雾天室外场景光照参数估计

在雾天情况下,雾对光线的散射使得室外场景的光照发生很大变化,太阳光和天空光的参数估计变得更为复杂.结合雾天情况下的大气散射模型,提出了室外场景的雾天基图像模型,并基于该模型提出了雾天室外场景图像光照参数估计算法.在已知场景基图像的条件下,利用迭代散射系数方法,优化求解雾浓度与场景深度图像,然后通过对去雾图像进行分解,获得最佳的去雾图像以及正确的光照分解系数.算法能够得到较为精确的雾浓度与场景深度图像.实验结果表明了算法的有效性.     

贝叶斯框架下的单幅图像去雾算法

在有雾天气条件下拍摄的图像,由于光线在传播过程中受到空气中悬浮颗粒的散射,导致图像内容模糊不清,颜色偏灰白色.为了恢复出清晰的图像,根据大气散射物理模型,利用图像的稀疏先验知识,在贝叶斯框架下提出一种单幅图像去雾算法.该算法用图像梯度稀疏性先验来约束优化结果,并认为图像成像噪声服从零均值的高斯分布,然后用IRLS方法对其求解.实验结果表明,该算法能够很好地恢复图像的对比度和保持图像的真实颜色,噪声小,便于应用.     

基于邻域相似性的暗原色先验图像去雾方法

针对雾天图像对比度和颜色严重退化的问题,提出了一种应用暗原色先验去雾的简便方法。该方法首先根据暗原色先验得到雾天透射率图;然后,通过暗原色值与邻域暗色值的差值来判断边缘,取颜色最相近点的暗色值为新的暗原色值,同时利用暗原色图像直方图自动获得大气光线值;最后,根据大气散射模型得到清晰图像。实验证明,该方法能够有效去除雾对图像的影响。     

基于透射率归一化的单幅图像去雾算法

在有雾天气条件下拍摄的图像,由于光线在传播人过程中受到空气中悬浮颗粒的散射,导致图像内容模糊不清,颜色偏灰白色。为了恢复出清晰的图像,根据大气散射物理模型,提出一种单幅图像去雾算法。首先,该算法从大气散射模型出发,对大气光模型进行变形化简,得到新的去雾模型。然后对大气光值估计,并利用在局部统计上不相关性恢复透射率。最后,对透射率进行归一化处理,带入模型,得到恢复图像。实验结果表明,该算法能够很好地恢复图像的对比度和保持图像的真实颜色。     

基于HSI亮度分量和RGB空间的图像去雾算法

图像去雾技术处理的目的是消除雾霾对视频监控图像的影响,提高雾霾图像的视觉效果。目前,一般去雾图像只是比较去雾后和去雾前的图像,处理结果通常失真严重或过饱和,不能在保证细节清晰的同时保证颜色信息完整。针对上述问题,提出了一种基于大气散射模型和光学原理,建立具有散射特性的HIS亮度转换模型,并与RGB空间结合计算的图像复原方法。该方法通过分析晴天图像和雾霾图像的对比关系,结合HSI空间人眼视觉最敏感的亮度分量计算出图像场景的相对深度关系,利用大气散射模型以及景深比,对雾霾视频图像进行清晰复原和结果的测评。实验结果证明,与只从RGB空间计算的去雾霾方法对比,所提方法去雾效果更清晰,彩色失真和过饱和程度更小。     

雾霾图像清晰化算法综述

雾霾图像不仅影响视觉效果,而且模糊不清晰的图像容易为后续识别、理解等高层次任务带来困难。雾霾图像清晰化问题是一个典型的不适定问题,其成像过程难以精确建模,消除图像中的雾霾面临巨大的挑战。近年来,研究者提出大量的图像去雾算法克服雾霾引起的图像降质退化,为全面认识和理解图像清晰化算法,论文对其进行梳理和综述。首先,对雾霾图像清晰化算法进行整理,根据雾霾退化过程是否有模型支持,将清晰化算法分为基于Retinex模型、大气散射模型去雾算法和无模型图像去雾算法。大气散射模型是有模型算法中主流模型,本文详细剖析了模型成像机理,并根据其成像机制揭示大气散射模型容易受大气浓度均匀分布假设的限制,较难处理非均匀雾霾图像问题。基于深度学习的无模型图像去雾算法则不仅可以应对非均匀雾霾图像,而且去雾性能获得了极大地提升。其次,本文汇总了近年来常用去雾数据集,从数据集适应范围、规模、可扩展性等多个维度进行总结。并根据雾霾图像形成方式,对人工合成雾霾数据集和真实拍摄数据集分别从定性和定量的角度探讨了数据集对图像去雾算法的影响。     

