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。     

雾霾天气下基于二次滤波的交通图像去雾算法

雾霾天气下采集到的退化含噪图像模糊不清、对比度较低;而使用传统基于双边滤波的去雾方法得到的图像偏暗,效果有限。针对这些问题,提出了一种新的基于二次滤波的算法,实现雾霾天气下交通图像去雾处理;利用双边滤波对含雾图像的暗通道图像进行第一次滤波,用引导滤波对图像的透射率粗估计进行二次滤波优化。根据降质模型对含雾图像进行复原,进而得到去雾后的图像。实验效果证明,与传统方法相比,得到的去雾图像与真实场景亮度更加相似,色彩饱和度较好,图像质量较高。     

改进的基于均值滤波的单幅图像去雾算法研究

雾天条件下采集的图像存在低对比度和低场景可见度问题,传统的去雾算法时间复杂度高、速度慢,无法应用于实时图像处理。为此,结合大气光特性提出一种改进的基于均值滤波的单幅图像复原方法。该方法以大气散射模型为基础,首先利用均值滤波得到准确的大气耗散函数;引入直方图修正机制下的自适应保护因子,更正明亮区域的大气散射函数;大气光采用效率更高的四叉树算法求解;最后由大气散射模型计算复原图像并进行图像的亮度调整,从而得到一幅清晰的无雾图像。仿真实验结果表明:该算法的场景适应能力强,复原图像色彩感丰富。与经典的去雾算法相比,该算法在保证去雾效果的同时,克服了导向滤波算法时间复杂度高、速度慢的缺陷。     

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。     

单一图像多滤波联合快速去雾算法

提出一种多滤波联合单一图像快速去雾算法。首先基于大气散射光特性,计算雾天图像最小通道图,给出大气耗射函数初估计;利用双边滤波保边缘的平滑特性,对雾天图像灰度图进行平滑增强处理;再以此滤波图作为引导图,对大气散射图进行引导滤波,生成准确的能体现深度变化的大气散射图。为了正确估计全球大气光,采用循环四分图形法求解雾天图像最小通道图中最亮像素;在此基础上生成视觉上较真实的清晰无雾图像。比较实验表明算法去雾效果更完整、视见度更高、速度更快。     

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.     

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。     

一种面向城市道路的视觉图像去雾方法

针对雾天环境的城市道路下自动驾驶车辆视觉感知效果不佳的问题,提出一种基于大气光值的快速图像去雾改进算法,并验证了算法的有效性。首先,制定了大气光动态估算策略,并设计了大气光动态估算的自适应触发函数,通过大气散射模型进行了大气光的估计;其次,利用最小滤波技术获取了雾天图像的暗通道图,并估算了对应的投射图像;再次,制定了大气光计算策略,并优化了去雾系数;最后,利用直方图均衡化算法抑制了残余噪声,进一步提升了无雾图像的对比度。实验结果表明,所提算法相比DCP、CAP等在NIQE和SSEQ性能指标上都有所提升,拥有更好的细节恢复能力和处理性能,更有利于交通信息的提取。     

基于逐层搜索法与快速导向滤波的图像去雾算法

针对天空大气光照值计算不够精确这一问题,采用逐层搜索法对其进行改进,并结合快速导向滤波对透射率进行细化;对于去雾后的图像偏暗问题,采用非线性叠加处理的图像增强方法。对得到的去雾图像分别使用均方误差和峰值信噪比作为客观评价标准。实验数据显示,改进算法能得到清晰度较好的去雾图像,相较于其它算法得到的图像更加自然,色彩还原度更高,去雾后某些区域偏暗问题也得到改善。     

引导滤波在雾天图像清晰化中的应用

根据大气散射物理模型,分析并解决单幅图像去雾的关键问题,以消除雾气对室外机器视觉系统的影响.实验结果表明:利用引导滤波器的局部平滑特性估计大气光幕,可有效克服光晕效应和颜色过饱和现象;通过计算雾气最浓区域的平均值获取大气光强度值,可解决部分图像偏色问题;对复原的图像进行自适应增强处理,提高了图像的整体视觉效果.通过与多种典型的图像去雾算法的比较,说明该方法能更有效地消除图像中的雾气、真实复原场景的对比度和颜色,同时具有很快的执行速度,有利于算法的实时实现.     

基于双边滤波的实时图像去雾技术研究

为了消除尘雾对室外机器视觉系统的影响,提出了一种基于双边滤波器的实时图像去雾方法.根据暗原色先验统计原理估计大气光强度,使用快速双边滤波器估计大气光幕,通过求解带雾图像成像物理方程恢复理想光照条件下的大气辐射强度,实现图像去雾.实验结果表明,该方法对彩色图像和灰度图像均可实现理想的去雾效果,对于(320×240)像素的图像,可达到20帧/s以上的处理速度,满足视频图像实时处理要求.     

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。     

基于多尺度增量符号相关的图像匹配算法

将影像多尺度分解思想和增量符号相关方法相结合,提出了一种图像匹配算法.首先使用非线性的关键点滤波算子将参考图和待匹配图分解为不同尺度的子图;然后采用增量符号相关方法对影像进行二值化编码并进行相似性度量;最后通过由粗至精的逐层匹配得到最终的匹配结果.实验结果表明;在匹配区域存在一定灰度反差的条件下,该算法有效地解决了噪声干扰、光照差异大和阴影遮挡等条件影响下的匹配问题,同时大大的缩短搜索时间,提高了匹配定位速度.     

基于能量泛函的快速去雾算法

为了快速复原雾霾退化图像场景辐照图,提出一种基于能量泛函的模型求解算法。利用大气退化模型,首先估计降质图像的大气光;针对图像是否包含天空区域分开进行求解,较传统固定模式的求解算法更为准确有效;通过白平衡运算简化求解模型,建立新的环境光项表达式;尔后利用暗通道先验估计暗通道图像;根据假设和先验信息,构建暗通道图像与环境光项的能量泛函模型,引入L1和L2范数变换模型,通过切分Bregman迭代算法求解图像的环境光;最后将环境光项代入简化模型中反解出复原图像。通过实验验证,算法对于雾霾退化图像恢复效果较好,且较传统复原算法具有更高的运算效率。     

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。