基于暗通道先验的图像去雾算法改进研究

目前,基于暗通道先验原理的图像去雾能够取得较好效果,但仍存在图像景物交界处产生光晕、天空及白色物体区域去雾后色彩失真等问题。鉴于此,提出改进的基于暗通道先验去雾算法：首先,对暗通道图进行非重叠式滤波,消除最小值滤波导致图像交界边缘产生的光晕;然后,对输入雾霾图像进行直方图分析,能够自适应获得分割天空区域的亮度阈值;再对透射率图天空区域进行像素变换,去雾后可消除颜色失真;最后,采用非线性亮度提高的方法提升去雾图像的视觉效果。结果表明,改进算法去雾后的图像真实、天空自然。     

基于暗通道先验的图像去雾算法改进研究

暗通道先验去雾算法求得的的透射率比较精细,去雾效果优于大多数去雾算法。然而在暗通道求取过程中,最小值滤波的处理会使得暗色向外扩张,导致透射率扩张变大,使得去雾后的图像在边缘部分产生“光晕”现象。为了减弱光晕效应,利用形态学理论对粗略透射率进行腐蚀处理,腐蚀掉扩张变大的透射率,然后使用容差机制修复不符合暗原色先验的明亮区域透射率,再使用引导滤波精细化透射率,最后利用去雾模型复原图像。实验表明,改进后的算法去雾效果更佳、去雾速度更快,具有更强的鲁棒性。     

基于暗通道先验的Retinex去雾算法研究

针对雾霾天气下有雾图像能见度水平低、在低光照条件下无法有效获得图像细节信息等问题,提出一种基于暗通道先验的Retinex去雾算法.首先采用改进的暗通道先验算法对有雾图像进行初步处理,得到初步复原图像;其次,在得到的去雾图像上进行Retinex图像增强,利用引导滤波对照度分量进行平滑处理,求出反射分量;之后利用S型曲线对...     

基于天空区域改进的暗通道先验算法研究

针对天空区域不满足暗通道先验理论从而导致求解的透射率不够准确、去雾后颜色失真的问题,提出一种基于天空区域改进的暗通道先验算法。首先利用像素的分布规律排除白色物体的干扰,解出准确的大气光,再利用暗通道先验理论估计出图像的透射率,然后利用图像的原始信息对透射率进行修正、优化,得到较为准确的透射率图,最后求解得到清晰图像。通过样本实验,说明该算法在细节强度、图像平均梯度和峰值信噪比方面有较好的效果,能作为图像去雾的一种有效辅助手段。     

基于一种图像去雾改进算法的客观评价与识别

为了客观地评价图像去雾算法,基于虚拟现实技术构建图像训练库,验证了去雾图像的客观评价体系。基于大气散射物理模型提出一种改进的去雾算法,重新定义了雾霾图像的暗区域和天空区域的透射率;为避免传统去雾算法对图像天空亮度的误估计,基于图分割得到的候选天空区域重新定义大气光值。基于客观评价体系,对去雾图像进行主观与客观评价;通过算法得到的去雾图像细节保持度高,颜色饱和度适宜,与原清晰图像接近,获得了最好的结果。采用SOFM神经网络识别去雾图像,获得98%以上的识别率,为构建去雾图像的质量评价体系奠定了基础。     

基于暗原色先验与WLS的图像去雾算法

雾霾天气条件下图像采集因降质严重,导致后期图像处理复杂性提高。为此,提出一种采用暗原色先验理论与WLS滤波相结合去雾的改进算法。采用WLS滤波代替传统的软抠图法以修复大气透射率,针对去雾后图像较实际暗沉的问题,提出一种新的自适应图像增强方法,通过对去雾后的图像自适应非线性叠加,实现了图像增强的效果。实验结果表明,相比于其它传统算法,该算法能够在保持图像边缘细节的同时,提高图像的色彩质量,有效消除白色晕块,且计算复杂度低,图像还原逼真。     

