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。     

海面舰船场景的视频图像海雾去除算法

为满足海面舰船视频图像海雾去除的实时性要求,提出一种基于引导滤波的快速视频图像海雾去除方法。针对单幅图像,根据经典大气散射物理模型,首先利用暗原色先验估计大气光值和初始透射率,然后利用引导滤波优化透射率,进而求解大气散射物理模型,实现快速去雾;针对视频图像,结合帧差法和引导滤波,利用引导滤波估计视频帧序列的雾气遮罩,实现快速去雾。与其他单幅图像和逐帧视频图像去雾算法分别进行实验仿真对比研究,从主观和客观两方面进行处理结果的图像质量评价。结果表明,所提算法能实现快速海雾去除、有效提高视频去雾效率。     

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。     

基于稠密残差块与通道像素注意力的图像去雾网络

为解决复杂的室外图像进行去雾，依然会有雾气残留，甚至出现颜色失真和纹理丢失问题，提出一种基于稠密残差块与通道像素注意力的图像去雾网络，利用稠密残差块对有雾图像进行特征提取和融合，用带通道像素注意力机制的修复模块对特征图进行颜色和纹理上的修复。实验结果表明：该方法在客观评价指标和主观视觉质量上都有明显提升，有效避免了去雾过程中的颜色失真、纹理丢失和雾气残留问题。     

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。     

灰度图像的模糊Renyi熵多级阈值分割方法

为克服Renyi熵阈值化方法在处理图像固有模糊特性上的不足,基于模糊集理论,提出一种有效的图像多级阈值化方法。把图像转换到模糊域,定义分割区域的模糊Renyi熵,然后应用最大熵原理对图像实施阈值分割。另外,在方法实现中采用差分演化算法搜索最佳阈值,以提高计算效率。在合成及真实图像上的实验结果表明了提出方法的有效性,同时,运用差分演化算法使方法满足图像分割时间性能需求。     

基于幂次变换的SAR图像Otsu分割法

通过分析合成孔径雷达(synthetic aperture radar, SAR)目标切片图像的散射特性,提出一种适用于SAR目标识别的目标切片图像分割算法。算法首先对SAR图像做相干斑滤波,通过邻域平滑处理,提高背景区域和目标区域像素幅值一致性。然后自适应地选取变换幂次,对滤波后的SAR图像做幂次变换,以进一步增强目标区域像素幅值一致性。最后直接利用一维Otsu法对变换后的图像进行分割处理。实验表明,该算法对不同散射特性的目标切片图像都能够实现较为准确的分割,且计算复杂度小,利于工程应用。     

基于Contourlet域树状系数的自组织神经网络图像分割

为避免小波域隐马树模型分割算法中模型假设的不足,提出用SOM网络作为非参数概率密度函数估计器。用图像轮廓波变换域中的树状数据作为网络输入,以利用图像的几何特征来提高分割效果。由训练好的网络组可以得到待分割图像各个尺度下的条件概率密度函数值,应用最大似然分类准则得到相应尺度下的粗分割。通过多尺度粗分割结果的融合,得到像素级的分割结果。用合成纹理图像、航拍图像和SAR图像进行实验,并与小波域隐马树模型分割方法和基于SOM网络的多尺度贝叶斯分割方法进行比较。对合成纹理图像给出错分概率作为评价参数,实验结果表明所提算法分割效果更优。     

一种细胞图像的区域标识算法

细胞图像由于其内在特性,一直是图像分割的难点.为了更好地分割与标识细胞图像,采用双层结构,第1层基于传统的分裂合并算法的思想,引入脉冲耦合神经网络并简化对图像分裂,引入MS模型并简化对分裂区域进行合并,得到一个粗分割图像;第2层利用Canny算子提取图像的边界,将长度大于阈值的边界视作细胞边界,反之视作仂边界,得到一个不连续的边界.最后在两层结果的基础上,利用教学形态学的方法,进行骨架提取与细化,最终得到区域分割与标识的结果.实验用5幅细胞图像作为测试,对算法的参数选择做了详细讨论,并就正确标识率和运行时间与基于区域的分割、基于先验模型的分割做对比,表明本文算法更优.     

基于方向小波的差值滤波图像去噪算法

针对利用方向小波的多方向框架分割图像时形成的像素序列长度的不同,提出一种新的基于方向小波的差值滤波图像去噪算法.该算法根据白噪声分布规则,将像素序列分成两组,分别采用不同的阈值萎缩方法,并将所产生的方向子图像进一步的作差值滤波处理,最后对所有子图像进行线性平均.对含不同程度高斯白噪声的图像去噪仿真实验表明,与其他小波阈值去噪方法相比,该算法能更有效的去除噪声和保持图像纹理细节,信噪比提高1～3dB.     

