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.     

基于NSCT的低能见度图像边缘检测算法

针对PM2.5雾霾图像能见度低、边缘检测困难的问题,提出了一种采用非下采样轮廓波变换（NSCT）的边缘检测方法。首先对PM2.5雾霾图像进行NSCT分解,然后寻找由同一粗尺度系数分解而来的两个细尺度相邻子带系数,对其求差值,再通过差值图的模极大点来确定边缘点,最后通过NSCT域尺度内和尺度间的融合得到完整边缘图像。实验表明,对雾霾图像,该边缘检测方法所获取的边缘完整、定位准确并且噪声点少。     

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.     

基于改进暗通道算法的雾天车辆偏离预警研究

针对在雾天工况下仅凭常规车道线识别方法无法准确提取车道线这一现状,给出了一种基于改进暗通道算法的雾天车道线识别算法.首先利用基于双边滤波器的暗通道算法对雾天工况下的图片进行去雾并对去雾图像进行亮度修正;然后利用Sobel算子和大津法得到包含清晰道路边缘的二值化图像;最后利用Hough变换对车道线精确提取.实验表明:该算法能够在雾天工况下对车道线进行准确、快速地识别;与常规算法相比,该算法具有更高的准确性和实时性,对于提高雾天车辆主动安全性具有较大意义.     

基于暗通道先验的实时低能见度辅助驾驶系统

提出了一种基于暗通道先验的实时低能见度辅助驾驶系统。该系统在车载摄像机上运行,驾驶人员可以实时获取能见度信息。首先,通过暗通道先验获得大气透射率分布图,并根据该分布图判断是否处于低能见度天气状况;然后,利用区域增长算法确定大气透射率分布图中的测量带宽,并根据其中透射率的梯度变化来确定能见度测量线;最后,提出了一种基于高速公路车道线的摄像机实时自动标定方法,根据标定结果及能见度检测基本原理检测出实时的能见度信息并发送给驾驶员。实验结果表明,本文提出的低能见度辅助驾驶系统能有效地估计低能见度天气下高速公路的实时能见度。     

基于边缘检测暗通道先验的全变差图像去雾算法

为了恢复有雾图像中更多如边缘、结构等有价值的图像细节信息,文中引入带边缘检测的暗通道先验来估计初始场景深度,提出基于边缘增强的全变差图像去雾模型,证明该模型极小化问题解的存在性和唯一性。进一步,结合原始-对偶方法,设计该模型的快速数值求解算法,并给出了该算法的收敛性结果。最后,数值实验结果验证所提算法的可行性与有效性。     

暗通道先验图像去雾算法

在雾、雨等恶劣天气条件下,获取的监控视频图像对比度信息丢失,色彩变淡,场景中信息受损,导致视频无法提供准确的监控信息,给安防工作带来隐患.基于暗通道先验去雾算法,通过优化透射率的计算,提高了算法效率,并将算法移植到DSP平台,满足监控视频图像实时去雾的应用要求.     

基于暗通道先验的快速图像去雾算法

探讨了暗通道先验去雾算法的原理,针对暗通道先验去雾算法时间复杂度太大的缺点,提出用快速有效的巴特沃兹低通滤波器代替复杂的软抠图方法实现对透射率的平滑与细化;针对暗原色图像在景深交界处存在白边现象采用求区域最大值法加以修正;并给出了自适应的求解全局大气光算法.实验结果表明,改进的暗通道去雾算法在获得满意的图像去雾效果的同时能大大提高图像去雾算法的速度,能满足工程上的实时应用要求.     

基于改进暗通道先验的图像去雾算法

针对暗通道先验去雾算法在含有浓雾、亮白、非均匀光照区域造成的图像失真的问题,提出了一种改进的自适应局部阈值分割和自适应参数优化相结合的去雾算法。首先根据暗通道先验理论运用局部阈值分割出亮白区域和非亮白区域,然后采用引导滤波将求取的原始透射率进行细化,并通过亮白区域与非亮白区域加权求取更加精准的大气光强,提高了大气光强的鲁棒性,使得该算法适用于暗通道去雾效果不好的浓雾高亮区域和非均匀光照区域。最后,通过雾天图像降质模型恢复出无雾图片,将该算法与几种常用的去雾算法进行比较。结果表明,该算法在绝大多数情况下恢复的图片清晰自然,解决了图像去雾后视觉效果不好的问题,同时也有效改善了亮白区域色彩失真的现象。     

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...     

