基于小波变换的改进暗通道去雾算法

针对暗通道先验算法在景深较大处会出现颜色失真,且易受噪声干扰和运行时间久等问题,提出了一种基于多尺度小波变换的改进融合暗通道去雾方法。首先对有雾图像作二级小波分解,再对得到的高频分量利用软阈值去噪,对低频分量利用改进的自适应融合暗通道进行去雾。最后利用一个局部线性模型将高低频分量系数关联进行小波重构。实验结果表明,提出的算法具有较高的去雾效率,且能很好的提高去雾图像的质量。     

基于暗原色先验的低照度图像增强

低照度图像亮度低、对比度低、细节信息缺失,对后续处理造成不便。针对这种情况,提出一种基于改进的暗原色先验低照度图像增强算法。采用输入图像暗通道的最大值估计大气光值,并用输入图像暗通道替代用大气光值来归一化输入图像,以其暗通道估计透射率,提高了算法效率。对输入图像取反,得到一副类似雾化的图像,用暗原色先验去雾,将结果再次取反,得到增强图像。暗原色先验会放大图像噪声,引入导向滤波实现保边去噪。实验结果表明,算法能有效增强低照度图像,提高图像亮度、对比度和突出图像细节信息。     

基于暗通道先验的快速图像去雾

为提高雾天降质图像的清晰度,基于暗通道先验提出单幅图像去雾的快速算法;其主要思想是摒弃复杂的软抠像方法,通过引入多分辨率处理,并结合最小滤波和联合双边滤波,对利用暗通道先验估计得到的透射图进行细化处理。针对天空区域暗通道先验失效引起色偏的问题,结合天空的特征先验和概率分布特征,识别出图像中的天空部分;并依据天空亮度来自适应调整透射率下限值。仿真表明:在保持良好去雾能力的同时,极大地降低了计算复杂度,满足一般工程的实时性要求。     

一种暗通道先验结合小波变换的图像去雾优化算法

基于暗通道先验的去雾算法是最具有代表性的图像复原算法之一,但仅仅利用暗通道去雾的图像会产生一定程度的颜色失真。针对单幅图像暗通道先验算法造成的图像色彩失真问题,提出了一种基于小波变换的色阶补偿方法。将待去雾图像的低频通道和粗暗通道去雾后图像的高频通道添加合适的权重,之后通过小波变换将待去雾图像与粗暗通道处理过后得到的图像进行多次融合,从而基于原有图像的色阶对暗通道处理造成的颜色失真进行一定程度的补偿。采用信息熵为依据的客观计算机评价,将该算法与其他去雾算法进行比较。仿真结果表明,补偿过后的图像具有较好的观测效果,优于仅采用暗通道先验去雾算法的图像。     

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. 通过计算机编码并采用无参考的客观图像质量评价方法比较算法改进前后的去雾图像效果, 定量分析与实验结果表明, 当原始图像云雾分布较均匀时, 用中值滤波算法时间复杂度低, 相比引导滤波更易实现, 既能节约去雾时间, 又能实现图像平滑处理.     

基于暗通道边缘细化的图像快速去雾算法研究

指出了在雾霾天气下,镜头获得的户外图像必然会出现降质和退化等问题,暗通道先验算法能够很好地解决有雾图像复原的问题,但是其时效性较低.针对这些问题,提出了一种对暗通道图进行边缘细化修正的改进图像快速去雾算法.该算法对暗通道边缘进行细化,并对透射率进行适度修正,以加快透射率的细化过程并提高图像复原的性能.实验结果表明:所提算法在图像复原质量和速度上都有了较大的提升,具有一定的实用价值.     

