基于天空区域分割和多尺度融合的单幅雾天图像复原算法

传统的暗原色理论相关算法在处理带有天空区域的雾天图像时易出现亮度损失和光晕现象。针对这一问题,该文提出一种基于空区域分割和多尺度融合的单幅雾天图像复原算法。该方法首先对图像进行缩放,根据雾天图像的特性分割天空区域,获取全局大气背景光;根据散射模型获取初步的透射率图像,运用L0梯度最小化方法获取优化的透射率图像;最后运用多尺度融合的方法对不同曝光度的图像进行融合,获取最终的去雾图像。主观观察和客观评价表明,在整体和细节方面,该算法比现有暗原色算法及其改进算法处理效果更好。     

基于天空区域分割和边界限制L0梯度最小化滤波的图像去雾算法

针对经典的暗原色理论算法在处理带有天空区域的雾天图像时会出现光晕和亮度损失的问题,该文提出基于天空区域分割和边界限制L0梯度最小化滤波的图像去雾算法。首先根据雾天图像的直方图特性分割出天空区域,求解全局大气背景光;其次,根据辐射立方体法则推导出边界限制条件,规整得到初始透射率图像,并运用L0梯度最小化方法对透射率图像进行平滑处理;最后,通过优化的暗原色理论模型求取增强后的图像。通过对算法的有效性、天空区域的失真和细节特征进行分析,发现该算法比改进的暗原色算法处理效果更好。     

结合天空分割修正的快速去雾方法

针对目前去雾算法对高亮天空区域处理不理想,以及去雾后的图像整体视觉效果较差的问题,提出一种结合天空区域分割修正的快速雾天图像复原方法.首先,对输入图像进行白平衡处理;其次,根据大气散射物理特性和光学成像特性对大气耗散函数做初始估计,判断是否存在天空区域,若存在天空区域,结合对比度增强调整,Otsu算法(大津法)分割出天空区域,修正天空区域的大气耗散函数;最后,由大气散射模型得到复原图像,并对复原图像做亮度调整.实验结果表明:该算法具有较强的场景适应能力,能很好地处理天空区域;复原图像具有较好视觉效果,而且执行速度更快.     

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.     

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?     

雾天图像清晰化方法及应用

针对雾天户外图像的退化现象,提出了一种基于大气模型的完全自适应的图像清晰化方法。该方法根据图像的灰度分布特性,求出天空区域灰度的最佳近似正态分布,再由这个近似正态分布得到天空区域的灰度均值,同时根据灰度直方图分割出各个景物的深度区域,然后利用大气模型列方程组,可得归一化辐射率的值,从而能够实现雾天图像清晰化。实验表明,该方法对雾天退化图像的清晰化效果较好。     

雾天图像清晰化方法及应用

针对雾天户外图像的退化现象,提出了一种基于大气模型的完全自适应的图像清晰化方法.该方法根据图像的灰度分布特性,求出天空区域灰度的最佳近似正态分布,再由这个近似正态分布得到天空区域的灰度均值,同时根据灰度直方图分割出各个景物的深度区域,然后利用大气模型列方程组,可得归一化辐射率的值,从而能够实现雾天图像清晰化.实验表明,该方法对雾天退化图像的清晰化效果较好.     

RBF神经网络在雾天图像复原中的应用

针对雾天图像的特点及传统算法复原效果的不佳,提出了一种基于RBF神经网络的雾天图像复原算法。实验结果表明,该算法能够有效地提高图像清晰度和对比度,复原后的图像视觉效果得到了明显改善。     

有雾天气图像的清晰化方法

为了改善雾天图像的退化现象,本文提出了一种有雾天气图像的清晰化方法。该方法根据正态分布将图像分为非天空区域与天空区域,然后以全局直方图均衡算法(HE)和子块部分重叠的局部直方图均衡算法(POSHE)为基础对雾天图像进行均衡化处理,均衡后的图像能够保持图像细节,同时也能够避免图像的过增强。实验结果表明:该算法能够有效改善图像的退化现象,提高图像的对比度和分辨率,增强后的图像更加自然。     

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...     

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.     

基于暗通道的单幅图像雾天低能见度检测算法

针对传统能见度检测方法存在成本较高,需要人工标定等问题,提出了一种基于暗通道先验的单幅图像雾天低能见度检测算法.首先,基于暗通道先验得到图像透射率图,根据透射率图来初步判断图像是否处于低能见度范围;其次,计算图像三通道剩余能量比之间差异的加权平均值;最后,计算出图像能见度检测值.实验表明所提出的单幅图像雾天能见度检测算法能有效反映图像能见度.     

