基于多特征融合的单幅水下图像清晰化

水体对光有较强的吸收和散射作用,从而造成水下图像颜色失真、对比度下降和细节模糊等问题.针对上述问题,基于图像融合框架提出一种水下图像清晰化方案.首先,结合水下成像模型,提出了基于景深估计的颜色校正方法,其可以有效去除水下图像的蓝(绿)色基调,同时有效解决红通道过补偿问题.然后,对水下图像进行颜色校正和对比度增强得到两幅输入图像;最后,结合亮度、对比度、饱和度、显著性等特征构造权重图将两输入图进行多尺度融合,得到最后的复原图像.实验结果表明,该算法可以有效地去除水下图像颜色失真,同时能够大幅提升图像的对比度和清晰度.     

基于双目视觉算法的图像清晰化算法研究

当天气出现轻度雾霾时,户外光线受到反射遮挡等物理作用的影响,使得图像的能见度降低,图像出现过多冗余噪声,降低图像清晰度.本文采用三维重建技术中的双目视觉系统技术,采集关于同一景物的两幅图像,通过自适应的立体匹配方法得到初步粗糙的视差图像,然后依据Retinex原理对粗糙视差图像进行滤波的平滑处理,将实验结果叠加于双目视觉系统得到的左侧图上,即得到最终地清晰图像.仿真实验论证证明,双目视觉系统是一种有效的图像信息采集方式,其运用于图像清晰化领域确实可行,有效降低了低频有用信息的损耗,提高了图像清晰度.     

基于模糊对比度的雾天图像清晰化算法

针对雾天模糊图像对比度低的特点和数学形态学增强后的远景效果不佳的缺点,提出了基于模糊对比度和数学形态学相结合的雾天图像清晰化算法.该算法采用数学形态学中的高低帽变换对模糊图像进行预增强处理,将处理后的图像从空域映射到模糊特征平面,然后利用新定义的模糊域隶属度函数进行模糊对比度增强变换.实验结果表明,采用本算法处理后远近景对比度明显提高,视觉效果也明显改善,图像变得更加清晰.     

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.     

基于改进暗通道先验的沙尘图像清晰化算法

针对户外成像设备获取的沙尘图像存在色调偏黄、色彩不丰富及清晰度较低等问题,提出一种基于改进暗通道先验的沙尘图像清晰化算法.对图像偏色的问题,首先对高斯模型进行改进,采取自适应归一化方法调整图像暗部像素,并加权融合基于灰度世界的颜色校正方法,从而去除色偏影响;然后利用带色彩恢复的多尺度视网膜增强算法进行色彩恢复;对处理后存在的薄雾影响,基于暗通道先验方法重新选取大气光值,并对暗部像素进行亮度补偿;最后针对图像饱和度不足和对比度低的问题,将图像映射到HSI空间,分别利用自适应调整函数和改进双伽马校正算法进行提升.实验结果表明,该方法不仅能有效校正色偏,更好提升图像对比度及清晰度,且对图像色彩丰富度提升效果明显,可提高户外成像设备的图像质量.     

基于改进Retinex算法的含雾图像清晰化处理技术

雾天条件下获取的图像由于空气中颗粒的影响导致其图像对比度低、内容模糊不清,同时有整体偏向灰白色的趋势。含雾图像清晰化就是为了能够提高图像的对比度,恢复它的真实色彩。该文在深入分析单尺度Retinex算法和多尺度Retinex算法的同时,提出了基于直方图均衡化调整的改进Retinex算法实现含雾图像的清晰化算法,并通过对同一含雾图像基于不同算法进行试验,验证了该文所改进算法的有效性。     

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.     

基于图像熵线性加权的水下图像增强算法

目的 针对工业环境下水下图像受到水中悬浮物影响,从而导致图像的清晰度过低以及对比度过高等问题, 提出一种基于图像熵线性加权的水下图像增强算法。 方法 该算法基于图像熵理论对白平衡算法、直方图均衡算法 和暗通道先验算法进行线性加权,继而通过实验环境确定调节系数输出高质量图像。 在深度为 1 m、1. 5 m 和 2 m 的不同水下环境拍摄图像,对获得的水下图像使用上述三种算法和该算法作对比处理,处理结果通过 PSNR 和 UIQM 作为评价指标进行评判。 结果 实验结果表明:使用 PSNR 指标评判该算法,相较于其他三种算法,水深 1 m 的水下图像质量提高了 22. 81%,水深 1. 5 m 的水下图像质量提高了 46. 67%,水深 2 m 的水下图像质量提高了 38. 94%,图像质量综合平均提高了 36. 14%;使用 UIQM 指标评判该算法,相较于其他三种算法,水深 1 m 的图像质 量提高了 1. 02%,水深 1. 5 m 的水下图像质量提高了 0. 73%,水深 2 m 的水下图像质量提高了 1. 82%,图像质量综 合平均提高了 1. 19%。 结论 由此可以证明该算法相对于其他传统算法对图像清晰度有着显著提升,并且能够适应 不同深度的水下环境,为工业环境下水下图像增强提供了一种新的解决思路。     

基于Matlab大雾天气下图像清晰化研究

本文主要针对雾天情况下获取的降质灰度图像进行研究,通过MATLAB对数字图像进行处理,建立衰减模型,运用维纳滤波、逆滤波这两种方法来实现灰度图像的清晰化处理。并对这两种方法得到的结果进行了比较分析。同时,在维纳滤波的基础上,本文还增加了中值滤波、平滑滤波两种滤波增强方式对恢复图像进行再处理,实验结果表明,维纳滤波的效果要比逆滤波好得多,而增加了中值滤波和平滑滤波的维纳滤波实现了平滑去噪,恢复图像更接近原图。     