雾霾天气下运动目标检测技术研究

雾霾天气的频繁出现使运动目标检测受到了很大影响。为提高雾霾天气下运动目标检测质量,研究了当前去雾算法和运动目标检测算法。针对雾霾天气下可见度低、运动物体模糊的情况,比较了当前的去雾算法,使用性能优良的基于暗通道的去雾算法对图像进行去雾,然后对处理过的图像序列进行光流法计算,完成运动目标检测。将基于暗通道的去雾算法和光流算法相结合,应用于雾霾天气下的运动目标检测,以提高检测质量。通过Matlab仿真表明,改进方法比直接通过光流算法检测的效果更好。     

基于近似点扩展函数估计的交通监控图像去雾

针对雾气分布不均匀的交通监控图像去雾,提出了一种基于近似点扩展函数估计-APEX的去雾算法。算法采用APEX的基本原理,利用暗原色先验求出的有雾图像透射图对APEX参数进行估计,且估计值按整幅图像的雾气浓度分布自适应调整,再计算出点扩展函数并逆运算得出复原的清晰图像。实验结果证明,该算法实时性高且去雾效果好,特别是对雾气分布不均匀的交通图像也有去雾效果,能满足智能交通监控系统的需求。     

基于暗通道先验的图像去雾改进

雾天环境一般会导致相机拍摄的图像对比度下降、色彩失真。传统暗通道先验去雾算法虽然可以估算雾天透射率并获得较好的去雾效果,但仍然存在算法复杂度高、容易出现块效应,以及明亮区域色彩偏离问题。针对上述问题提出一种改进的去雾算法,该算法通过引入容差机制校正明亮区域的透射率,然后利用引导滤波进一步细化透射率。实验结果表明,使用改进后的算法可有效改善色彩偏离问题,提高运算速度。     

太阳耀斑图像去云方法比较研究

由于太阳耀斑图像中地球云雾对斑迹有所干扰,故需要对太阳耀斑图像进行去云处理。针对多尺度Retinex理论与暗通道优先算法两种去云方法进行比较研究,详细介绍了两种方法的数学模型与具体算法,分别运用两种方法对太阳耀斑图像进行去云处理,并进行MATLAB仿真,根据仿真结果对两者去云效果进行评估与对比。通过图像与客观误差参数比较两种去云方法,发现暗通道优先算法在影像平均灰度、细节信息显示、图片信息量与相对清晰程度等方面均优于多尺度Retinex去云方法,其中图片清晰度提升了约16%,标准差与信息量均提升了约8%,平均灰度降低了约27%。     

基于图像去雾和图像检测的交通信息提取算法

基于图像拍摄成像过程中雾霾天气及相机抖动,提出了一种从单幅图像中移除未知相机抖动的算法,利用图像的形状特征、颜色特征、纹理特征及Hough变换,可以有效地识别交通信号灯、障碍物及道路。利用先近后远,先简单后复杂的原则,设计了一种基于图像去雾和图像检测的交通信息提取算法。算法首先进行图像预处理,然后对图像进行边缘检测,获得每个物体的多边形轮廓;然后根据物体特征分别利用不同算法对物体进行分类。实验结果表明,算法可以有效地对实时环境中包括道路、车、行人、盲道、斑马线、交通灯类型等物体识别,图像检测算法可以满足导盲的要求。     

自适应Contourlet变换的多传感器图像融合

Contourlet变换克服了小波变换在处理高维信号时的不足,相对于小波变换具有较好的方向性、较高的逼近精度和较好的稀疏表达性能.因此将Contourlet变换用于图像融合,能更好的提取图像边缘特征,为融合提取更多的特征信息.利用Contourlett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种自适应Contourlet变换的多传感图像融合新算法.算法是将全色图像和多光谱图像进行Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像.将其他的融合算法和本文所提算法进行了主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法.     

基于图像边缘检测的小波阈值去噪方法

提出一种基于图像边缘检测的小波闽值去噪新方法.该方法利用Canny算子检测出图像的边缘,进而定义了一种新的阈值函数,然后对含噪图像、边缘图像的小波变换系数采用新阈值函数分别进行阈值处理,将处理后的边缘图像与图像的小波系数进行融合,得到去噪后的图像.实验结果表明,采用该方法处理的去噪图像,能够在去噪的同时有效地保持图像的边缘信息.     

