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?     

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.     

雾霾线求解透射率的二次优化方法

针对现有图像去雾算法采用局部先验理论求解的透射率精度不高、复原含雾图像能见度较低的问题,提出了一种雾霾线求解透射率的二次优化方法。首先通过雾霾线先验理论对透射率进行粗估计;然后结合粗估计与最小通道求解的透射率,代入新的可靠性函数进行计算,修正数值较低的像素,完成一次优化,保留边缘信息的同时减少噪点数量;最后,利用纹理区域相对总变分正则项的输出差异,使模型自适应滤除纹理信息,进一步提升透射率估计精度,完成二次优化,有效改善含雾图像能见度。实验结果表明,与目前主流去雾算法相比,所提方法提高了浓雾及景深突变区域的复原图像质量,在主观评价更加清晰的前提下,客观评价指标雾霾感知密度、平均梯度、信息熵和模糊系数分别平均提升了10%,10.16%,0.98%和22.93%。     

融合全局与区域大气光值图的暗通道图像去雾方法

针对现有图像去雾方法采用单一大气光值求解、复原图像难以兼顾亮度与远景去雾效果的问题,提出一种融合全局与区域大气光值图的暗通道图像去雾方法 .首先提出一种基于最小方差投影的大气光估计方法,减少大气光估计值受极值点的影响,提高大气光估计精度;其次,提出一种基于场景深度的区域大气光估计方法,对不同景深区域独立求解大气光估计,引入景深信息,兼顾改善近景亮度与远景去雾效果;同时,将两者融合,按照大气光值图对高亮区域透射率进行调整优化,既增加了位置相关信息,又提高了区域间的相关性,增强了复原图像亮度的均匀程度,改善了图像质量.实验结果表明,提出的算法与多种文献去雾算法相比,能够较好地平衡复原图像亮度与远景区域去雾效果,有效提高复原图像能见度,雾霾浓度评价指标(FADE)、平均梯度、信息熵及模糊系数等指标均有显著提升,复原图像更加清晰.     

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。     

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。     

结合自适应高斯滤波的单幅图像去雾方法

传统图像去雾方法中基于景深局部相似性假设来估计场景透射率时,因无法适应景深突变而在其边缘处出现偏移,严重影响去雾效果.为此,提出了一种结合自适应高斯滤波的单幅图像去雾方法.首先,为简化参数的估计,对大气散射模型进行改进,将场景透射率的估计等效为附加大气光的估计,综合利用邻域内像素点的空间邻近度和景深边界信息构建自适应高斯滤波器,对附加大气光进行细化操作.然后,引用四叉树分割理论估计大气光强度,进而恢复场景反射光.最后,将该去雾方法与传统方法进行对比分析.实验结果表明,该方法能有效去除图像中的雾霾,消除景深突变处的Halo,保持图像整体亮度平衡,对图像细节信息的复原也取得了不错的效果,从根本上提高了图像的可视性.     

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。     

基于Resnet的林地无人机图像去雾改进算法

【目的】针对雾霾天气下林地无人机航拍图像存在对比度低、饱和度低和色调偏移等现象,基于Resnet网络,提出一种适应林地航拍场景的无人机图像去雾方法(DHnet)。【方法】林地场景下无人机图像具有纹理特征、高低频信息丰富的特点,在主干网络各个层级附加信息传递模块,将特征图转化为权值图进行筛选过滤并发送到其他层级,接收端设置阈值避免冗余信息的不良影响,再经密集链接增强全局去雾效果,提高图像高低频区域的去雾质量,最后在林地无人机有雾图像测试集上进行去雾实验。【结果】DHnet在林地图像测试集上的平均结构相似性为0.83,平均峰值信噪比为22.3 dB,分别较Resnet方法提高了4.8%和39.3%。【结论】本研究提出的算法能有效降低图像色调偏移,去除残留雾气信息,有效提高无人机航拍林地雾气图像的色彩保真度和细节信息保持度。     

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。     

基于透射率融合与优化的水下图像复原

由于光与水体介质的相互作用的固有复杂性,所拍摄的水下场景图像发生降质退化,这导致诸如水下图像的低对比度以及色彩失真等问题.尤其是对于污染较为严重或者高浑浊度水体下获得的图像,典型的水下图像处理方法有一定的性能缺陷,而其根本原因在于其无法对于散射造成的色彩失真问题进行有效处理,同时也未充分考虑对比度信息带来的影响.因此,本文提出了一种透射率融合与优化方法,并由此给出有效的水下图像复原方案.该方案考虑各通道在水下衰减差异性,建立了基于颜色衰减差异的水下图像形成模型,其场景环境光由成像光源计算得到.首先,利用色彩校正算法来处理水下图像存在的色彩失真的问题,并利用灰度色调算法对场景光源的颜色进行估计;接着,基于水下场景约束,提出水体透射率估计方法,同时基于对比度先验提出对比度透射率估计算法;然后,将上述两种透射率进行融合,并使用多方向梯度加权正则化进行细化;最后,通过求解基于颜色衰减差异的水下图像形成模型复原图像.通过多次实验,所提出的基于透射率融合优化的水下图像复原方法得到的图像不仅具有相对自然的颜色,同时保持着良好的细节和对比度信息.     

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.     

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.     

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.     

一种改进的基于暗原色理论的去雾方法

针对有雾图像的浅色或偏白色区域无法正确估计透射率,从而导致图像的去雾及恢复产生过度增强的问题,提出了一种改进的基于暗原色先验的去雾方法.该方法首先提取图片中的浅色区域,并对其邻域场景分区,通过对比度分析来判断每个邻域区域与浅色区域场景的透射率的相似程度.相似度较高的区域在估计中的权重会得到增加.最后用暗原色算法获取临域区域的透射率信息,根据权重分配从而正确估计浅色区域的透射率.该方法可有效估计浅色区域的透射率,与现有方法相比,克服了其对浅色区域恢复失真的问题,去雾后的场景更为自然.实验结果表明,该方法切实可行且具有较好的鲁棒性,可达到良好的去雾效果.     

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.     

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。