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。     

单幅图像去雾方法研究综述

随着计算机视觉技术的发展及其在智能交通、军事以及安全监控等领域的应用需求,图像去雾处理成为计算机视觉领域中的重要问题与研究热点。在雾、霾等天气条件下,大气粒子的散射作用导致成像传感器采集的图像严重降质。图像去雾技术的任务是通过图像增强或图像复原方法去除天气因素对图像质量的影响,以改善图像的视觉效果和方便后期处理。归纳总结了单幅图像去雾方法的研究现状,重点分析了基于图像增强和复原的两大类方法,深入探讨了其中的一些经典算法并对这些算法进行了分析比较,最后针对基于图像复原方法的去雾技术指出了存在的问题并提出了未来的发展趋势。     

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.     

机场跑道图像去雾增强技术研究

随着计算机视觉的发展,图像去雾已成为计算机视觉的重要研究方向.在雾、霾等恶劣天气下采集的图像会由于大气散射的作用而被严重降质,其图像对比度低,物体特征难以辨认,此类图像不仅视觉效果差、图像观赏性低、后期处理的难度加大,更甚者在特殊场景下,会带来一些安全隐患.因此,图像去雾增强就显得尤为重要.本研究基于机场跑道雾天环境,对引入一定噪声的引导滤波算法进行改进,实现图像去雾增强.实验结果表明,改进后的引导滤波无论是增强效果还是处理速度都有明显优势.     

基于特征融合的快速图像去雾方法

针对图像去雾问题, 提出一种基于特征融合的快速单幅图像去雾方法, 解决了暗通道方法存在的块效应问题. 该方法先采用基于K均值聚类的暗通道先验求得粗尺度下的透射率, 再通过分析雾对成像的影响, 提取有雾图像自身能反映景深变化的饱和度作为细尺度的透射率, 最后通过图像融合技术得到精确的透射率. 通过对
各种真实有雾场景进行测试的实验结果表明, 该方法简单且有效, 能得到理想的去雾效果.     

基于CLAHE和图像分解的去雾方法

针对雾天条件下拍摄到的图像对比度低、细节模糊以及颜色暗淡的现象,提出一种基于CLAHE和图像分解的去雾方法。首先,采用限制对比度直方图均衡化(limited contrast histogram equalization,CLAHE)对有雾图像进行增强,有效地提升图像的对比度;然后,在照明—反射模型的基础上,根据照射分量与反射分量的不同特征对增强后的图像进行梯度滤波,将图像进行分解,获得最终包含图像所有细节的反射图像;最后,对反射图像进行Gamma变换,提升图像的亮度,获得最终的去雾图像。利用信息熵、空间频率、平均梯度和运算时间等客观评价标准,与带色彩恢复多尺度Retinex算法(MSRCR算法)和基于暗通道先验去雾算法(He算法)进行对比。实验结果的主观评价和客观评价表明,在雾天图像细节增强和色彩保持方面,本文方法比MSRCR算法和He算法具有更好的效果。     

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.     

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。     

基于暗通道的快速图像去雾方法研究与实现

暗通道先验(Dark-Channel Prior)去雾方法在处理单幅户外场景图像方面已经取得了非常好的效果,但是在对高分辨率图像以及包含大片白色区域的图像进行处理时,存在运算时间过长、去雾后的图像带有块状噪声等问题。结合暗通道先验去雾算法针对以上问题提出了一种改进的图像去雾方法,首先对高分辨率带雾图像进行降维处理并获得若干子图像,选取其中部分子图像进行暗通道去雾处理后,再对去雾后的子图像进行滤波、融合以及升维处理,还原分辨率后得到清晰的无雾图像。实验结果表明,改进方法可以较好的达到去雾目的,提高图像整体的对比度,真实地复原图像场景细节,同时可以明显提升算法的运算速度,在保证去雾效果的前提下大幅度降低了计算量。     

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.     

一种基于MALLAT算法的图像去雾方法

文章针对户外雾天场景下采集到的图像中包含大面积浓雾,影响图像细节信息的提取等问题,提出了一种基于小波变换的图像去雾方法。首先将含雾图像转换为灰度图像,再使用二维离散小波变换对灰度图像进行一次分解,对分解后得到的低频子图使用灰度线性变换处理,对三个高频子图分别使用灰度非线性变换处理,最后将处理后的四个子图进行二维离散小波逆变换重构,得到目标图像。仿真实验表明,文章所提方法与其他增强函数处理相比,去雾效果较好。     

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。     

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。     

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.     

一种改进的暗原色单幅图像去雾方法

暗原色先验方法可以较好地处理单幅图像去雾,但对理图像中的灰白区域处理效果不好。通过分析暗原色先验原理,得出了暗通道图像和雾的透射分布率以及雾的浓度系数的关系,提出了一种结合峰值信噪比和暗原色优先法则的去雾方法。由实验结果分析,该方法能够更清晰的表现去雾后图像的细节,并且一定程度上克服了原方法在处理图像中灰白区域效果不佳的弱点。     

采用对比学习的多阶段Transformer图像去雾方法

为了解决现有图像去雾方法在图像局部去雾以及纹理细节恢复等方面始终不理想以及处理非均匀雾质始终不彻底的问题,提出了一种采用对比学习的多阶段自注意力模块(Transformer)的图像去雾MSTCNet方法。首先,利用信道级Transformer模块作为基本的特征提取模块,充分地捕获特征信道之间的长距离依赖关系;其次,通过提出的多监督对比学习方法最大限度地挖掘正负样本信息,使去雾图像在投影后的隐空间中更靠近清晰图像,同时远离有雾图像;最后,利用多阶段渐进式网络结构和可变形自注意力机制有效地整合图像局部细粒度特征和全局粗粒度信息。本文在2个合成数据集和3个真实数据集上对所提出的方法进行了大量的实验,结果表明：所提出的MSTCNet方法在5个数据集上的峰值信噪比(PSNR)分别提高了1.49、1.45、0.11、1.45和0.22 dB,在通用数据集与非数据集的测试中均超越已有的方法,在浓雾质、非均匀雾质以及均匀雾质的测试中均表现出最佳的去雾视觉效果,并达到最高的客观评价指标值。     

基于引导滤波的单幅图像去雾算法研究

基于暗原色先验的单幅图像去雾算法较好地解决了估算雾天场景透射率的问题,算法复原的图像清晰颜色自然。但原始算法计算复杂度高、耗时长、无法满足实时性需求。介绍了引导图像滤波的原理,并将其与暗原色先验结合以改进原始算法;同时分析了滤波参数对去雾结果的影响。实验证明改进的算法在保证原算法去雾效果的同时能使算法复杂度大大降低。     

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.