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.     

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.     

基于暗通道的快速图像去雾方法研究与实现

暗通道先验(Dark-Channel Prior)去雾方法在处理单幅户外场景图像方面已经取得了非常好的效果,但是在对高分辨率图像以及包含大片白色区域的图像进行处理时,存在运算时间过长、去雾后的图像带有块状噪声等问题。结合暗通道先验去雾算法针对以上问题提出了一种改进的图像去雾方法,首先对高分辨率带雾图像进行降维处理并获得若干子图像,选取其中部分子图像进行暗通道去雾处理后,再对去雾后的子图像进行滤波、融合以及升维处理,还原分辨率后得到清晰的无雾图像。实验结果表明,改进方法可以较好的达到去雾目的,提高图像整体的对比度,真实地复原图像场景细节,同时可以明显提升算法的运算速度,在保证去雾效果的前提下大幅度降低了计算量。     

基于改进的暗通道先验去雾辅助导航算法

经典的去雾算法无法满足车道线检测的实时性和准确性要求,因此提出一种改进暗通道与边缘检测融合的雾天车道线识别算法。首先对有雾图像进行对比度增强处理,突出边缘、颜色等有效信息,基于道路先验信息对图像进行感兴趣区域处理,利用暗通道先验算法对静态约束图像进行去雾操作,并通过双边滤波器细化透射率图,得到清晰的去雾图像;然后引入动态约束理念,提取车道线可能存在的区域,借助Sobel算子检测动态约束后的车道线区域,提取车道线边缘点;最后利用Hough变换进行准确的车道线拟合。实验表明,改进的去雾算法得到的图像清晰度与对比度更高,满足了车道线检测的准确性与实时性要求;去雾及车道线检测算法平均处理时间为297. 305 ms,满足无人驾驶时间要求。     

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.     

利用中通道补偿的单幅图像去雾

针对雾天图像对比度低和细节模糊等问题,将图像分解为纹理层和结构层,对含有大部分雾气的结构层进行去雾,对纹理层进行增强.为了避免大气光估计易受白色物体影响,提出一种RGB空间立体判决图,并设计基于自适应阈值约束的大气光估计方法,可有效区分天空和非天空区域;针对暗通道先验处理大面积天空、浓雾区域失效问题,提出一种基于中通道补偿的透射率估计方法,可有效克服去雾后图像颜色失真;同时,基于侧窗导向滤波对上述透射率进行修正,能够较好地保持细节.实验表明,本文方法能有效去除雾气,去雾后图像颜色自然,细节保持良好.     

基于HSI颜色空间暗通道的亮度保真去雾方法

图像块和像素先验是实现图像去雾的两类重要策略，但图像去雾后往往会出现亮度损失、过饱和或颜色失真等现象。本文提出了一种基于HSI颜色空间暗通道的亮度保真去雾方法，将RGB颜色空间中传统暗通道模型拓展到HSI颜色空间，以图像亮度、饱和度、颜色浓度和亮度变化构造融合图像块和像素两种先验策略的暗通道模型。通过引入颜色浓度、亮度变化与透射率的两个线性关系，构造出透射率、颜色浓度、亮度变化的方程组，增加了物理散射成像模型参数的可靠性，提高了图像透射率的精度。此外，人造和自然雾天图像去雾实验结果表明，本文方法不但保持了传统暗通道去雾的原有优势，同时也实现了对亮度和饱和度的保真，使复原结果更加逼近真实场景，也更加符合视觉感知。     

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。     

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。     

基于暗原色先验与Retinex理论的去雾算法

为提高雾霾图像的清晰化程度,采用暗原色先验方法与多尺度Retinex(MSR)算法相结合的方式,提出基于暗原色先验与Retinex理论的去雾算法.首先,采用暗原色先验方法对协雾霾图像进行物理意义上的去雾,雾霾图像细节得到增强;其次,将处理后的雾霾图像作为MSR算法的原始输入图像,雾霾图像对比度与平均亮度增大.仿真实验表明,该算法处理的雾霾图像对比度得到增大,图像平均亮度适中,总体效果较好,可在一定程度上提高雾霾图像的清晰度.     