改进暗通道的大坝图像去雾算法

大坝图像在多雾天气下存在图像对比度低、光照不均匀、表面噪声污染严重、难于识别等问题。而现有的大坝图像去雾算法,时间开销巨大。针对现有大坝图像去雾算法存在的问题,提出了基于暗通道的图像去雾的改进算法。算法首先快速获取图像的透射率及大气光值,然后利用图像的边沿信息以及图像的空间信息对透射率进行优化,最终得到去雾图像。实验结果表明改进的暗通道去雾算法可以有效地去雾,在均方误差以及峰值信噪比相差不大的情况下,时间消耗上与常用的暗通道去雾算法Retinex算法相比有了明显减少。     

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.     

基于天空区域分割和多尺度融合的单幅雾天图像复原算法

传统的暗原色理论相关算法在处理带有天空区域的雾天图像时易出现亮度损失和光晕现象。针对这一问题,该文提出一种基于空区域分割和多尺度融合的单幅雾天图像复原算法。该方法首先对图像进行缩放,根据雾天图像的特性分割天空区域,获取全局大气背景光;根据散射模型获取初步的透射率图像,运用L0梯度最小化方法获取优化的透射率图像;最后运用多尺度融合的方法对不同曝光度的图像进行融合,获取最终的去雾图像。主观观察和客观评价表明,在整体和细节方面,该算法比现有暗原色算法及其改进算法处理效果更好。     

基于暗通道的沙尘图像增强算法

针对沙尘图像存在色差以及图像增强后沙尘图像在明亮区域易出现光晕等问题,提出一种新的基于暗通道的沙尘图像增强算法.首先通过在L ab色彩空间用灰度世界算法调整色差,有效避免图像出现色彩失真现象;然后利用伽马校正函数和暗通道去雾算法,避免图像出现噪声、色彩过度增强和光晕等现象;最后将亮度补偿后的图像与对比度增强后的图像进行...     

基于图像自适应增强的轻量级雾天车牌检测和识别算法

针对雾天图像降质带来的车牌识别难题,提出一种采用图像自适应增强的轻量级车牌检测和识别算法。以目标检测网络YOLOv5s和车牌识别网络LPRNet为基础,设计一个改进的图像自适应增强模块级联于YOLOv5s之前,并引入混合注意力(SA)机制改进LPRNet。图像自适应增强模块由带参数的图像去雾和纹理增强模块以及自适应参数预测模块组成。自适应参数预测模块是轻量级卷积神经网络,与YOLOv5s联合训练,为不同程度的带雾图像自动提供合适的去雾和纹理增强参数以获得更准确的车牌检测结果。利用车牌位置的真实标签和实际检测结果,采用混合注意力机制和迁移学习策略得到最终的SA-LPRNet模型,缓解识别模型对检测结果的敏感性以获得更高的车牌识别准确率。在合成的雾天车牌数据集上的实验结果表明：本文算法对雾天车牌检测的mAP@0.5-0.95指标达到70.6%,车牌识别准确率达到93.5%,优于对比算法,且识别速度满足实时性要求。     

基于暗通道边缘细化的图像快速去雾算法研究

指出了在雾霾天气下,镜头获得的户外图像必然会出现降质和退化等问题,暗通道先验算法能够很好地解决有雾图像复原的问题,但是其时效性较低.针对这些问题,提出了一种对暗通道图进行边缘细化修正的改进图像快速去雾算法.该算法对暗通道边缘进行细化,并对透射率进行适度修正,以加快透射率的细化过程并提高图像复原的性能.实验结果表明:所提算法在图像复原质量和速度上都有了较大的提升,具有一定的实用价值.     

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。     

基于暗原色融合和维纳滤波的单幅图像去雾

针对在雾霾等恶劣天气下捕获的户外场景图像对比度降低、颜色失真等问题,对基于暗原色先验的去雾方法进行改进,应用小波变换将块暗原色和点暗原色进行融合后,得到新的透射率估计,并利用自适应维纳滤波细化透射率.同时提出了四分加权法重新估计大气光,使得大气光更具鲁棒性.实验结果表明,本文方法不仅能有效恢复清晰的无雾图像,而且能够大幅提升运行速度,便于实时应用.