海雾下的视频图像去雾算法研究

针对海雾下大气粒子的散射作用使得水面舰船视觉系统的视频图像严重降质问题,采用基于大气散射物理模型的海雾去雾方法.针对海上图像海天交界线明显、天空区域较大的特点,对图像进行分割,分析天空区域特征得到天空亮度估计值,通过求解大气散射物理模型实现对图像的清晰化处理;并且利用帧差法背景提取方法,通过计算同一背景下雾的分布图提高视频图像的去雾速率.与现有的几种效果较好的陆上去雾方法进行对比研究,结果表明该方法能够在多变的海雾下增强视频图像的清晰度.     

图像去雾技术研究进展

在雾、霾等天气条件下,大气粒子的散射作用导致成像传感器采集的图像严重降质。图像去雾技术的任务是去除天气因素对图像质量的影响,从而增强图像的视见度。本文归纳和总结了图像去雾技术的国内外研究现状。将现有的方法分为基于物理模型和非物理模型两类,分别详细阐述了这两类方法,分析它们各自的优势和不足,并总结了算法性能评价的无参考客观质量评测准则。最后,指出该技术的研究难点和发展趋势。     

图像去雾透射率的优化算法

在雾、霾等天气条件下,大气粒子的散射作用导致图像严重降质。本文提出一种简单快速的基于物理模型的 图像去雾新算法,对大气散射模型进行化简,得到新的去雾模型。然后,利用暗原色先验方法估计大气光值A,并代入新的简 化模型,得到去雾图像。实验表明,该算法在处理速度和去雾效果上都优于现有算法。     

基于映射关系的GAN网络实现图像去雾

图像去雾是图像处理中的一个重要研究方向。为了提高对图像的去雾效率,文章通过改进大气散射模型,基于生成对抗网络(Generative Adversarial Network,GAN)算法实现图像去雾。该方法实现步骤如下,首先将有雾图像分解为无雾图像和经过雾散射后的环境自然光叠加,其次通过生成器网络生成大气散射光图像,估算透射率从而求解无雾图像,最后利用GAN网络的生成器和判别器网络进行对抗训练,得到接近真实的大气环境光和透射率,达到对图像快速去雾的目的。实验结果表明,设计方法在合成雾天图像和真实雾天图像中均取得了较好的去雾效果,虽然在客观评价指标上与经典的去雾算法保持相同水平,但时间消耗远少于其他算法。     

卫星遥感图上大雾消散特点的分析研究

卫星遥感监测大雾的生消趋势,具有明显的优势。利用GMS-5静止气象卫星资料,在分析雾的消散原理的基础上,研究了卫星遥感图上大雾消散的一般特点和规律,得出:雾消散所需的时间与雾的厚度、在雾区中所处的相对位置、天气条件以及人为影响等因素有关。     

基于雨雾分离处理和多尺度网络的图像去雨方法

雨带来的雨条纹和雨雾会降低户外拍摄图像的质量,为了去除雨雾对图像的影响,提出了一种基于雨雾分离处理和多尺度卷积神经网络的图像去雨方法。首先利用导向滤波将雨线和图像细节信息提取到高频层,雨雾和背景信息则分离到低频层;然后构建多尺度卷积神经网络来去除高频层中的雨线,网络中融入多个稠密连接模块以提升特征提取的准确性;其次构建多层特征融合的轻量级去雾网络来去除低频层中的雨雾,采用参数一体化结构避免了估计多个大气散射模型参数导致的次优解;最后再结合处理后的高低频结果还原出清晰图像。在多个合成的雨雾数据集以及真实自然场景图像上进行测试,定性和定量结果表明,提出的方法在去除雨雾影响的同时较好地保留了色彩信息,和近年的算法相比,图像结构相似性约提升了0.02~0.08,图像峰值信噪比约提升了0.2~3.5 dB。     

