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。     

基于大气传输函数的单幅图像去雾算法

针对雾霾退化场景图像的反照率恢复问题,采用大气传输函数对图像雾霾退化过程进行描述。采用雾霾退化条件下的大气传输函数曲线,通过对模型的分析,结合单色大气退化模型的相关先验知识,构建极小化能量泛函问题,通过切分Bregman迭代算法进行求解,实现对大气传输函数中各系数的求解,进而实现对场景反照率的恢复。通过仿真实验表明,算法能够较好的实现对各类雾霾退化场景的恢复,有效提高图像视见度,且算法具有较高的处理效率与鲁棒性。     

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?     

低秩与字典表达分解的浓雾霾场景图像去雾算法

针对现有图像去雾算法对浓雾霾场景图像去雾效果不理想的问题,提出了一种低秩与字典表达分解的浓雾霾场景图像去雾算法。首先,根据大气散射物理模型与浓雾霾场景图像中"雾"的全局低秩特性,将退化图像看作低秩"雾"图与相对低秩无雾清晰图像的叠加;其次,将"雾"图表示为字典矩阵与表达矩阵的乘积,从而通过低秩与字典表达分解模型分解出"雾"图;再次,利用双三次插值将分解得到的局部"雾"图推广到全局;最后通过减去"雾"图恢复出无雾的清晰图像。实验结果表明:与现有主流图像去雾算法相比,该算法对浓雾霾场景图像的去雾效果更优,对194幅真实浓雾霾场景图像去雾后,图像平均可见边缘比到达了21.315,平均可见边缘质量因子达到了4.540,图像细节信息得到了较好的恢复。     

融合MCAP和GRTV正则化的无人机航拍建筑物图像去雾方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题，提出了一种改进的图像去雾方法，应用于无人机航拍建筑物图像处理中.针对全局大气光取值易受场景中景物影响的问题，提出一种颜色衰减先验投影最小方差的大气光求解方法，构建明度与饱和度差值图像，求解最小方差出现区域，并确定全局大气光估计.将利用图像场景深度信息求解的区域大气光与全局大气光相融合，获得新的大气光图.采用基于非局部信息的雾霾线先验理论对透射率进行优化，提出了一种基于雾霾线理论和引导相对总变分正则化的算法，通过计算透射率可靠性函数对透射率修正，并消除图像中存在的大量无用纹理信息，提升了透射率估计精度，有效改善了无人机航拍场景中浓雾及景深突变区域的复原图像质量.实验结果表明，所提算法与其他算法相比，获得的复原图像平均梯度、对比度、雾霾感知密度估计及模糊系数等指标分别平均提升了12.2%、7.0%、11.9%和12.5%,运算时长也优于部分算法，航拍图像更加清晰，更符合人眼视觉感受.     

一种雾天退化场景快速复原方法

针对雾天条件下图像退化的问题,提出一种新的场景复原方法.首先,结合大气散射模型与光学反射成像的特性,对大气耗散函数提出物理约束条件,利用双边滤波的边缘保持特性得到大气耗散函数的初始估计.然后,引入局部均值与局部标准差近似估计图像对比度,从而降低对比度较强的部分区域的雾浓度估计来获取更加准确的大气耗散函数.最后,求解雾图成像方程,恢复理想光照条件下的辐射强度.实验结果表明:该方法对图像的细节和颜色恢复非常有效,并能有效克服边缘残雾现象以及颜色过饱和等不足.     

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.     

粉尘环境中的图像恢复方法

为了克服粉尘环境给图像造成的退化问题,首先建立了一种考虑粉尘多散射因素的图像退化模型,该模型使用一级多散射方法推导得出;其次在图像退化模型基础上采用暗元色先验知识原理提出了图像恢复算法;最后在基于kirsch算子的自动阈值图像质量评价标准下,通过遗传算法(GA)对模型中的大气光与曝光参数自动优化,实现粉尘图像恢复的最优结果.实验证明此方法不但能有效地去除粉尘对图像的影响,增强图像色彩与对比度,而且揭示了更多的边缘信息,为粉尘环境下图像中的目标识别提供了判别依据.     

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.     

基于自适应参数大小的交通图像去雾霾算法

原始的基于暗通道先验理论的去雾霾算法对于一些户外场景图像去雾霾取得了一定的效果,但不能很好地处理交通图像中的一些白色区域,会导致该区域色彩失真;同时,在处理较高分辨率交通图像时,基于软抠图的透射率优化算法需要消耗大量的计算和存储资源。针对这两个问题,首先对交通图像的白色区域展开研究,分析了基于暗通道理论的去雾霾算法在白色区域产生色彩失真的原因,并基于此提出一种自适应参数大小的透射率求解模型;其次,在透射率优化过程中舍弃效率低下的软抠图算法,提出一种基于块的透射率优化算法。将所提算法用于实例验证,结果表明该算法不但可以保证交通图像的白色区域的色彩不失真,而且提高了去雾霾效率。