基于重构暗通道的二次正弦衰减的去雾算法

针对暗通道算法在天空区域失效以及最小值滤波器产生伪影现象等缺陷, 提出一种基于重构暗通道的二次正弦衰减的去雾算法。首先, 利用图像分割对原始图像进行暗通道重构得到重构暗通道。然后，设计雾密度权重函数对场景中的雾浓度做近似估计得到权重系数, 并结合权重系数对重构暗通道进行二次正弦衰减得到初始透射率。为了得到更加精细的透射率, 结合直方图均衡化和快速导向滤波来优化透射率。最后, 结合大气散射模型复原无雾图像。实验结果表明, 所提算法能有效处理天空区域, 抑制光晕伪影, 且复原图像细节明显, 亮度饱和度适宜。     

基于图像天空区域分割的去雾算法

为了提升图像去雾效果，提出了基于天空区域分割的透射率合成图像去雾算法，通过雾霾图像构造的概率分布函数，结合迭代阈值分割及天空区域的暗、亮通道以及最大连通性确定出粗分割阈值。利用引导滤波加强天空与非天空区域像素灰度的差异性，实现了精准分割。利用对数自适应变换估计了天空区域透射率，利用改进的暗通道先验算法估计了非天空区域透射率，通过合成对应像素的透射率实现了图像的去雾。实验结果表明，相比其他去雾算法，所提算法在各客观指标上均有所提高，对天空与非天空区域分割准确，去雾图像整体视觉效果良好。     

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。     

基于明暗像素先验的随机游走图像去雾

针对雾霾天气下大气粒子的散射作用导致户外图像质量严重退化和暗通道对天空区域估计失效的问题,提出了一种单幅图像去雾算法。该算法从雾天图像模型出发,首先利用估计天空区域更加准确的明暗像素先验获取介质传输图粗估计,然后在随机游走模型的框架下,将粗估计的介质传输图作为先验约束传统随机游走能量模型,进一步优化介质传输图,得到最终的无雾图像。实验结果表明,该算法有效地在随机游走模型下结合了明暗像素先验对雾天图像估计的优缺点,证实了所提方法的可行性和有效性。     

结合运动补偿的球体双边滤波视频降噪算法

提出一种结合了运动补偿的球体双边滤波（motion compensated sphere bilateral filtering, MCSBF）视频图像降噪算法。在受噪视频图像中,首先利用视频序列中的当前帧和前后多帧图像,通过运动补偿得到当前帧的参考帧。在当前帧和参考帧构成的三维空间中,构建滤波窗为球体的双边滤波器,对当前帧像素进行三维双边滤波、实现降噪。算法能够充分利用视频图像中的空时相关性,在保持视频图像细节的同时、有效地去除噪声。实验结果表明,在提升受噪视频图像主观视觉质量和峰值信噪比（peak signal noise ratio, PSNR）等方面,算法优于空时联合滤波（spatial temporal joint filtering scheme, JNT）、空时转换滤波（spatial temporal varying filter, STVF）、多假设运动补偿滤波（multi-hypothesis motion compensated filter, MHMCF）等经典视频图像降噪算法。     

基于生成对抗网络的图像自增强去雾算法

针对现有去雾模型使用合成有雾图像数据集训练后容易出现过拟合的问题,提出了一种融合生成对抗网络的图像自增强去雾算法。在结合两个生成对抗网络的同时估计图像的深度信息。第一个GAN利用清晰图像学习图像加雾过程,将其生成的有雾图像作为第二个GAN的输入,指导第二个GAN如何正确去雾。为了减少图像处理前后的差异,利用一致性损失函数来优化两个网络。在图像加雾部分添加场景深度估计模块,并对散射因子进行随机采样,实现图像自增强功能,更加真实地模拟现实世界中不同浓度的雾气。该算法无需使用合成有雾图像数据集的成对信息,进一步避免过拟合问题。实验结果表明：所提算法能够取得较好的去雾效果,在主观视觉质量和客观评价指标上均有良好表现,优于同类算法。     

