一种改进的海上目标高效去雾算法

为提高船舶在雾天航行的安全性,将图像去雾算法应用于船舶实际营运中。建立雾天退化物理模型,采用暗黑通道先验知识初步估计海上图像的透射率,利用引导图像滤波对初步估计的透射率进行细化。针对海上图像大面积天空的特点,对全局大气光的估计进行改进,最后,根据雾天成像的物理模型恢复出无雾图像。采用 Mat-Lab2012平台对实船采集的有雾图像进行去雾,去雾后图像色彩失真度较小,海上目标能够得到清晰的恢复,且去雾所用时间短,说明该算法可应用于雾天船舶航行。     

使用局部大气光的单幅图像去雾算法

针对传统算法去雾后图像偏暗的问题,根据去雾后图像对比度和亮度均应该增加的标准提出了一种高亮度和对比度的去雾算法。首先依据大气光与复原图像亮度成反比事实,设置像素红绿蓝(RGB)三个颜色分量均值为局部级粗糙大气光,使用具有较好抑制光晕效应的半全局加权最小二乘算法优化获取局部级大气光;然后根据去雾图像方差与大气透射率成反比事实,使用基于像素最小颜色分量的大气散射函数计算粗糙透射率,然后使用局部均值滤波器优化透射率;最后结合雾天成像模型恢复无雾图像。实验结果表明所提算法去雾图像的梯度、亮度和速度等客观指标均优于传统算法,其中亮度最少增强1.5倍。所提算法能提高去雾图像亮度、丰富图像细节和提高去雾速度,具有较好的工程应用价值。     

对行车视程估值的车前图像去雾算法

针对雾天条件下车前图像环境复杂,去雾困难的问题,提出了一种车前图像去雾算法。分析并简化了大气物理模型;并在分析了影响透射率衰减因子的因素的基础上,借助大气消光系数提出了透射率的一种表现形式。接着借助车行可视距离与能见度的关系,最终建立了能见度和透射率的数学关系。最后利用引导滤波求取大气光幕的值,并通过修复函数完成了单幅车前图像的去雾处理。去雾实验结果显示,经过算法处理后的图像亮度得到了提高,图像变得更加清晰,图像中的细节变得明显,图像的对比度也变得更强。     

一种雾天彩色图像复原快速方法研究

暗通道优先法则在处理自然雾天图像方面取得了非常好的效果,但是该方法需要消耗大量的存储和计算时间。提出了一种改进的雾天彩色图像增强快速方法。首先,根据雾天图像模型和先验知识,计算雾天图像的暗通道先验值;并估算初始透射率图像和大气光。然后利用数学形态学方法对初始透射率图像进行处理得到优化的透射率图;并根据这个优化透射率图、大气光和原始雾天图像计算去雾图像。最后利用gama校正获得最终的彩色增强图像。仿真实验结果表明本文提出的方法能较好地对雾天彩色图像进行去雾处理,且计算速度较快。相比于基于暗原色先验的单一图像去雾方法,图像尺寸越大,该方法的计算效率越高,计算时间优势越明显。     

改进的基于均值滤波的单幅图像去雾算法研究

雾天条件下采集的图像存在低对比度和低场景可见度问题,传统的去雾算法时间复杂度高、速度慢,无法应用于实时图像处理。为此,结合大气光特性提出一种改进的基于均值滤波的单幅图像复原方法。该方法以大气散射模型为基础,首先利用均值滤波得到准确的大气耗散函数;引入直方图修正机制下的自适应保护因子,更正明亮区域的大气散射函数;大气光采用效率更高的四叉树算法求解;最后由大气散射模型计算复原图像并进行图像的亮度调整,从而得到一幅清晰的无雾图像。仿真实验结果表明:该算法的场景适应能力强,复原图像色彩感丰富。与经典的去雾算法相比,该算法在保证去雾效果的同时,克服了导向滤波算法时间复杂度高、速度慢的缺陷。     

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?     

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.     

基于统计特性和亮度估计的夜晚图像去雾

由于人工光源的存在,夜晚有雾图像具有光照不均、色偏严重和亮度较低等特点,现有的常规图像去雾算法并不适用.考虑到夜晚雾天图像成像特点,建立了带有色偏因子的雾天图像成像模型,可成功用于夜晚图像去雾,并提出了基于统计特性和亮度估计的夜晚图像去雾算法.由于夜晚雾天图像和低照度图像亮通道直方图具有较大相似性,首先将夜晚有雾图像进行反转,然后基于带色偏因子的雾天图像成像模型,局部估计带色偏的大气光;针对夜晚有雾图像色偏严重,导致三通道透射率差异较大,提出对透射率三通道分别进行处理;在此基础上,利用亮度估计对透射率进行优化;最后,利用局部Grey-world算法对去雾后的图像进行颜色校正.实验结果表明,所提算法能够有效去除夜晚雾气影响,提高图像的整体亮度和对比度,恢复更多的图像细节.     

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.     

