多尺度Retinex在图像去雾算法中的应用研究

针对单尺度Retinex(SSR)图像去雾的算法效果不佳,探讨在图像去雾处理中多尺度Retinex(MSR)算法去除浓雾、厚雾的问题,并在MSR基础上进一步对图像进行带颜色复原的MSR(MSRCR)的处理。首先采用二维傅立叶变换得到高斯滤波函数,同时由逆傅立叶变换、卷积积分计算出图像的入射分量,再通过算法计算出图像的反射分量,最后通过低通滤波器得到图像的高频分量后还原图像。实验结果显示:与SSR和MSR算法相比,MSRCR算法能更好地去除图片中的浓雾、厚雾的影响,提高带雾图片处理后的清晰度且效果明显。     

多尺度 Ｒｅｔｉｎｅｘ 在图像去雾算法中的应用研究

针对单尺度 Ｒｅｔｉｎｅｘ(ＳＳＲ)图像去雾的算法效果不佳,探讨在图像去雾处理中多尺度 Ｒｅｔｉｎｅｘ (ＭＳＲ)算法去除浓雾、厚 雾的问题,并在 ＭＳＲ 基础上进一步对图像进行带颜色复原的 ＭＳＲ(ＭＳＲＣＲ)的处理。 首先采用二维傅立叶变换得到高斯滤波 函数,同时由逆傅立叶变换、卷积积分计算出图像的入射分量,再通过算法计算出图像的反射分量,最后通过低通滤波器得到 图像的高频分量后还原图像。 实验结果显示:与 ＳＳＲ 和 ＭＳＲ 算法相比,ＭＳＲＣＲ 算法能更好地去除图片中的浓雾、厚雾的影 响,提高带雾图片处理后的清晰度且效果明显。     

基于改进多尺度Retinex的单幅彩色图像增强算法

针对传统基于多尺度Retinex的单幅彩色图像增强算法, 进行图像增强时未考虑亮度分量和局部对比度, 导致图像增强未达到最佳尺度值, 获取的增强图像存在失真、 带有雾膜的问题, 提出一种基于改进多尺度Retinex的单幅彩色图像增强算法. 首先采用高斯环境函数 对3种灰度图像实施卷积并进行灰度纠正, 将3种纠正灰度后的图像合并, 获取初步单幅彩色图像增强结果; 然后改进多尺度Retinex的单幅彩色图像增强算法, 增强单幅彩色图像像素的平均亮度; 最后通过非线性函数对亮度增强后的彩色图像实施局部对比度增强处理, 用线性调整方法恢复局部对比度增强后的图像颜色, 以获取最佳单幅彩色图像的图像增强结果. 实验结果表明, 该算法可获得亮度和对比度均较好的单幅彩色图像增强结果.     

基于半选择性曝光融合的雾天图像复原算法

基于暗原色理论的相关算法在处理雾天图像时会出现一定色调畸变和曝光问题，严重影响了图像复原的视觉感，提出了一种基于半选择性曝光融合的单幅雾天图像增强方法。该方法首先根据统计试验方法，构建一种基于统计先验的天空区域分割方法，在天空区域内获取大气背景光有效范围。其次，提出一种自适应边界的相对快速双边滤波方法，对透射率图像进行优化，针对性的解决图像的色彩畸变问题。最后，根据大气背景光有效范围，提出半选择性多权重曝光方法，根据不同曝光度的设计，运用多权重方法提取特征，通过融合提高复原的图像视觉效果。为了验证算法在去雾能力及视觉效果的有效性，该文结合多种主观和客观评价方法就行试验，结果证明所提出的算法明显优于已有的算法。     

基于改进加权融合暗通道算法的图像去雾研究

针对雾天情况下拍摄图像不清晰的问题,提出了一种改进的加权融合暗通道图像去雾算法。为实现图像降噪和保边的效果,利用直方图均衡化和双边滤波的方法对暗通道图像进行处理,同时通过对透射率权值和大气光值进行改进,并加权融合单尺度Retinex算法,使去雾后的图像更加贴合实际场景下的无雾图像。试验结果显示,本算法能有效地还原图像的清晰度和色彩,并且在颜色偏暗的雾化图像上去雾效果更佳。与暗通道去雾算法、单尺度Retinex算法及暗通道融合图像增强的去雾算法相比较,本算法在主观评价和定量评价上具有明显的去雾优势,因此本算法具有更强的鲁棒性,可以广泛应用于交通监控、目标检测和追踪等领域。     

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.     

基于改进暗通道先验的图像去雾算法

针对暗通道先验去雾算法在含有浓雾、亮白、非均匀光照区域造成的图像失真的问题,提出了一种改进的自适应局部阈值分割和自适应参数优化相结合的去雾算法。首先根据暗通道先验理论运用局部阈值分割出亮白区域和非亮白区域,然后采用引导滤波将求取的原始透射率进行细化,并通过亮白区域与非亮白区域加权求取更加精准的大气光强,提高了大气光强的鲁棒性,使得该算法适用于暗通道去雾效果不好的浓雾高亮区域和非均匀光照区域。最后,通过雾天图像降质模型恢复出无雾图片,将该算法与几种常用的去雾算法进行比较。结果表明,该算法在绝大多数情况下恢复的图片清晰自然,解决了图像去雾后视觉效果不好的问题,同时也有效改善了亮白区域色彩失真的现象。     

多尺度Retinex灰度图像增强算法

为提高图像识别在分类时的质量,必须在图像的预处理阶段对噪声进行滤除,对图像中的目标对象加以增强.从研究图像增强的空域法入手,利用多尺度Retinex灰度图像增强算法完成图像的增强.做到改善图像颜色恒常性,压缩图像动态范围,提高对比度,有效显示淹没在阴影、光照等区域中的细节. 在仿真实验中,对图像进行高斯滤波,确定了高斯滤波系数.仿真结果证明该方法可行,在完成图像增强的同时,对噪声有较好的抑制作用.     

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。     

单光谱多曝光焊缝图像动态均质化补偿技术

针对焊接机器人难以同时获取焊缝和结构光清晰图像的问题,提出了单光谱多曝光机制和图像动态均质化补偿技术.首先设计了具有自适应曝光机制的视觉系统,获取单光谱多曝光的细节全覆盖图像.进而提出基于相机响应曲线的动态均质化补偿技术,把多个曝光图像合成为一幅清晰图像.最后对焊缝区域图像质量和清晰度进行评价分析,实验结果表明,该方法补偿了焊缝区域图像的动态范围,可获取焊缝区域清晰图像.