基于偏微分方程的户外图像去雾方法

户外图像的雾化往往导致色彩降质和对比度降低,有效的去除图像中天气效果对提高视觉系统的可靠性和鲁棒性具有重要意义。根据大气散射物理模型以及有雾图像的色彩与对比度降质同场景点的景深成指数关系的先验知识,分别建立了户外图像全局去雾和局部去雾的能量最优化模型,推导了相应的求解偏微分方程。利用用户提供的简单附加信息,实现了仅从单幅图像恢复清晰图像的去雾算法。实验结果表明：去雾图像的色彩清晰度和对比度有较大改善,具有很好的应用前景。     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

结合多尺度和分数阶微分的单幅图像去雾算法

提出一种非下采样轮廓波变换(non-subsampled contourlet transform, NSCT)和分数阶微分相结合的图像去雾算法.该算法首先通过对低质有雾图像进行NSCT分解,得到一个低频子带与多尺度多方向的多个高频子带;然后采用分数阶微分算子对图像的低频子带进行增强,同时通过对各子带的高频系数进行非线性处理,实现高频子带的增强;最后进行NSCT重构,得到增强后的图像.对不同低质有雾图像进行实验比较,结果表明：本算法增强了主观视觉效果,使图像变清晰的同时,具有较高的对比度增益、清晰度增益、信息熵和平均梯度.     

视频图像综合处理系统的设计与实现

本文针对各种恶劣环境下采集的视频图像,设计了一种高效的视频图像综合处理系统。该系统能实现对实时图像和已录回放图像的各种处理,包括图像的去雾、去噪等模糊图像清晰化处理功能。系统稳定可靠、操作方便,具有通用标准接口,可灵活应用到视频系统的前端、后端进行图像处理,能够可广泛应用于交通监控、银行监控等室内外各种环境。     

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.     

基于位平面分解的E∞自动提取去雾算法

如何合理地选取天空区域来获取天空亮度值（E∞）是雾化图像复原中的关键技术问题．本文通过位平面分解法分割天空区域并运用椭圆最小二乘法拟合日周光散射光圈,并自动确定目周光的中心,将中心点的亮度与天空区域平均亮度的加权值作为最终提取的天空亮度值;最后运用大气散射模型对雾天降质图像进行复原．实验结果表明利用自动提取的天空亮度值获得了理想的去雾效果．     

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。     

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。     

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。     

基于雾天图像退化模型的自适应参数优化的去雾算法

针对单幅雾霾图像中包含有大面积浓雾、高亮以及白色物体等,而导致无法清晰识别的问题,基于雾天退化模型,提出了一种改进暗通道和运用灰度开运算求解环境光值相结合的去雾算法。首先根据暗通道先验理论运用图像阈值分割出暗原色区域和明原色区域,并将暗原色区域与明原色区域相结合以求得更加精准的原始透射率;然后采用引导滤波算法细化原始透射率;并通过灰度开运算对环境光值进行区间估计,提高了环境光值的精准性和鲁棒性。使得该算法适用于暗通道去雾效果不好的浓雾高亮区域,去雾后的图像更加真实自然,边缘细节信息更加丰富,有效去除了Halo效应;同时也有效地解决了单幅图片去雾后图片偏暗,图片视觉效果不好等问题。与经典去雾算法作比较,验证在图像的对比度、失真度、细节信息和边缘保持等方面都优于其他算法。