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.     

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。     

基于雾气深度的快速单幅图像去雾算法

针对目前去雾算法复杂度高以及复原的图像视觉效果差等问题,提出了一种新颖的去雾方法。首先,对图像的三通道进行高斯低通滤波获取图像的低频信息(亮度分量)后求平均,结合场景深度,估计出雾气深度图,获得的大气光值A比暗通道图中的最大值作为大气光值A具有更强的鲁棒性;其次,经过中值滤波,去噪的同时也维持了图像的边缘,取得较为理想的透射率;最后,通过大气散射模型反演逆过程,获得无雾图像。分析表明:所设计算法的时间复杂度较低、速度快,具有较高的鲁棒性,大大提高了图像的对比度,并取得了较好的清晰化效果。     

基于YUV 颜色空间的图像去雾算法

针对有雾天气条件下, 获得的图像严重降质问题, 提出一种基于YUV 颜色空间的快速图像去雾算法。该算法以大气散射模型为基础, 利用YUV 颜色模型提取出有雾图像的亮度分量, 对此亮度分量图像进行高斯滤波后得到散射光; 求出有雾图像的最大亮度值作为大气光, 进而求得清晰的无雾图像。实验结果表明, 该算法不仅有效地提高了降质图像的质量, 而且处理速度快, 能很好地保持图像的细节。     

大气光幕融合的去雾新方法

针对雾天场景成像设备采集的图像存在对比度低、细节不清晰的问题,提出一种结合大气光幕融合的雾天场景复原算法.首先,基于不同场景深处大气光幕的物理特性和光学成像特性,获取远景雾气分布的近似估计.其次,通过像素级融合和滤波的方法得出准确的全局大气光幕.最后,通过反演大气散射模型得到复原图像,并进行亮度和色调调整.该方法可以有效避免过度去雾现象和光晕效应等不足,能快速复原场景的对比度和颜色.实验结果表明:该算法简单高效,具有较强场景适应能力,并保证实时性.     

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.     

对行车视程估值的车前图像去雾算法

针对雾天条件下车前图像环境复杂,去雾困难的问题,提出了一种车前图像去雾算法。分析并简化了大气物理模型;并在分析了影响透射率衰减因子的因素的基础上,借助大气消光系数提出了透射率的一种表现形式。接着借助车行可视距离与能见度的关系,最终建立了能见度和透射率的数学关系。最后利用引导滤波求取大气光幕的值,并通过修复函数完成了单幅车前图像的去雾处理。去雾实验结果显示,经过算法处理后的图像亮度得到了提高,图像变得更加清晰,图像中的细节变得明显,图像的对比度也变得更强。     

基于颜色校正和明暗通道的沙尘降质图像增强算法

针对沙尘天气下拍摄的图片中存在的颜色偏移、对比度低等问题,提出了一种沙尘降质图像增强算法.该算法由基于高斯模型的偏色校正和基于暗通道和亮通道的对比度增强2个部分组成.首先根据沙尘降质图像的RGB 3个通道直方图的分布特点,使用高斯模型分别对各通道进行建模,从而进行颜色调整,解决沙尘图像的偏色问题,其次采用暗通道先验去雾的原理,结合亮通道,计算像素级的大气光值,然后对透射图和大气光值进行优化,从而恢复出清晰的无沙尘图像,最后实验结果表明本文算法可以较好地提高沙尘降质图像的重建主观质量,并保持良好的色彩保真度和亮度.     