针对景深突变区域的暗原色先验图像去雾

针对暗原色先验图像去雾算法对景深突变区域存在Halo效应的问题,提出了一种改进算法.对原算法中暗原色最小值滤波器的滤波区域进行景深约束,以像素的饱和度与亮度信息构建景深差距测度.选择与待处理点景深一致的像素进入滤波区域参入滤波处理,克服了块状现象,获得了精细的暗原色和透射率.与常用的暗原色先验去雾算法进行对比实验.结果表明:该算法可有效消除景深突变区域的Halo效应现象,去雾图像的有效细节强度和色调还原度二个客观评价指标及主观视觉效果及都优于对比算法.     

结合形态非抽样小波和引导滤波的图像融合研究

提出一种新的图像融合方法,该方法将形态非抽样小波和引导滤波结合,实现一种快速有效并且对图像边缘保持明显的融合过程。该方法首先对源图像进行形态非抽样小波分解得到基础层图像,源图像减基础层图像得到细节图像。接着对细节图像进行显著比较得到权重图,然后对权重图进行引导滤波,源图像作为引导图得到优化后的权值图,最后将优化后的权值图分别与基础层图像和细节图像加权平均再相加得到最终的融合图像。相对于现有的图像融合算法,该方法能有效的保留源图像的边缘部分,有助于显著目标的识别。通过实验证明了该算法能得到具有高对比度的融合图像,融合效果良好,在实时图像融合中具有较高的应用价值。     

基于粒子群优化的图像边缘融合算法

目前,图像融合算法大多利用源图像信息进行融合,融合模型的建立和融合参数的配置主要依赖于经验,存在随意性。提出了一种基于粒子群优化的图像边缘融合算法：首先对源图像进行多尺度边缘检测;然后利用边缘相关性作为目标函数,采用粒子群算法优化搜索融合参数;最后利用融合后的多尺度边缘重构出融合图像。该算法克服了融合模型对经验的依赖性,使得源图像边缘信息最大量地保留在融合图像中。仿真结果表明,使用该算法得到的融合图像能够有效包含源图像信息。     

基于多尺度细节优化的MSRCR图像去雾算法

针对Retinex去雾后图片模糊、细节不明显现象,该文提出基于多尺度细节优化的MSRCR图像去雾算法。该算法首先采用MSRCR对图片进行整体去雾操作,在MSRCR算法处理图像像素分类过程中,为降低像素分类时间,该文采用K近邻算法(K nearest neighbor,KNN)对图片像素进行快速分类;然后采用双边滤波算法对处理后的图片中的噪声和边缘损失进行处理;最后采用MsDB算法对图片细节进行优化。实验结果表明,该文算法相较传统算法而言,在合成雾天图像处理后图片的峰值信噪比(peaksignaltonoise ratio,PSNR)和结构相似性(structural similarity,SSIM)平均分别提升22.03%和21.58%;较自然雾天处理后图片的平均梯度、信息熵、Vollaths值平均分别提升127.62%、6.96%、227.61%。     

小波变换在图像边缘检测中的应用

提出将小波变换应用于图像边缘检测的具体算法原理,将其应用于图像边缘检测具有定位精度高、去噪效果好的优点,仿真结果表明了此方法的正确性和有效性。     

基于小波变换的多聚焦图像融合

本文提出了一种新的基于小波变换的融合算法。此算法简单易行,既保留了图像的边缘特性和多聚焦图像的对比度特性,又有效地对两幅多聚焦的图像进行了融合。通过实验及结果分析,对这些方法保留图像的边缘特征和对比度特性进行了对比,得出了有益的结果。     

基于暗原色先验的图像去雾算法研究

受雾气环境影响,图像往往出现退化现象。在基于暗原色先验原理的去雾算法中,大气光值的估计对去雾效果有着直接影响。首先判断图像中是否包含天空区域,对含有天空的图像以像素点位置信息与其对应的亮度分量作为估计条件,求取大气光值。实验结果表明,该方法针对不同场景进行去雾时,有较强的鲁棒性,能够获取更加准确的大气光值,从而有利于增强复原图像整体视觉效果。