一种融合运动和立体的视差与运动估计算法

本文提出融合运动和立体的视差与运动估计算法。算法首先通过计算瞬时ＦＯＥ，实现对每个像素处位移的ＭＡＰ估计，计算关联置信度测量，然后利用位移估计从两图像序列之一计算相对深度图并导出能用于匹配两立体对图像序列的视差先验概率分布，使立体对的两图像序列匹配，确定３－Ｄ景物深度。算法可独立估计每个像素处的视差，不需关联的平滑假设。     

基于区域分割的NSCT域SAR与全色图像融合算法

提出了一种基于多阈值分割和无下采样Contourlet变换(nonsubsampled Contourlet transform, NSCT)的SAR与全色图像融合算法。首先对降斑SAR图像作多阈值分割,并定义了区域均值比量测算子将SAR图像进行区域划分;然后采用NSCT对降斑SAR图像和全色图像进行多尺度、多方向分解,分解后的低频部分根据区域均值比量测算子进行区域融合,高频部分则采用区域与窗口邻域相结合的融合策略;最后对融合系数进行重构得到融合图像。实验结果表明,该算法的融合图像既可保持全色图像的空间分辨率,又可有效获取SAR图像的目标信息,融合效果优于小波变换法以及基于像素的NSCT法。     

基于多重迁移注意力的增量式图像去雾算法

为提高深度神经网络去雾算法对增补数据集的处理能力,并使网络差异化处理重要程度不同的图像特征以提高网络去雾能力,提出一种基于多重迁移注意力的增量式去雾算法。通过自编码器形式的教师注意力生成网络提取标签和雾霾的多重注意力,作为特征迁移媒介网络的标签约束网络训练,形成与教师注意力尽可能相近的迁移媒介注意力,并将其融入学生去雾网络的特征中,提高学生去雾网络的去雾能力;通过增量式训练方法提高学生去雾网络对增补数据集的处理能力。结果表明：所提算法对ITS、OTS以及真实雾图上皆具有较好的处理能力,在保证去雾图像像素结构完整、颜色不失真的同时具有较好的去雾效果,算法处理后的图像在主观视觉效果和客观评价指标上皆优于对比算法。     

基于局部方差的多分辨率图像分割方法

针对复杂图像分割问题,提出了一种基于图像局部方差的多分辨率图像分割方法。该方法首先引入了一种像素映射的多分辨率模型,此模型通过计算父子关系距离来确定父结点与子结点的链接,实现映射;在此基础上,从图像局部方差对图像分辨率的依赖性入手,分别研究图像中目标区域与背景在不同分辨率下局部方差的变化规律,利用此规律通过计算不同分辨率下图像区域的局部方差的差值,来放大目标与背景之间的差异,在将其平滑之后选用最大类间方差法(Ostu法)进行图像分割,最后利用图像多分辨率模型下像素之间的精确映射关系来得到对应于原始图像大小的分割结果。实验结果显示此方法具有良好的分割效果。     

图像区域分割中的无监督图割方法

提出一种基于图割算法的图像多区域分割方法,该方法采用核函数对数据项进行隐性的非线性映射,将原始数据映射到高维特征空间,实现图像的线性多类划分,扩展了分段常数模型的应用范围,提高了复杂区域的分割效果。由于图像边缘梯度变化剧烈,具有不连续性,在平滑项中加入图像的梯度约束条件,减少过分割。同时,采用无监督方法设置初始参数,避免了交互操作,更符合多区域分割的要求。实验结果表明,新方法不受图像内容的限制,无论是主观视觉判断还是客观定量分析,该方法都具有较好的分割效果。     

一种在线学习的视频图像分割算法

提出了一种在线学习的视频图像分割算法,通过结合视频图像的全局信息和局部信息,来完成视频图像的准确分割。该算法首先采用分类器对视频图像的无指导预分割结果进行整体的识别处理,得到粗糙的像素级前后景分割图像,再通过时空条件随机场最优化完成局部平滑处理,得到最终精确的像素级前后景分割图像。同时还提出了一种平衡采样策略和一种基于分割图像指导的样本更新算法,分别用以实现分类器准确的初始化和高效稳定的在线学习。基于真实视频序列的实验表明,相比已有方法,算法在低时间开销下,显著提高了分割的准确性与稳定性。     

融合纹理信息的深度图像修复

针对低质量深度图像中存在的空洞和噪声问题,提出了融合纹理信息的深度图像修复算法。首先利用形态学操作对空洞进行优化,基于区域的分割算法完成空洞区域分割;然后将提取出的空洞区域进行纹理信息填补,分析空洞区域与同场景彩色图像的局部结构相似性,完成空洞初修复;最后利用灰度级图像重建算法,对边缘空洞区域进行填充和平滑处理。基于标准数据集Middlebury,所提算法与快速行进算法、自适应中值滤波算法和形态学重建算法相比,对大面积空洞信息完成了良好的修复。在获得较好修复效果的同时,该算法保持了图像的结构完整性和整体平滑性。     

基于最大模糊熵原理的多阈值图像分割新算法

基于最大模糊熵准则,提出了一种新的多阈值图像分割算法。该算法通过定义一种简单的线性模糊隶属度函数,将图像模糊划分为若干个不同的区域;同时采用自适应遗传算法搜索最大模糊熵准则下图像的一组最佳分割阈值,并对遗传算法中的编码方式及交叉算子、变异算子进行了一些有益的改进,极大地减少了计算量和存储空间,加快了算法的搜索速度。通过仿真实验证明该算法对复杂图像良好的分割效果和较强的实时处理能力。