基于色彩恒常理论的图像去雾技术

针对户外图像采集处理系统，讨论了1种有效的图像去雾方法。由于雾退化图像对比度较低，从图像增强角度入手，将雾的退化作用等效成景物的照度变化，根据色彩恒常理论，采用Frankle—McCann Retinex（FMR）算法进行图像去雾处理；结合人眼对亮度的指数视觉特性，采用软复位算法对其进行改进。仿真分析表明，改进后的算法可以有效增强雾退化图像的对比度，获得满意的视觉效果。     

基于三区域划分的单幅图像去雾算法

雾致退化给图像在监测监控、遥感航拍等领域的应用带来困难。针对现有去雾算法在天空区及交界处存在的问题,提出对图像进行天空、非天空及过渡三分区,并根据各区特点分别采用大尺度Retinex算法、暗通道先验去雾及两种算法结果加权融合的去雾算法框架。实验结果表明,算法较好地解决了天空区颜色紊乱、光斑等问题,去雾后的天空清晰平滑;过渡区在保持图像细节的情况下,克服了区域交界处的虚假边缘问题。与几种常见算法的对比实验结果显示,算法兼顾了不同区域的特点,去雾效果在整体上优于对比算法。     

基于暗通道先验理论的图像去雾算法改进

提出了一种基于迭代的自适应图像去雾算法,该算法是在基于暗通道先验理论的去雾算法基础上增加了常数c补偿,为了保护边缘信息滤波时采取了双边滤波算法,最后将大气光及透射率当成一个整体并结合峰值信噪比构造了优化条件的迭代算法,实现了自适应图像去雾.模拟实验结果与多种评价性能参数的计算结果都表明,本文的改进算法不仅提高了去雾后图...     

双透射率成像模型与Retinex 融合的水下图像清晰化

针对水下图像出现的颜色失真、对比度低、雾化现象等问题,提出双透射率成像模型与Retinex融合的水下图像清晰化方法.首先,采用基于改进双透射率成像模型的复原算法,用以解决图像雾化以及亮度失衡;其次,在带色彩恢复的多尺度Retinex增强算法中引入引导滤波,解决图像色偏问题;此外,引用自动色彩增强算法,有效提升对比度;最后,将三个输入图像与结合对比度、显著性、饱和性得到的对应权重图采用多尺度融合框架得到清晰化水下图像.实验结果表明,与现有新颖算法相比,所提方法可以最大程度地将多种单一算法的优势有效结合起来,水下彩色图像质量评价指标(underwater color image quality evaluation,UCIQE)均值高于各比较算法6.03％且加速鲁棒特征(speeded up robust features,SURF)特征匹配点明显提升,算法能在保留图像细节的同时有效校正色偏现象、提升图像对比度及清晰度,更符合人眼的视觉效果.     

基于Resnet的林地无人机图像去雾改进算法

【目的】针对雾霾天气下林地无人机航拍图像存在对比度低、饱和度低和色调偏移等现象,基于Resnet网络,提出一种适应林地航拍场景的无人机图像去雾方法(DHnet)。【方法】林地场景下无人机图像具有纹理特征、高低频信息丰富的特点,在主干网络各个层级附加信息传递模块,将特征图转化为权值图进行筛选过滤并发送到其他层级,接收端设置阈值避免冗余信息的不良影响,再经密集链接增强全局去雾效果,提高图像高低频区域的去雾质量,最后在林地无人机有雾图像测试集上进行去雾实验。【结果】DHnet在林地图像测试集上的平均结构相似性为0.83,平均峰值信噪比为22.3 dB,分别较Resnet方法提高了4.8%和39.3%。【结论】本研究提出的算法能有效降低图像色调偏移,去除残留雾气信息,有效提高无人机航拍林地雾气图像的色彩保真度和细节信息保持度。     

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。     

基于SoPC的视频图像去雾设计

介绍了视频图像快速去雾装置的设计和实现.装置以ZYNQ系列的SoPC(片上可编程系统)芯片作为开发平台,分析基于物理模型的暗通道先验去雾算法并对算法进行优化,设计向下最小值求解器完成单帧图像去雾算法的逻辑实现,提出了基于帧间像素值均值法实现视频去雾算法.通过研究对去雾算法进行优化,增加算法的可移植度同时使用加速技术提升...     

航拍图像暗通道先验去雾算法速度改进

针对暗通道先验去雾算法复杂程度较高,利用引导滤波精细化大气透射率图层时间较长的问题,提出一种用中值滤波精细化透射率图层的算法改进航拍图像去雾速度.改进算法定义了一种算法简单且具有边缘保护效果、与滤波窗口无关、时间复杂度为O(1)的中值滤波器,对云雾均匀的输入图像,用中值滤波较好地模糊了计算暗通道图层而产生的块状处理结果...     