基于波粒去噪的图像清晰化方法

为了应对雾天图像对比度低、能见度低的缺点,提出一种基于波粒重构的雾天图像清晰化方法。采用波粒重构对均衡化后雾天图像进行处理,选取合适的阈值对图像的细节系数增强,经直方图匹配修正得到增强后的雾天图像。实验结果表明:该方法对雾气图片处理后,图像的细节和层次感得到了提高,视觉效果明显改善,是一种有效的雾天图像清晰化方法。     

一种局部多尺度retinex算法在雾天图像中的应用

由于大气粒子的散射作用,雾天条件下拍摄的图片质量下降,给户外视觉系统造成严重影响,尤其在宽动态范围场景中的图片存在过度曝光的区域和曝光不足的区域。传统的图像增强方法不能产生令人满意的复原图像,也不能提高图像中每个区域的对比度。单尺度retinex算法和由若干个单尺度retinex算法线性加权而成的多尺度retinex算法都具有局部图像增强和动态范围压缩的特点。文章提出了一种局部多尺度的retinex彩色图像复原(local multi-scale-retinex with color restoration,LMSRCR)算法,该算法根据雾浓度将图像分割成不同的局部区域,再对每个局部区域运行多尺度retinex算法。实验表明,该方法能有效去除图像中的雾,实现彩色退化图像的复原。     

改进的Otsu递归分割单幅图像去雾算法研究

针对暗原色先验去雾算法对天空区域的透射率估计值偏小问题,提出一种改进的Otsu递归分割图像去雾方法。该方法基于图像分割的思想,利用改进的Otsu递归分割算法准确分离出天空区域,结合暗原色图像灰度归一化值对天空区域透射率估计值进行修正,优化后的透射率更加接近实际值,最后通过大气散射模型得到复原图像。实验结果表明:去雾后的图像保持真实色彩,区域交叉边界处复原自然。文中算法有效解决了天空区域出现色偏和光晕问题,拓宽了暗原色先验算法的适用范围,对户外雾天图像的去雾具有良好的应用前景。     

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。     

基于饱和度的多尺度雾天降质图像质量增强算法研究

传统图像质量增强算法只适于薄雾状态下的降质图像,对浓雾状态下图像质量的增强效果较差。为此,提出一种新的基于饱和度的多尺度雾天降质图像质量增强算法,通过混合灰度转换函数子带分解多尺度Retinex算法挑选高、中、低三个尺度,结合雾天降质图像整体阴影区域和高光部分的细节,依次完成对雾天降质图像各个频段的质量增强,获取各个频段的质量增强结果。把获取结果与原图像共同视为一个图像集合,通过图像融合技术完成对所有图像的权重图分配操作,提高增强后图像质量。实验结果表明,所提算法能够有效增强雾天降质图像质量,主观客观评价结果均较优。     

基于动态引导滤波的多尺度图像融合算法

该文基于动态引导滤波器(RGF)提出了一种新的图像多尺度表示方法,并将其应用到图像融合技术中。首先,使用RGF将输入图像用多种尺度的子图表示;然后,基于显著性检测获得输入图像的权重映射;最后使用基于递归滤波的加权融合方法得到最后的融合图像。多组图像融合实验的比较结果表明,相比于其它基于多尺度分解的融合算法,本文提出的融合算法更好地保持了输入图像的细节信息,融合图像的视觉效果更好。     

基于饱和度的多尺度雾天降质图像质量增强算法

传统图像质量增强算法只适于薄雾状态下的降质图像,对浓雾状态下图像质量的增强效果较差。为此,提出一种新的基于饱和度的多尺度雾天降质图像质量增强算法,通过混合灰度转换函数子带分解多尺度Retinex算法,挑选高、中、低三个尺度,结合雾天降质图像整体阴影区域和高光部分的细节,依次完成对雾天降质图像各个频段的质量增强,获取各个频段的质量增强结果。把获取结果与原图像共同视为一个图像集合,通过图像融合技术完成对所有图像的权重图分配操作,提高增强后图像质量。实验结果表明,所提算法能够有效增强雾天降质图像质量,主观客观评价结果均较优。     

基于多尺度密集特征融合的生成式对抗除雾网络

在真实雾天场景下,针对除雾网络无法去除远处雾气、天空区域容易出现噪声的问题,提出了一种基于多尺度密集特征融合的生成式对抗除雾网络,并采用制作的合成雾天数据集进行对抗训练.首先,对除雾网络进行设计,构建了网络模型;其次,从合成晴朗天气图像中利用深度标签生成逼真的雾天数据集,以适用于真实雾天除雾领域;最后,在真实雾天数据集上测试,选取近几年具有代表性的6种基于深度学习的除雾网络进行主观视觉效果,并借助除雾领域常用的无参考图像质量评价指标进行客观分析.研究结果表明:提出的除雾网络在真实场景下的除雾效果较其他网络有显著提升,主观视觉效果明显优于对比的除雾网络,在无参评价指标上综合表现优于其他除雾网络.