基于CLAHE和图像分解的去雾方法

针对雾天条件下拍摄到的图像对比度低、细节模糊以及颜色暗淡的现象,提出一种基于CLAHE和图像分解的去雾方法。首先,采用限制对比度直方图均衡化(limited contrast histogram equalization,CLAHE)对有雾图像进行增强,有效地提升图像的对比度;然后,在照明—反射模型的基础上,根据照射分量与反射分量的不同特征对增强后的图像进行梯度滤波,将图像进行分解,获得最终包含图像所有细节的反射图像;最后,对反射图像进行Gamma变换,提升图像的亮度,获得最终的去雾图像。利用信息熵、空间频率、平均梯度和运算时间等客观评价标准,与带色彩恢复多尺度Retinex算法(MSRCR算法)和基于暗通道先验去雾算法(He算法)进行对比。实验结果的主观评价和客观评价表明,在雾天图像细节增强和色彩保持方面,本文方法比MSRCR算法和He算法具有更好的效果。     

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.     

机场跑道图像去雾增强技术研究

随着计算机视觉的发展,图像去雾已成为计算机视觉的重要研究方向.在雾、霾等恶劣天气下采集的图像会由于大气散射的作用而被严重降质,其图像对比度低,物体特征难以辨认,此类图像不仅视觉效果差、图像观赏性低、后期处理的难度加大,更甚者在特殊场景下,会带来一些安全隐患.因此,图像去雾增强就显得尤为重要.本研究基于机场跑道雾天环境,对引入一定噪声的引导滤波算法进行改进,实现图像去雾增强.实验结果表明,改进后的引导滤波无论是增强效果还是处理速度都有明显优势.     

使用局部大气光的单幅图像去雾算法

针对传统算法去雾后图像偏暗的问题,根据去雾后图像对比度和亮度均应该增加的标准提出了一种高亮度和对比度的去雾算法。首先依据大气光与复原图像亮度成反比事实,设置像素红绿蓝(RGB)三个颜色分量均值为局部级粗糙大气光,使用具有较好抑制光晕效应的半全局加权最小二乘算法优化获取局部级大气光;然后根据去雾图像方差与大气透射率成反比事实,使用基于像素最小颜色分量的大气散射函数计算粗糙透射率,然后使用局部均值滤波器优化透射率;最后结合雾天成像模型恢复无雾图像。实验结果表明所提算法去雾图像的梯度、亮度和速度等客观指标均优于传统算法,其中亮度最少增强1.5倍。所提算法能提高去雾图像亮度、丰富图像细节和提高去雾速度,具有较好的工程应用价值。     

基于色彩恒常理论的图像去雾技术

针对户外图像采集处理系统，讨论了1种有效的图像去雾方法。由于雾退化图像对比度较低，从图像增强角度入手，将雾的退化作用等效成景物的照度变化，根据色彩恒常理论，采用Frankle—McCann Retinex（FMR）算法进行图像去雾处理；结合人眼对亮度的指数视觉特性，采用软复位算法对其进行改进。仿真分析表明，改进后的算法可以有效增强雾退化图像的对比度，获得满意的视觉效果。     

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。     

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。     

海上监控视频实时去雾算法研究

为提高船舶在雾天航行的安全性,对船舶监控视频流进行实时去雾.建立雾天退化物理模型,采用数学中不等式缩放理论估计出每帧有雾图像的透射率和全局大气光,然后根据雾天成像的物理模型恢复出每帧去雾图像.根据海上监控视频图像具有大面积天空和海水,对该算法中的参数依据航海目标细节恢复程度和图像对比度等因素进行估计.实验结果表明,该算法能够有效恢复海上目标的细节清晰度和提高图像的对比度,又能满足视频流实时去雾的要求,说明算法能够较好地解决海上监控视频实时去雾问题.      

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。     

基于中值滤波的手指静脉图像增强

提出了一种基于中值滤波的手指静脉图像增强方法,本算法包括去噪、对比度增强和高通滤波增强.中值滤波在去除图像噪声的同时较好地保护了图像所包含的边缘信息,对比度增强加大了血管和背景的整体对比度,最后的高通滤波增强进一步增强了血管和组织的纹理结构.实验表明,本算法不但对图像去噪效果好,而且能有效地增强图像的对比度,改善图像的质量.     

基于小波变换的同态滤波法去雾图像处理

主要使用同态滤波的方法进行去雾,对传统的同态滤波算法进行改进,引入基于小波变换的同态滤波方法,重点采用改进的Butterworth滤波对小波变换域系数进行处理,再进行小渡重构得到去雾后的图像.此方法在保持图像总体原貌的基础上对图像局部对比度增强效果显著.     