一种基于Retinex理论的图像去雾算法研究

针对Retinex算法去雾存在自适应能力差、容易产生光晕现象的缺点,通过对Retinex方法去雾后的图像依次做对比度拉伸、统计R/G/B分量像素亮度个数、用三次B样条拟合、计算曲线右侧的极值、确定天空区域分割阈值、得到分割图像,然后对分割后的非天空区域做色偏校正,对天空区域做均值化处理,最后将处理后的图像融合.实验结果表明,算法处理后峰值信噪比提高约9.14%,信息熵提升约22.2%,对比度提高约6.41%,说明改进后的算法效果较好.     

基于Retinex的多尺度单幅图像去雾网络

针对现有去雾算法应用于真实场景时容易产生颜色失真、雾霾残留严重等问题,提出一种多尺度单幅图像去雾网络。首先基于Retinex理论的去雾模型,设计了多尺度残差光照图估计模块用于生成初步去雾后的图像,其次设计了精细化去雾模块来优化粗糙的去雾图像,从而获得去雾更加彻底、细节更加丰富的清晰图像。多尺度残差光照图估计模块利用不同尺寸的感受野捕获全局背景特征和局部细节特征,精细化去雾模块采用U-net结构,通过多个跳跃连接融合不同阶段的特征。实验结果表明,本文网络在定量和定性方面均有所提升,对于真实场景下的雾霾图像有较好的去雾能力。     

基于深度学习的图像去雾算法

针对有雾天气会使图像质量降低,影响对图像信息的提取,导致图像的应用价值减少的问题,提出一种基于深度学习的图像去雾算法。首先,对原有雾图像进行单尺度和多尺度的卷积来特征提取,其次再用多尺度卷积核实现图像细节的重建得到粗略的透射率传播图,同时利用原有雾图像中像素点的位置和亮度值得到大气光值,利用导向滤波得到精细透射率传播图和之前得到的大气光值进而反演出无雾图像,最终对无雾图像进行直方图颜色校正。实验结果表明,相比传统去雾算法,该算法对图像细节的处理更加自然并具有很好的视觉效果。     

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.     

基于引导滤波的单幅图像去雾算法研究

基于暗原色先验的单幅图像去雾算法较好地解决了估算雾天场景透射率的问题,算法复原的图像清晰颜色自然。但原始算法计算复杂度高、耗时长、无法满足实时性需求。介绍了引导图像滤波的原理,并将其与暗原色先验结合以改进原始算法;同时分析了滤波参数对去雾结果的影响。实验证明改进的算法在保证原算法去雾效果的同时能使算法复杂度大大降低。     

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。     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

基于改进的Retinex算法对路面裂缝的图像增强处理研究

为了解决传统的图像增强算法中道路路面破损裂缝之间的显示度不高,致使道路裂缝自动检测处理装置不能有效地自动提取裂缝的问题,基于图像增强处理的特点,分析了Retinex算法不足之处,提出了一种改进的Retinex算法和模糊算法相结合图像增强算法。在Matlab上进行仿真,结果表明可以达到很好的增强处理效果。     

基于暗通道先验的图像去雾改进算法

为了改进常规暗通道先验的图像去雾算法中,因大气光值求取不准确引起的复原图像色偏现象,在分析有雾图像天空区域灰度均值和方差特征基础上,提出一种基于二分搜索的大气光值估计算法,获得更为合理的大气光值;针对有雾图像边缘位置暗通道值计算偏差产生的复原图像光晕效应问题,依据最小值图和暗通道图的灰度值差,获取自适应阈值,根据阈值确定图像中景深变化剧烈的边缘位置,从而对边缘位置的暗通道值进行修正。测试结果表明,该方法能够有效去除复原图像中的光晕效应,改善色偏现象,提高图像对比度,以及保留图像中更多的细节信息。     

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。     

基于雾气深度的快速单幅图像去雾算法

针对目前去雾算法复杂度高以及复原的图像视觉效果差等问题,提出了一种新颖的去雾方法。首先,对图像的三通道进行高斯低通滤波获取图像的低频信息(亮度分量)后求平均,结合场景深度,估计出雾气深度图,获得的大气光值A比暗通道图中的最大值作为大气光值A具有更强的鲁棒性;其次,经过中值滤波,去噪的同时也维持了图像的边缘,取得较为理想的透射率;最后,通过大气散射模型反演逆过程,获得无雾图像。分析表明:所设计算法的时间复杂度较低、速度快,具有较高的鲁棒性,大大提高了图像的对比度,并取得了较好的清晰化效果。