低光照条件下获取的图像存在亮度低、可见性差等缺陷,提出了基于变分结构引导滤波的低照度图像增强算法。首先在输入图像的每个像素点处计算R、G、B三通道的最大值,并使用最大值滤波获取亮通道图。其次,创新性地构建基于变分模型的引导滤波器对亮通道图进行精炼从而估计出照射分量,并根据Retinex理论,去除照射分量得到反射分量。最后,采用同态滤波和线性拉伸进一步提高反射分量的对比度以输出清晰的图像。综合实验表明,该算法能快速有效地增强低照度图像的亮度和对比度,且能较好地保持图像细节。     

一种红外偏振与光强图像的暗原色多特征分离融合方法

针对现有红外偏振和光强图像融合算法不能同时兼顾提高对比度、突出明亮特征和保持边缘细节信息的问题,提出一种暗原色多特征分离融合的新方法。首先,对源图像进行局部最小值滤波和引导滤波得到暗原色图;然后,经过差值、绝对值取小融合的处理,提出暗原色多特征分离方法,得到包含亮、暗以及边缘细节信息的三部分图像;最后,对三部分图像采用不同规则分别融合,通过重构和亮度调整得到最终融合图像。实验结果表明,本文方法能有效地融合源图像的互补信息,不仅能够保留边缘细节信息,同时也能突出明亮特征和图像整体对比度,在实际的目标识别中具有一定的优势。     

有雾图像和沙尘图像增强算法

针对有雾图像和沙尘图像存在色差、 清晰度较差的问题, 提出一种有雾图像和沙尘图像增强算法. 首先, 在Lab颜色空间用灰度世界算法解决沙尘图像的色差问题, 将调整色差后的沙尘图像与有雾图像转换到HSV颜色空间, 分别提高图像的饱和度和对比度; 其次, 用Laplace算子检测图像的模糊程度, 对于模糊度较高的图像, 用基于加权最小二乘滤波算法去除图像的模糊特征, 进一步提高图像可见度; 最后, 与现有的去雾算法和沙尘增强算法进行对比实验. 实验结果表明, 该算法可以更好地恢复图像的色彩, 并有效提高图像清晰度.     

一种改进的有雾图像去雾算法

针对基于大气散射模型的图像去雾算法存在的图像去雾后颜色偏暗、对比度过度增强的问题,提出一种基于灰色关联度引导滤波的图像去雾算法。首先,假设有雾图像的像素可以分为正常像素和被雾霾颗粒破坏的像素,应用灰色关联理论对雾霾图像的像素值进行判断;然后,对雾霾颗粒破坏的像素进行引导滤波,通过取对数的方法缩小原始图像和滤波以后图像像素值之间的差异,在对数域中计算雾气面纱值;最后,依据大气散射退化模型反演复原清晰的图像。实验结果表明,该算法不仅可以有效改善雾霾图像的清晰度,而且能够解决去雾后存在的亮度偏暗,色彩失真等问题。     

改进暗通道先验的雾霾天图像复原算法

为解决暗通道先验在雾霾天图像复原过程中存在的不足,提出了一种改进的快速算法,即采用自适应邻域求取原图像的暗通道,解决了固定邻域在局部区域的错误估计问题;结合极大值滤波与双边滤波计算透射率,有效降低了运算量和运行时间;最后利用区域像素的平均值替代单个最大值,获取更加准确的空气光亮度,从而使改进算法对雾霾去除的视觉效果更加...