基于局部一致性的马尔可夫随机场去雾

为克服暗通道先验的适用局限性,同时增强一阶马尔可夫随机场对图像全局信息的约束能力,在颜色衰减先验的基础上,提出了一种局部一致马尔可夫随机场(Markov random fields, MRF)单幅图像去雾算法。首先,结合颜色衰减和暗通道两先验假设的特征，获取普适性更强的介质传输图粗估计,然后利用基于颜色特征的图像局部一致块代替MRF的二阶及其高阶能量项来构造代价函数,达到优化介质传输图和获取最终去雾图像的目的。实验结果表明,所提算法可以获取细节保持更好且鲁棒性更强的去雾效果。     

基于典型散射差异指数的PolSAR图像Lee滤波

为提高滤波后极化合成孔径雷达图像的边缘清晰度和保持目标的极化特性,提出了基于典型散射差异指数(typical scattering difference index, TSDI)的PolSAR图像Lee滤波算法。算法根据滤波像素和邻域像素之间的TSDI,采用自适应阈值法筛选出滤波像素的同质像素,然后用同质像素进行Lee滤波。针对筛选阈值,首先利用Parzen窗估计同质区域TSDI概率分布,然后根据估计结果计算阈值。用美国AIRSAR系统和UAVSAR系统采集的极化数据进行实验。实验结果表明该算法相对于精致Lee滤波算法相干斑抑制更加彻底,同时图像边缘清晰度和目标极化特性保持更完好。     

最小失真意义下雾化图像复原

恶劣天气下拍摄到的退化图像的复原技术,可应用于遥感、目标识别、交通导航及军事等多个领域。针对雾化条件下拍摄到的退化图像,基于大气衰减机制和信息论中的最小失真理论,提出了一种新的图像复原最优化的高效算法。算法利用投影失真的优良性质,求解出满足最小失真准则的理论最佳参数,并得到了对原始信号的最优估计,从而自动地对退化图像进行去雾恢复。实验结果证明,算法不仅适用于灰度图像,而且对RGB彩色图像也同样能够得到满意的复原效果。     

一种基于视频的水下场景复原算法

为了从由水面波动引起严重失真的视频中快速恢复出真实的水下场景图像,提出了一种结合序列图像配准和最优图像块选择的复原算法。首先通过一种迭代的序列图像配准算法消除视频帧中严重的几何畸变,并获得任意时刻水表面的三维形状,然后利用最优图像块选择算法从校正后的图像序列中合成出无失真的水下场景图像。实验结果表明,与主流的图像配准结合稀疏噪声去除的方法相比,算法能够获得更加准确清晰的视觉效果,同时具有更高的计算效率。     

基于图像特征的双目测距系统的研究

针对双目视觉测距中测量误差大、图像信息单一、实时性差等问题,提出一种基于ORB(oriented fast and rotated brief)特征的双目测距方法。对视频帧进行中值滤波处理,提取图像ORB特征,通过实验选出匹配效果最好的汉明距离。对筛选后的匹配点进行RANSAC(random sample consensus)模型估计,去除误匹配,分析视差和真实距离的模型关系,构建最优的测距模型并在实验平台上进行验证。结果表明:所提方法比其他双目测距方法具有测距精确、运行速度快、鲁棒性强的优势,能够实时显示图中特征的距离信息。     

基于动态指导滤波的显著性检测方法

显著性检测是指自动提取未知场景中符合人类视觉习惯的兴趣目标的方法。为了进一步提高检测的有效性,同时降低像素类检测算法的计算量和复杂度,提出了基于动态指导滤波的图像显著性检测方法。在新设计的简单迭代指导滤波中,核函数不再像经典指导滤波器那样只利用固定的指导图像,而是利用了输入图像和动态指导图像的联合结构信息,它保证了指导图像对原输入图像较好的结构传递性。其次,为了节约算法的时间成本,采用采样的方式降低算法计算中需要的计算量。最后,为了提取更有效地的显著性区域,引入了关键显著性区域提取方法,通过修正关键点集合得到更准确的目标区域。实验结果表明,相比于其他像素类的显著性检测方法,该算法可以更快速和有效地检测出显著性目标。     