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。     

结合分数阶微分和暗原色先验及Retinex的去雾算法

为提高雾霾天气图像的清晰度,提出了一种结合分数阶微分、暗原色先验及Retinex的去雾算法.首先将纹理丰富的雾霾天气下的图像进行分数阶微分,然后将分数阶微分后的图像作暗原色先验处理,并根据暗原色景深图信息计算其在图像中的Retinex尺度,最后对分数阶微分后的图像进行Retinex变换得到结果图像.对一系列雾霾天气下图像的测试结果表明:文中算法能够有效提高雾霾天气中模糊图像的清晰度,减少Retinex的光晕现象;与现有的多尺度Retinex及暗原色先验算法相比,对于纹理丰富及场景深度差异较大的雾霾天气下的图像,文中算法既能保持良好的增强效果,又可以加快运行速度.     

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.     

一种改进的暗原色单幅图像去雾方法

暗原色先验方法可以较好地处理单幅图像去雾,但对理图像中的灰白区域处理效果不好。通过分析暗原色先验原理,得出了暗通道图像和雾的透射分布率以及雾的浓度系数的关系,提出了一种结合峰值信噪比和暗原色优先法则的去雾方法。由实验结果分析,该方法能够更清晰的表现去雾后图像的细节,并且一定程度上克服了原方法在处理图像中灰白区域效果不佳的弱点。     

基于暗通道先验理论的图像去雾算法改进

提出了一种基于迭代的自适应图像去雾算法,该算法是在基于暗通道先验理论的去雾算法基础上增加了常数c补偿,为了保护边缘信息滤波时采取了双边滤波算法,最后将大气光及透射率当成一个整体并结合峰值信噪比构造了优化条件的迭代算法,实现了自适应图像去雾。模拟实验结果与多种评价性能参数的计算结果都表明,本文的改进算法不仅提高了去雾后图像的清晰度和对比度,而且迭代速度快、图像性能好。     

基于色彩校正与暗通道先验算法的水下图像增强方法

针对水下图像色彩失真及对比度低的问题,提出一种基于色彩校正与暗通道先验的水下图像增强方法。在处理色偏问题时,以蓝通道为基准计算通道标准比,对水下图像的红、绿通道进行补偿,丰富图像色彩;针对水下图像对比度较低的问题,利用基于超像素的暗通道先验(DCP)方法对校正后的水下图像进行增强。用水下海珍品目标检测数据集图像进行了实验,并与6种先进的水下图像增强方法进行了性能比较。实验结果表明,本算法在色彩校正与对比度提升的综合效果上优于其他增强算法且拥有更好的视觉效果。     

基于边缘保持滤波的单幅图像快速去雾

为了解决基于暗通道先验的图像去雾算法运行效率低下的问题以及天空等明亮灰白区域去雾后的色彩失真问题,提出一种基于边缘保持滤波的单幅图像快速去雾算法。首先根据暗通道先验规律,得到粗略的透射率图和大气光估计值;然后用边缘保持滤波算法对粗略透射率滤波得到细节平滑、轮廓清晰的精细透射率图;再用阈值法对灰白明亮区域的透射率修正,之后用边缘保持滤波算法对修正后的透射率进行平滑,得到最终的透射率图。根据估计的大气光和透射率,利用大气散射模型即可恢复出无雾图像。经测试,该算法不仅具有很高的运行效率,而且对各种类型的薄雾图像都有较好的去雾效果。客观评测也表明,该算法在对比度增强程度、色调还原程度、结构信息复原程度方面的综合指标都优于其他算法。另外,所提算法还能够实现图像处理器(GPU)像素级的并行运算,对于分辨率为1 280像素×1 024像素的彩色图像,用型号为NVIDIA GeForce 9 800GT的GPU处理,速度可达10帧/s。     

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。