基于物理模型的单幅图像对比复原算法

基于图像复原的去雾算法中参数的估计容易造成去雾图像场景信息的丢失,对此,提出一种图像去雾新算法。在暗通道先验的基础上,通过对大气散射模型的分析,总结出雾气分布对暗通道图像的影响,并依此对外景图像进行加雾操作,利用加雾后的参考图像与外景图像中各点的景深关系完成透射率的估计,进而达到去雾目的。算法利用物理模型和多幅图像实现参数的估计,能够更好地保留场景信息。实验结果表明,该算法不仅去雾效果优于对比算法,在处理速度上也有明显改善。     

真实感雾的实时绘制

提出了一种真实感雾的实时绘制新方法,该方法对以刻画光能穿过雾这类参与介质发生的吸收、自发射、散射和内散射等光学现象的光能传输方程进行一定的近似,利用余弦函数并通过改变其中的相位参数作为衰减系数实现了非均匀、多层次的静态与动态真实感雾的实时绘制。     

针对FY2E影像的白天雾检测研究

传统基于遥感的雾检测方法,主要利用极轨卫星遥感影像（如MODIS、AVHRR）建立雾检测模型,尽管极轨卫星影像的光谱信息丰富,但是其过境时间一般比较迟,MODIS为当地时间11点左右,AVHRR为当地时间14时左右,而且单颗极轨卫星的时间分辨率为一天左右,无法很好地满足雾检测的实际需要。针对静止卫星的雾检测研究还比较少,其主要思想是利用光谱差异进行雾检测。选择FY2E影像并结合面向对象思想开展白天雾检测研究,利用Streamer辐射传输模型针对云、雾、雪、地表对FY2E影像的5个波段进行模拟,构建雪检测指数（SDI）、雾检测指数（FDI）等6个雾检测特征参数;选择特征波段,利用Mean Shift分割方法完成FY2E影像的分割,基于雾检测特征参数构建雾检测区域特征参数;建立白天雾检测模型,选择案例数据进行实验,并利用地面站点实测数据进行精度评定。实验结果表明,提出的雾检测模型取得了很好的检测效果。     

FY-3A卫星资料在雾监测中的应用研究

雾是一种灾害性天气现象,严重影响交通运输等人类活动,因此雾的监测具有十分重要的意义。云、雾与下垫面在可见光、中红外和热红外波段的反射及辐射特性存在差异,这为利用卫星遥感手段监测大雾天气提供了重要依据。依据FY-3A卫星的VIRR数据,利用多波段阈值法对2010年4月5日我国东部沿海地区日间雾进行了遥感监测,并估算了雾的垂直厚度、光学厚度以及能见度等特征参数。实验结果表明,利用FY-3A卫星资料监测雾具有可行性,适于在雾的监测预报业务中推广应用。     

雾天条件下的多尺度Retinex图像增强算法

在雾天条件下拍摄图像时,由于受到大气散射作用的影响,图像的颜色和对比度会出现退化现象。为了提高雾天图像的质量,提出一种改进的多尺度Retine雾天图像增强算法。首先采用幂次变换压缩图像动态范围;然后采用非线性变换对图像的高光区域进行抑制;最后采用反锐化掩模滤波消除图像模糊,增强雾天图像细节信息,并采用多幅雾天图像对算法性能进行仿真测试。仿真结果表明,改进多尺度Rctinc的雾天图像增强算法较好地解决了传统Retine算法存在的不足,加快了雾天图像增强的运行速度,使得雾天图像更加清晰化,获得了更优的视觉效果。     

Near-field flat-plane images of spherical nanoparticles

The paper is devoted to numerical simulation of homogeneous images of dielectric, semiconductor and metal spherical nanoparticles in a flat plane situated in the near-field region. The influence of the particle radius, the distance to the image plane and the polarization direction of the illuminating light wave on image formation is illustrated on the basis of near-field Mie scattering theory.     

基于图像模糊度的雾含水量测量方法

雾含水量是研究和定义雾结构的一个重要因子，是与天气密切相关的重要气象物理量。目前国内外对雾含水量的测量主要还是采用人工采样方式，相当费时费力。该文通过建立雾中景物成像的多次散射模型，提出了利用图像模糊度测雾含水量算法，介绍了基于该算法下的全自动雾含水量测试系统的构成。仿真结果表明运用此算法能获得令人满意的结果。