基于SLIC和SVR的单幅图像去雾算法

为了提升图像去雾算法的效果和适应性,提出了一种基于简单线性迭代聚类(SLIC)超像素分割和支持向量回归(SVR)的单幅图像去雾算法.首先,将雾霾图像进行超像素分割,对于每个超像素块,取其最大通道内的最大值作为局部大气光的估计,并使用引导滤波优化大气光图的边缘.然后,采集清晰户外图像并切割成块,利用大气散射模型为其加入不同程度的雾作为训练样本,提取对比度、饱和度、直方图均衡度和最小通道均值4种特征,利用支持向量回归算法训练传输参数估算模型.实验结果表明,所提算法有效地恢复了图像的对比度和颜色饱和度,同时无论是在主观视觉效果方面,还是在结构相似度和峰值信噪比等客观评价指标方面,所提算法均优于现有传统算法.     

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.     

基于统计特性和亮度估计的夜晚图像去雾

由于人工光源的存在,夜晚有雾图像具有光照不均、色偏严重和亮度较低等特点,现有的常规图像去雾算法并不适用.考虑到夜晚雾天图像成像特点,建立了带有色偏因子的雾天图像成像模型,可成功用于夜晚图像去雾,并提出了基于统计特性和亮度估计的夜晚图像去雾算法.由于夜晚雾天图像和低照度图像亮通道直方图具有较大相似性,首先将夜晚有雾图像进行反转,然后基于带色偏因子的雾天图像成像模型,局部估计带色偏的大气光;针对夜晚有雾图像色偏严重,导致三通道透射率差异较大,提出对透射率三通道分别进行处理;在此基础上,利用亮度估计对透射率进行优化;最后,利用局部Grey-world算法对去雾后的图像进行颜色校正.实验结果表明,所提算法能够有效去除夜晚雾气影响,提高图像的整体亮度和对比度,恢复更多的图像细节.     

改进暗通道的大坝图像去雾算法

大坝图像在多雾天气下存在图像对比度低、光照不均匀、表面噪声污染严重、难于识别等问题。而现有的大坝图像去雾算法,时间开销巨大。针对现有大坝图像去雾算法存在的问题,提出了基于暗通道的图像去雾的改进算法。算法首先快速获取图像的透射率及大气光值,然后利用图像的边沿信息以及图像的空间信息对透射率进行优化,最终得到去雾图像。实验结果表明改进的暗通道去雾算法可以有效地去雾,在均方误差以及峰值信噪比相差不大的情况下,时间消耗上与常用的暗通道去雾算法Retinex算法相比有了明显减少。     

基于多感知特征计算的沙尘图像增强算法

沙尘天气的日益增多严重影响了获取图像的质量,相对于晴朗天气下获取的图像,沙尘图像存在清晰度和亮度偏低、色调偏黄等低质图像特点,已有的图像增强算法并不能完全解决这些问题.针对上述问题,提出了一种基于多感知特征计算的沙尘图像增强算法.首先,利用伽马校正解决由于固体颗粒导致图像亮度偏低的问题;其次,通过动态阈值法校正沙尘图像色调偏黄的问题;最后,利用所提改进去雾算法提高图像的对比度.实验对比结果表明,所提算法利用多个特征增强不同程度的沙尘图像,保留较多的图像细节,校正图像的色偏问题,大幅度提高了图像的对比度,对沙尘图像增强效果明显.     

暗通道先验图像去雾算法

在雾、雨等恶劣天气条件下,获取的监控视频图像对比度信息丢失,色彩变淡,场景中信息受损,导致视频无法提供准确的监控信息,给安防工作带来隐患.基于暗通道先验去雾算法,通过优化透射率的计算,提高了算法效率,并将算法移植到DSP平台,满足监控视频图像实时去雾的应用要求.     

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.     

基于残差密集块与注意力机制的图像去雾网络

基于卷积神经网络的单幅图像去雾算法虽然取得了一定进展,但仍然存在去雾不完全和伪影等问题.基于这一现状,提出了一种以编码器-解码器结构为基本框架,融合注意力机制与残差密集块的单幅图像去雾网络.首先,利用网络中的编码器、特征恢复模块和解码器三个部分直接对去雾后的图像进行预测;然后,在网络中引入本文所设计的带有注意力机制的残差密集块,提升网络的特征提取能力;最后,基于注意力机制提出自适应跳跃连接模块,增强网络对去雾图像细节的恢复能力.实验结果表明,与现有去雾方法相比,提出的去雾网络在合成有雾图像数据集和真实有雾图像上均取得了较为理想的去雾效果.     

单幅图像去雾方法研究

介绍了单幅图像去雾方法的研究现状、分析了基于增强方法和基于复复方法的一些经典图像去雾算法，指出了各种算法的优缺点。综合评价得出基于复原的图像去雾方法优于基于增强的图像去雾方法。针对现有的基于图像复原去雾方法提出了仍需要深入研究的问题，并从建立全面物理模型、探索模型求解的先验知识、设计基于人眼视觉机制的模型求解方法和图像去雾质量评价等几个方面分析如何突破图像去雾的关键技术。最后，对现有技术的发展趋势进行了分析，指出了去雾技术的研究方向。