基于引导滤波的红外图像预处理算法

针对红外图像固有噪声和灰度分布非均匀性影响图像质量的问题,提出一种基于引导滤波的红外图像预处理方法。根据引导图的局部信息,在红外图像的不同位置动态生成滤波核函数,从而可以在平滑场景的同时保持甚至增强边缘细节。实验表明,本文方法可以有效滤除噪声,保持场景强边缘,改善灰度分布非均匀性;且由于引导滤波算法复杂度与滤波半径无关,处理速度快。此外,应用实验表明该方法可以提高融合图像视觉效果,增强目标跟踪的定位精度,在图像增强中能够有效避免伪边缘的产生。     

基于引导图像的边缘噪声滤波算法

由于通常的邻域运算会改变图像边缘点的灰度值,使图像的边缘变得模糊,为了改善这一现象,提出了一种基于引导图像的边缘噪声滤波算法。该算法由局部线性模型推导而来,将原始图像或其他变换形式定义为引导图像。通过对引导图像进行分析,并调节正则化参数,利用引导图像掩模对图像的边缘进行平滑处理,有效地去除了噪声。通过与其他四种常用的滤波算法进行对比实验,表明该算法的均方误差MSE仅为0.0015,峰值信噪比PSNR为28.26,远远优于其他四种常见滤波算法,不仅对图像进行了平滑去噪,在很大程度上还保护了图像的边缘信息。     

一种改进的雾天降质图像的清晰化算法

为了提高有雾天气下户外监控系统的能见度,提出一种改进的雾天降质图像清晰化算法.该算法从图像增强的角度入手,利用移动模板对各局部区域进行部分块重叠直方图均衡化以实现清晰化处理,克服了原算法运行时间过长的缺陷.实验表明,改进算法能够有效提高雾天降质图像的对比度,获得满意的视觉效果.     

基于波粒去噪的图像清晰化方法

为了应对雾天图像对比度低、能见度低的缺点,提出一种基于波粒重构的雾天图像清晰化方法。采用波粒重构对均衡化后雾天图像进行处理,选取合适的阈值对图像的细节系数增强,经直方图匹配修正得到增强后的雾天图像。实验结果表明:该方法对雾气图片处理后,图像的细节和层次感得到了提高,视觉效果明显改善,是一种有效的雾天图像清晰化方法。     

基于R滤波器的超分辨图像配准算法

图像配准是超分辨率图像重建的关键.提出了一种基于R滤波器的超分辨率图像重建的三步算法.第一步:对原图进行加窗模糊;第二步:根据全局运动模型配准,计算平移参数和旋转角度,对图像进行平移和旋转;第三步:把序列低分辨率图像配准到同一个坐标系中,重构高分辨率图像.实验表明,三步算法的配准精度和超分辨率图像重建效果较好.     

基于方向可调滤波器的含噪图像融合算法

提出了一种基于方向可调滤波器的图像消噪及融合算法,即使用方向可调滤波器及其Hilbert变换组成的正交滤波器组,分析两幅已配准源图的主要方向及局部方向能量,根据噪声点所具有的奇异性、无方向性,从而检测出图像噪声点,并运用局部中值滤波方法消噪;对于源图中的特征,采用局部方向能量作为权重进行加权融合。该方法提高信噪比约50％－80％,并能很好地保留和显著增强源图中的有用特征。     

单幅水下图像的能见度复原算法

在水下环境中,由于光线的吸收和散射效应使得获取图像的清晰度严重降低.为恢复水下图像原始的清晰度,分析了能见度降低的物理成因,提出了一种逆图像形成过程算法.将单幅水下图像的能见度复原看成是一种特殊的滤波问题,使用中值滤波来推导水遮盖物浓度图.该算法可以消除浑浊水对图像质量的影响,能够恢复图像原始的清晰度.主要优点是它的速度快,其计算复杂度与图像像素数目成线性关系,能适用于实时处理.     

同态滤波器在水下图像对比度增强中的应用

由于受水下照明条件的限制，水下图像一般都有比较严重的由光照不均匀引起的图像降质，同态滤波可以有效地减少亮度不均匀，并对感兴趣的景物进行有效增强。首先使用基于照明反射模型的同态滤波方法，在简要介绍模型的原理、实现过程和特点的基础上，给出了适用的滤波模型和表达式，引入基于小波变换的同态滤波方法，采用高通滤波对小波变换域系数进行处理，在保持图像总体原貌的基础上对图像局部对比度增强效果显著。     

雾天图像清晰化方法及应用

针对雾天户外图像的退化现象,提出了一种基于大气模型的完全自适应的图像清晰化方法.该方法根据图像的灰度分布特性,求出天空区域灰度的最佳近似正态分布,再由这个近似正态分布得到天空区域的灰度均值,同时根据灰度直方图分割出各个景物的深度区域,然后利用大气模型列方程组,可得归一化辐射率的值,从而能够实现雾天图像清晰化.实验表明,该方法对雾天退化图像的清晰化效果较好.     

雾天图像清晰化方法及应用

针对雾天户外图像的退化现象,提出了一种基于大气模型的完全自适应的图像清晰化方法。该方法根据图像的灰度分布特性,求出天空区域灰度的最佳近似正态分布,再由这个近似正态分布得到天空区域的灰度均值,同时根据灰度直方图分割出各个景物的深度区域,然后利用大气模型列方程组,可得归一化辐射率的值,从而能够实现雾天图像清晰化。实验表明,该方法对雾天退化图像的清晰化效果较好。     

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。