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.     

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.     

基于暗通道先验与 YOLO 的水下河蟹识别研究

为解决全自动均匀投饵作业船在河蟹养殖过程中投饵不精准问题,引入水下摄像设备采集图像,但采集的图像存在对比度低、模糊和图像退化等问题。为此,采用暗通道先验提高图像对比度。利用 YOLO 卷积神经网络技术快速准确地识别出低照度环境下的河蟹,识别准确率达到 98%,平均耗时 50ms。获得河蟹生长、分布信息后测算出河蟹养殖密度,为全自动均匀投饵作业船精准投饲提供数据支持     

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。     

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。     

基于直方图的暗背景图像自适应增强

图像增像是图像处理的一个重要步骤之一,而直方图均衡化是经典图像信息增强算法之一,但它并不是对于所有图像均适用.本文提出了一种暗背景图像自适应增强的算法,根据直方图对图像进行分类,对属于暗背景的图像采用S形非线性函数进行增强.     

联合编码图像传输码率分配研究

嵌入式压缩编码算法因易受误码扩散影响而无法用于图像的可靠传输,信源信道联合编码已被证明是解决此问题的有效方法.针对联合编码中的关键问题—码率分配,提出了一种基于信源码率最优的快速算法,首先求解对应的等差错保护(EEP)问题,并用该解初始化不等差错保护(UEP)问题,然后采用前后向码率搜索得到最佳码率分配.该方案计算复杂度低,重建图像质量高.仿真结果表明,接收端重建图像的PSNR值始终在34 dB以上,同时波动范围小于5dB.     

基于马尔可夫随机场的图像分割方法研究

在计算机视觉和图像处理等相关领域的Markov(Markov Random Field,即马尔可夫随机场)引入概率这个概念后可以很好地描述图像中各像素间由于处于不同位置而形成的一些特性.主要研究了基于MRF的一种模型——条件随机场CRFs(Conditional Random Fields)模型及其在图像分割中的应用.     

梯形渠道正常水深计算的迭代法

本文根据梯形渠道明渠均匀流计算理论，分析了求解渠道正常水深的迭代法的基本原理及方法，给出了梯形渠道正常水深迭代法求解直接计算公式。此迭代法求解公式不仅收敛快，计算精度高，应用方便，而且可供计算机程序求解。