PolSAR图像的改进非局部均值滤波算法

为了在抑制相干斑的同时更好地保留地物目标的极化散射信息和结构信息,提出了一种基于变异系数(coefficient of variance,C.V)的极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像自适应非局部均值滤波算法。该算法结合图像子块的统计特性和目标点的极化散射特性筛选同质像素,然后引入C.V自适应选取平滑系数来计算滤波所用的权重,最后对同质像素进行非局部均值滤波。用不同系统采集的PolSAR数据进行的实验结果表明,与精致LEE滤波、NL-Pretest滤波以及最新的滤波方法相比,本文算法不仅能够有效抑制相干斑噪声,而且图像的边缘和极化散射特性也得到了更好地保持。     

基于相干Doppler干涉的微动目标宽带成像方法

二维像是雷达目标最重要的特征之一,它反映了目标的几何形状、散射结构等特性。在目标存在微动的情况下,即使目标散射中心不发生越距离单元走动,微动带来宽带回波的非线性相位也会导致方位向的散焦。针对这一问题,提出了基于相干多普勒干涉的微动目标宽带雷达成像算法,其核心思想是在对强散射中心所在的距离单元进行相干多普勒干涉成像的基础上,再进行目标二维像重构。仿真实验验证了所提算法的有效性。     

基于尺度空间粒子滤波器的多参考#br# 直方图目标跟踪算法

在基于直方图的序列图像目标跟踪算法中,目标的直方图通常都是在跟踪初始化时从目标所在的区域获得,然而单个直方图难以适应跟踪全过程中目标的各种变化。针对事先已知目标几种典型外观的跟踪问题,提出了一种基于粒子滤波器的多直方图尺度空间跟踪算法。利用多个典型直方图的线性加权来表示目标的直方图,根据目标的当前区域估计加权系数,生成下一帧的目标概率分布图,在目标概率分布图上运用尺度空间粒子滤波器,来估计多尺度规范化Laplacian滤波函数的极值,从而实现目标的定位。通过在真实序列上与现有算法的对比,表明了此算法不仅可以适应目标的色彩和明暗变化,而且能更准确地描述目标的大小,显著提高跟踪的精度。     

Fast view prediction for stereo images based on Delaunay triangular mesh model

The view prediction is an important step in stereo/multiview video coding, wherein, disparity esti-mation (DE) is a key and difficult operation. DE algorithms usually require enormous computing power. A fast DE algorithm based on Delaunay triangulation (DT) is proposed. First, a flexible and content adaptive DT mesh is established on a target frame by an iterative split-merge algorithm. Second, DE on DT nodes are performed in a three-stage algorithm, which gives the majority of nodes a good estimate of the disparity vectors (DV), by removing unreliable nodes due to occlusion, and forcing the minority of 'problematic nodes' to be searched again, within their umbrella-shaped polygon, to the best. Finally, the target view is predicted by using affine transformation. Experimental results show that the proposed algorithm can give a satisfactory DE with less computational cost.     

基于WMF与LSE的序列图像匹配制导滤波融合算法

为了改善匹配制导系统可靠性及匹配精度,提出了一种新的基于WMF与LSE的序列图像匹配结果滤波融合算法。分析了序列图像匹配制导滤波融合的基本问题,设计了一种加窗中值滤波器,并将其应用于纵向匹配位置序列的滤波处理,采用LSE对匹配位置序列进行最优参数估计,给出了滤波融合算法的基本原理及实现框图。仿真实验及实例分析验证了本文算法在消除误匹配点及减小随机匹配误差干扰方面的有效性、实用性。