单一图像多滤波联合快速去雾算法

提出一种多滤波联合单一图像快速去雾算法。首先基于大气散射光特性,计算雾天图像最小通道图,给出大气耗射函数初估计;利用双边滤波保边缘的平滑特性,对雾天图像灰度图进行平滑增强处理;再以此滤波图作为引导图,对大气散射图进行引导滤波,生成准确的能体现深度变化的大气散射图。为了正确估计全球大气光,采用循环四分图形法求解雾天图像最小通道图中最亮像素;在此基础上生成视觉上较真实的清晰无雾图像。比较实验表明算法去雾效果更完整、视见度更高、速度更快。     

结合自适应亮度变换不等式估计透射率的图像去雾方法

为了解决单幅图像去雾算法中透射率估计不准确和去雾不彻底问题,提出了一种结合自适应亮度变换不等式估计透射率的图像去雾方法。首先,利用亮度和反饱和度进行亮度变换不等式补偿构造场景深度,并使用对数变换进行灰度扩展;其次,采用正则化对场景深度优化,解决相邻像素的差异过大问题,逼近精确场景深度;然后,根据局部恒定假设,利用局部平均深度和联合双边滤波估计动态大气散射系数,结合场景深度和动态大气散射系数获得透射率;最后,使用中值滤波和区间估值优化局部大气光,并通过大气散射模型恢复无雾图像。实验结果表明:所提出的图像去雾方法可在不同场景自适应地调节模型参数,去雾彻底,获得了较好的去雾效果;同时,客观指标中平均视觉对比度达到了60.572,具有较好的图像保真度。     

海上监控视频实时去雾算法研究

为提高船舶在雾天航行的安全性,对船舶监控视频流进行实时去雾.建立雾天退化物理模型,采用数学中不等式缩放理论估计出每帧有雾图像的透射率和全局大气光,然后根据雾天成像的物理模型恢复出每帧去雾图像.根据海上监控视频图像具有大面积天空和海水,对该算法中的参数依据航海目标细节恢复程度和图像对比度等因素进行估计.实验结果表明,该算法能够有效恢复海上目标的细节清晰度和提高图像的对比度,又能满足视频流实时去雾的要求,说明算法能够较好地解决海上监控视频实时去雾问题.      

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.     

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。     

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.     

基于SLIC和SVR的单幅图像去雾算法

为了提升图像去雾算法的效果和适应性,提出了一种基于简单线性迭代聚类(SLIC)超像素分割和支持向量回归(SVR)的单幅图像去雾算法.首先,将雾霾图像进行超像素分割,对于每个超像素块,取其最大通道内的最大值作为局部大气光的估计,并使用引导滤波优化大气光图的边缘.然后,采集清晰户外图像并切割成块,利用大气散射模型为其加入不同程度的雾作为训练样本,提取对比度、饱和度、直方图均衡度和最小通道均值4种特征,利用支持向量回归算法训练传输参数估算模型.实验结果表明,所提算法有效地恢复了图像的对比度和颜色饱和度,同时无论是在主观视觉效果方面,还是在结构相似度和峰值信噪比等客观评价指标方面,所提算法均优于现有传统算法.     

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。     

基于CNN和随机漫步的图像去雾算法

为解决卷积神经网络(convolutional neural network, CNN)中参数不具有泛化性的问题,融合深度学习和智能算法设计了一种基于卷积神经网络和随机漫步理论的可训练端到端图像去雾算法。首先,利用基于卷积神经网络的可训练端到端图像去雾算法(DehazeNet)计算图像大气透射率;然后,使用K-means算法对大气透射率进行聚类分析,使大气透射率在某一范围内的分布更均匀;接着,利用均方误差函数与失真度函数的差作为优化大气透射率的目标函数,用聚类后的大气透射率作目标函数的初值,利用随机漫步算法求解最优大气透射率;最后,恢复出清晰无雾的图像。实验表明,算法的去雾效果优于DehazeNet算法的去雾效果。     

基于YUV 颜色空间的图像去雾算法

针对有雾天气条件下, 获得的图像严重降质问题, 提出一种基于YUV 颜色空间的快速图像去雾算法。该算法以大气散射模型为基础, 利用YUV 颜色模型提取出有雾图像的亮度分量, 对此亮度分量图像进行高斯滤波后得到散射光; 求出有雾图像的最大亮度值作为大气光, 进而求得清晰的无雾图像。实验结果表明, 该算法不仅有效地提高了降质图像的质量, 而且处理速度快, 能很好地保持图像的细节。     

引导滤波在雾天图像清晰化中的应用

根据大气散射物理模型,分析并解决单幅图像去雾的关键问题,以消除雾气对室外机器视觉系统的影响.实验结果表明:利用引导滤波器的局部平滑特性估计大气光幕,可有效克服光晕效应和颜色过饱和现象;通过计算雾气最浓区域的平均值获取大气光强度值,可解决部分图像偏色问题;对复原的图像进行自适应增强处理,提高了图像的整体视觉效果.通过与多种典型的图像去雾算法的比较,说明该方法能更有效地消除图像中的雾气、真实复原场景的对比度和颜色,同时具有很快的执行速度,有利于算法的实时实现.