基于引导滤波的单幅图像去雾算法研究

基于暗原色先验的单幅图像去雾算法较好地解决了估算雾天场景透射率的问题,算法复原的图像清晰颜色自然。但原始算法计算复杂度高、耗时长、无法满足实时性需求。介绍了引导图像滤波的原理,并将其与暗原色先验结合以改进原始算法;同时分析了滤波参数对去雾结果的影响。实验证明改进的算法在保证原算法去雾效果的同时能使算法复杂度大大降低。     

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。     

一种自适应基于暗通道先验的去雾方法

基于暗通道先验去雾方法, 提出一种改进的自适应基于暗通道先验去雾方法, 并使用均方误差对已有雾模型数据库中多组数据进行误差分析. 实验结果表明, 该方法对光线不足或天空等背景的图像实验效果优于已有方法, 并且恢复的图像更接近真实图像.     

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.     

一种改进的结合边缘检测的去雾新方法

暗原色去雾算法复原的图像会出现边缘效应,为此提出了一种改进的基于暗原色理论的去雾算法.首先计算出图像的暗色图,并使用小波分解算法将暗色图像向下采样一次;然后在小波分解的平滑部分计算大气光和图像的暗原色,提取出平滑部分的边缘信息,并使用形态学对其进行膨胀获得相应的二值边缘图像;接着对二值边缘图像所在区域的暗原色及非边缘处的暗原色分别进行优化;最后,将优化后的暗原色使用小波重构算法向上采样,并据此计算出图像透射率,结合去雾模型复原到清晰的无雾图像.实验证明,该方法在很好地去除边缘效应的同时,极大地减少了算法时间复杂度,满足实时要求.     

结合天空区域检测的图像去雾算法研究与实现

针对雾霾条件下拍摄的户外图像,常规去雾后天空区域常常出现的失真问题,提出了一种结合天空区域检测的图像去雾算法;算法先根据暗通道理论估计出大气光强度,使用双边滤波器得到大气光幕,求得透射率图,再结合天空区域检测的结果对透射率进行修正,最后代入雾天成像模型得到复原的图像;实验结果表明:结合天空区域检测的图像去雾算法可以有效地检测出图像中是否存在天空区域,针对检测结果修正的透视率,能够使修复后有天空区域的图像看起来更加自然平滑,没有明显失真,不存在天空区域的图像,图像对比度大大提升,在景深较大的区域恢复出更多的细节;算法对各类图像均可取得较为理想的去雾效果。     

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?     

基于深度学习的复杂气象条件下海上船舶识别

为提高复杂气象条件下海上船舶的识别效果,本文通过暗通道先验去雾算法减少云雾遮挡对目标识别的影响,使用基于深度学习的YOLO改进算法提高目标识别效果。结果表明：本文采用的算法在中国航天科工四院指挥自动化中心的模拟海事数据集上,4类船舶目标识别的mAP (Mean Average Precision)达到89.98%,超过了对比的其他目标识别算法;针对数据集中的云雾遮挡图像,暗通道去雾处理后,目标识别的mAP从53.25%提升到69.35%。可见本文提出的算法可以满足复杂气象条件下的海上船舶识别的需求。     

基于亮区域暗通道矫正和加权聚合引导滤波

针对暗通道先验在天空等亮区域失效和引导滤波容易导致边缘模糊的不足,提出了一种高效的去雾算法.该算法提出一种新颖的亮区域自适应分割与校正方法,基于自适应的相对景深阈值分割亮区域,采用饱和度和灰度值校正亮区域的暗通道.然后利用加权聚合引导滤波代替引导滤波细化初始透射率,解决引导滤波引起的边缘模糊问题.最后,提出一种有效的亮度校正方法,将复原图像转化到HSV色彩空间,对亮度进行均衡化处理,使用相对雾浓度均值作为权值,对均衡化前后的结果进行线性加权得到最终的复原结果.实验结果表明,与经典算法对比,所提算法亮区域分割准确,复原图像纹理清晰,去雾彻底,复原结果的峰值信噪比、平均梯度与信息熵的最大提升分别为34.46%、99.49%和21.18%.     

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。     

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.