结合暗通道先验的单幅图像快速去雾算法

基于暗通道先验的单幅图像去雾算法对天空区域的恢复效果不佳,且运行效率较低.为此,文中提出了一种快速、有效的单幅图像去雾算法.该算法首先根据颜色衰减先验建立场景深度模型,并基于场景深度模型估计透射率,再基于局部一致性和暗通道先验得到粗透射率;然后利用图像融合的方法,将基于场景深度模型估计的透射率与粗透射率融合,实现天空区域透射率的修正;最后采用导向滤波细化的透射率复原图像,并对复原图像进行色调调整.实验结果表明,文中算法运行效率高,并且有效地提高了复原图像的清晰度和对比度.     

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.     

基于MRF与纹理特征的图像深度信息估计

提出了一种基于马尔科夫随机场(MRF)模型与多尺度纹理特征的单幅图像深度信息估计方法,该方法采用了Laws滤波器分别对图像的边缘、梯度、点进行滤波,捕捉二维场景图像中不同尺度的纹理能量以获得深度信息的特征.并根据纹理特征在不同尺度范围的不同值,计算出纹理线索与场景深度间的概率关系,在此基础上,构建MRF概率模型.MRF模型通过分析邻域系统和设计迭代准则很好地描述了纹理特征与场景深度之间的关系,最后通过迭代算法获得二维场景图像的深度信息.实验结果表明,该方法对场景深度信息的提取具有较好的效果,对于二维场景图像的场景结构、空间布局的约束较少,算法鲁棒性好.     

融合MCAP和GRTV正则化的无人机航拍建筑物图像去雾方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题，提出了一种改进的图像去雾方法，应用于无人机航拍建筑物图像处理中.针对全局大气光取值易受场景中景物影响的问题，提出一种颜色衰减先验投影最小方差的大气光求解方法，构建明度与饱和度差值图像，求解最小方差出现区域，并确定全局大气光估计.将利用图像场景深度信息求解的区域大气光与全局大气光相融合，获得新的大气光图.采用基于非局部信息的雾霾线先验理论对透射率进行优化，提出了一种基于雾霾线理论和引导相对总变分正则化的算法，通过计算透射率可靠性函数对透射率修正，并消除图像中存在的大量无用纹理信息，提升了透射率估计精度，有效改善了无人机航拍场景中浓雾及景深突变区域的复原图像质量.实验结果表明，所提算法与其他算法相比，获得的复原图像平均梯度、对比度、雾霾感知密度估计及模糊系数等指标分别平均提升了12.2%、7.0%、11.9%和12.5%,运算时长也优于部分算法，航拍图像更加清晰，更符合人眼视觉感受.     

使用图像分割的遮挡恢复立体匹配算法

针对立体匹配在稀疏纹理、重复纹理、深度不连续和遮挡区域存在的问题,提出了一种高效的立体匹配算法.该算法主要由像素匹配代价计算和视差图全局优化2个步骤组成.为了大幅减少当前算法在场景深度不连续处所产生的过渡平滑现象和在稀疏纹理处产生的错误匹配,采用基于图像采样噪声无关的自适应权重加窗匹配算法.为了求解遮挡区域和不连续性区域的像素视差,使用遮挡和平滑惩罚代价来约束整幅视差图,并采用基于图像分割的能量最小化方法求取最优解.实验结果表明,相比于局部和全局算法,该算法可以更快且准确地计算稀疏纹理、不连续性和遮挡区域的像素视差.     

基于微透镜阵列的光场图像深度估计

针对光场相机同时记录光线位置信息和角度信息,提出估计光场图像深度的新方法。根据光场摄像技术的数字重聚焦原理,产生场景不同焦深的图像序列;采用基于目标区域的可变窗口清晰度评价算子对目标在图像序列中的聚焦度进行测量,通过高斯插值获得最清晰的成像位置作为深度求取结果。以基于微透镜阵列的Lytro光场相机为例,实验结果表明,在降低现有算法时间复杂度的基础上,该方法提取的深度图可靠,证明了该方法的可行性与优越性。     

基于区域检测分割的运动模糊图像复原

空间变化的运动模糊图像复原是当今图像处理领域的热点问题之一,而运动模糊区域检测更是其中的重点和难点.针对以往运动模糊区域检测算法的精确度较低的问题,提出基于检测分割的单帧运动模糊图像盲复原算法.结合多尺度感知和闭合型图分割,实现两步模糊区域检测.将检测到的模糊区域外延后进行复原,再将其去除外延部分并与清晰区域拼接,得到最终的复原结果.实验结果表明:本文算法不但显著提高了模糊区域检测精度,也有效提高了图像复原质量.同时,具有一定的普遍性,可以适用于自然场景下的多种空间变化的运动模糊图像.     

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。     

基于深度对抗网络和局部模糊探测的目标运动去模糊

目标运动场景去模糊问题是一个具有挑战性的病态逆问题,这是因为在动态场景中不同目标和背景区域可能会存在不同的模糊核.现有的基于能量优化的去模糊方法是将模糊图像分割成具有不同模糊度的多层图像,然后对不同的模糊层进行去模糊处理,然而其优化方案往往涉及迭代,耗时又烦琐.针对目标区域与背景区域可分离的模糊场景,结合传统的基于能量优化和基于深度学习方法的优点,提出一种基于深度对抗网络和局部模糊探测的目标运动场景去模糊模型,该模型由三个生成网络组成,用以建模潜在清晰图像、模糊核和模糊图像的权重变量.模型采用深度图像先验(Deep Image Prior,DIP)作为潜在清晰图像的正则化项,使用非对称跳跃连接自编码器生成潜在图像;采用全连接网络(Fully-Connected Network,FCN)生成模糊核.为了准确地获取模糊图像的分割结果,提出三条准则来指导权值变量网络结构的设计.实验结果表明,该方法同其他传统方法相比可以显著地提升重构性能,视觉效果更好.     

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.