基于底帽变换与图像融合的图像去雾算法

针对传统暗通道先验算法去雾后存在去雾不彻底、景物边缘出现光晕效应以及处理速度慢等问题,提出一种基于底帽变换与图像融合的图像去雾算法.首先对雾图进行降采样,加快算法处理速度;然后根据底帽变换可以取得较好轮廓图的特点,将最小通道图进行底帽变换并与其灰度反转图进行图像融合,从而优化暗通道图像边缘;将经过双边滤波和开、闭运算后...     

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...     

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.     

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。     

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。     

基于暗原色先验图像去雾中透射率的修正研究

针对暗原色先验模型对于天空明亮区域不适应,透射率估计偏小,出现彩色失真现象,提出一种新的透射率修正方法.根据亮度大小,将图像的天空区与非天空区分割,求出天空区透射率上限阈值作为起始修正值,并给出了一个简单的透射率修正函数式.方法算法简单,计算量小.实验结果表明,在去雾效果和改善天空明亮区域彩色失真方面优于目前流行算法.     

基于暗原色先验改进的偏振图像复原方法研究

利用光的偏振特性去除雾天图像雾霾是图像复原的一种重要方法 .本文在传统偏振图像复原原理的基础上,提出一种基于暗原色原理改进的偏振图像复原方法 .该方法根据雾天图像直方图呈近似正态分布,采用相应算法分离图像天空区域,估算大气光数值;通过改进的偏振图像暗原色先验方法,估算并优化透射率,并使用直方图均衡化方法调整算法参数,获取最优偏振图像透射率,最终根据去雾方程获取偏振图像复原结果 .实验测试结果及主客观评价表明,本文方法能够有效复原雾天图像信息,去雾效果较好.     

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。     

基于先验知识和滤波器的图像去雾霾算法设计与实现

针对雾霾天气,由于大气中微小粒子产生的散射作用导致采集的图片质量严重下降的问题,设计并实现了一种基于先验知识和滤波器的图像去雾方法。根据大气光照模型和暗通道先验知识模型,建立雾霾图像的恢复模型。为了克服理想模型要求没有任何雾霾的苛刻条件,添加了薄雾控制因子,并采用导向滤波气平滑透射率。实验结果表明,该算法具有良好的有效性。     

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Retinex的彩色图像去雾霾算法研究

针对雾霾较为严重的情况下室外采集装置采集的图像模糊,细节丢失等失真现象。采用Retinex算法进行雾霾图像的去雾处理,分析常用的单尺度和多尺度Retinex算法,并进行改进。将输入的RGB彩色图像转换成HSI彩色图像,提取亮度Ⅰ分量,用改进的MSR算法对Ⅰ分量进行图像增强,再转换回RGB空间进行合成。图像处理结果表明改进后算法的图像突出了图中隐藏的细节,提高了图像对比度,达到了较好的视觉效果。     

多方向双边滤波单尺度Retinex图像增强研究

传统的单尺度Retinex(SSR)图像增强算法无法准确估计明暗突变剧烈区域的背景光照,增强图像易产生光晕现象且图像细节信息减弱。针对这种情况,提出一种基于多方向的双边滤波单尺度Retinex图像增强算法,利用不同方向的双边滤波器平滑输入图像,获得不同的光照图,通过融合得到光照估计,在Retinex增强时保留一定程度的光照使图像增强更加自然。实验结果表明,该方法能有效克服光照不均且可消除光晕现象,增强图像细节,其增强效果优于传统的SSR。     

基于通道先验损失的无监督图像去雾算法

图像去雾是图像处理的一个关键步骤.基于学习的方法由于在收集清晰和模糊图像的固有限制,通常依赖于合成数据进行训练,且由室内图像和相应的深度信息构成.在处理室外场景时,可能会存在域偏移问题.提出了一种完全无监督的训练方法,通过最小化暗通道先验能量函数来进行图像去雾.此外,只使用真实世界的室外图像进行训练,并通过直接最小化该能量函数来优化网络参数.实验结果表明该方法的性能与大规模监督方法相当,可见通过网络和学习过程,可以获得额外的正则化.     

一种改进的实时视频去雾算法

雾、霾天气下,成像传感器采集到的图像质量严重下降,大量图像去雾算法应运而生,但是其处理速度慢、细节模糊、色彩失真、特别是在实时视频中的应用受限。为此,在实时视频去雾技术大气透射模型的基础上融合图像增强与图像复原技术的优势,采用两级下采样技术,提出一种改进的实时视频去雾算法。实验结果表明,改进的实时视频去雾算法有效增强了图像的清晰度,提高了处理速度。     

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MATLAB的去雾图像质量评价系统

雾霾天气对成像系统产生了很大的影响,在图像处理的发展中,优秀的去雾算法不断被提出,对算法效果的评价也在不断深化。针对图像质量评价算法繁多,在去雾效果评价上针对性偏弱等问题,设计了一种基于MATLAB可视化编程环境下的去雾图像质量评价系统,结合传统的去雾算法和基于深度学习的图像去雾技术,对选择进行实验测试的图像进行了不同技术下的去雾处理,并选取了部分图像质量评价的指标,对去雾算法的性能进行了比对。