基于深度学习的图像去雾算法

针对有雾天气会使图像质量降低,影响对图像信息的提取,导致图像的应用价值减少的问题,提出一种基于深度学习的图像去雾算法。首先,对原有雾图像进行单尺度和多尺度的卷积来特征提取,其次再用多尺度卷积核实现图像细节的重建得到粗略的透射率传播图,同时利用原有雾图像中像素点的位置和亮度值得到大气光值,利用导向滤波得到精细透射率传播图和之前得到的大气光值进而反演出无雾图像,最终对无雾图像进行直方图颜色校正。实验结果表明,相比传统去雾算法,该算法对图像细节的处理更加自然并具有很好的视觉效果。     

一种雾天彩色图像复原快速方法研究

暗通道优先法则在处理自然雾天图像方面取得了非常好的效果,但是该方法需要消耗大量的存储和计算时间。提出了一种改进的雾天彩色图像增强快速方法。首先,根据雾天图像模型和先验知识,计算雾天图像的暗通道先验值;并估算初始透射率图像和大气光。然后利用数学形态学方法对初始透射率图像进行处理得到优化的透射率图;并根据这个优化透射率图、大气光和原始雾天图像计算去雾图像。最后利用gama校正获得最终的彩色增强图像。仿真实验结果表明本文提出的方法能较好地对雾天彩色图像进行去雾处理,且计算速度较快。相比于基于暗原色先验的单一图像去雾方法,图像尺寸越大,该方法的计算效率越高,计算时间优势越明显。     

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。     

融合彩色模型空间的非线性低照度图像增强

低照度图像存在图像整体亮度偏低、亮度不均匀、色彩饱和度过高、图像模糊等问题,针对此类问题,提出了一种融合彩色模型空间的低照度图像增强算法。在该算法中,将图像的亮度增强与图像色彩恢复转换至不同的彩色模型空间分别进行处理:在RGB彩色模型空间中,首先对图像的高灰度级进行预处理,随后进行滤波处理,最后再用三分量增强函数对图像进行亮度恢复;在HSV彩色模型空间中,利用非线性色彩饱和度校正函数与亮度增强函数进行图像的色彩恢复,最后将两个空间中的处理结果进行加权融合。最终的对比实验结果表明,该方法在避免图像出现过度增强、色彩恢复与图像照度增强方面有着良好的效果,所处理的图像符合人眼视觉特性。     

基于改进多尺度Retinex的单幅彩色图像增强算法

针对传统基于多尺度Retinex的单幅彩色图像增强算法, 进行图像增强时未考虑亮度分量和局部对比度, 导致图像增强未达到最佳尺度值, 获取的增强图像存在失真、 带有雾膜的问题, 提出一种基于改进多尺度Retinex的单幅彩色图像增强算法. 首先采用高斯环境函数 对3种灰度图像实施卷积并进行灰度纠正, 将3种纠正灰度后的图像合并, 获取初步单幅彩色图像增强结果; 然后改进多尺度Retinex的单幅彩色图像增强算法, 增强单幅彩色图像像素的平均亮度; 最后通过非线性函数对亮度增强后的彩色图像实施局部对比度增强处理, 用线性调整方法恢复局部对比度增强后的图像颜色, 以获取最佳单幅彩色图像的图像增强结果. 实验结果表明, 该算法可获得亮度和对比度均较好的单幅彩色图像增强结果.     

基于滤波的单幅图像去雾方法

基于Tarel方法提出一种新的基于滤波的单幅图像去雾方法. 先利用双边滤波求出初始的大气散射光, 较好地保持了边缘平滑纹理; 再利用自适应中值滤波器进一步求得边缘清晰、 纹理平滑、 景深信息真实的大气散射光; 然后基于分层搜索的四叉树分解方法求得大气光; 最后, 依据雾天退化模型得到复原的图像. 与经典去雾算法对比结果表明, 使用该方法复原的图像更接近真实图像, 特别对于纹理较丰富的区域和远景区域去雾效果更明显.     

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%.     

单幅图像自动去雾算法

为了改善雾天环境下退化图像的视觉效果,提出一种基于物理模型的快速图像去雾算法.算法从大气散射模型出发,从有雾图像中利用腐蚀和膨胀粗略估计出大气耗散函数,再利用指导图像滤波方法细化估计大气耗散函数,进而恢复场景反照率.实验结果表明,算法可以获得更精确的大气耗散函数,复原图像的边缘轮廓及景物特征都比较清楚,可有效抑制晕环效应,且算法速度也有显著提高,可用于实时雾天图像处理.