基于超像素暗通道和自动色阶优化的图像去雾算法

针对暗通道先验(dark channel prior, DCP)复原图像中的光晕现象、明亮区域色彩失真、环境光估计不准确等问题,提出了基于超像素暗通道和自动色阶优化的单幅图像去雾算法。首先,由改进的White Patch Retinex算法增强图像并计算精确环境光。接着,在传统暗通道去雾算法中引入超像素图像分割和引导滤波算法,使透射率估计的稳健性与精确性得以提升。然后,采用自适应容差对明亮区域的透射率进行补偿,有效抑制明亮区域色彩失真问题。最后,以自动色阶优化算法提高图像对比度。将本文去雾算法与其他算法从主观和客观两个维度进行比较,实验结果表明：采用不同算法对不同浓度的自然雾图进行对比实验,信息熵提高0.2 bit,峰值信噪比(peak signal-to-noise ratio,PSNR)提高0.8 dB,运行效率提高。该算法对不同浓度含雾图像具有良好的适应性,复原图像色彩真实、纹理清晰、细节丰富,去雾效果良好。     

基于明亮区域分割的图像去雾算法

针对暗通道先验去雾中存在的光晕和色彩失真问题，提出一种基于明亮区域分割的图像去雾算法。首先通过亮度阈值分割和区域生长将雾天图像分割为明亮区域与非明亮区域；然后用亮通道先验和超像素分别改进明亮区域和非明亮区域透射率的计算公式；再用加权融合的方法将这两个区域的透射率进行融合得到粗略的透射率，使用引导滤波对其进行优化，同时对雾天图像进行四叉树分割，取最终分割区域像素的亮度平均值为大气光值，通过大气散射模型复原去雾图像。实验结果表明，改进后去雾图像的峰值信噪比与改进前相比提高了6.5%，信息熵提高了2.1%，新增可见边之比提高了5.5%，梯度均值提高了5.3%。本文改进算法能够解决暗通道先验去雾中的问题，得到清晰且对比度高的去雾图像。     

一种改进的基于暗原色先验的雾天图像清晰化方法

为了提高雾天降质图像的清晰度,基于暗原色先验提出了一种改进的图像去雾方法。针对原算法对明亮区域敏感和运算量过大问题,首先提出天空区域自适应选择算法求取大气光强度,然后利用快速双边滤波算法修复透射率图,在保证去雾效果前提下大幅度降低了计算复杂度。针对去雾后的图像颜色较真实场景偏灰暗的问题,提出了一种简单有效的亮度调节方法。实验结果表明,该算法可以有效的消除灰白和明亮区域对大气光和透射率计算的影响,真实地复原场景的色彩和清晰度,同时,本文算法的时间复杂度与图像大小成线性关系,可以明显提升运算速度。     

基于暗通道先验的去雾算法研究

针对暗通道先验去雾算法中存在的块效应、算法复杂度高等问题,提出了一种改进的基于暗通道先验的去雾算法.首先,通过暗通道先验去雾算法得到粗略透射率,再通过峰值信噪比自适应调节雾气参数,以获取最优透射率.然后,将上述结果分别作为多层感知器的输入向量和目标向量进行训练,以建立粗略透射率到最优透射率之间的映射并得到最优透射率.最后,结合大气光值复原无雾图像.实验结果表明,本算法能有效改善块效应,提高复原效率,且能在一定程度上提升图像细节的清晰度.     

基于暗原色优化算法的去雾研究

针对基于传统的暗原色先验去雾算法中,由于某些场景下的雾天图像存在大面积明亮区域无法满足暗原色先验的假设,导致去雾效果不佳。文中就此问题提出了一种改进的去雾算法,基于McCartnet的理论建立大气散射模型,根据暗通道理论粗略估计透射率,之后引入容差参数并设置阈值,重新计算明亮区域的透射率,从而实现对明亮区域透射率的自校正。针对于复原图像色彩较暗的问题,采用改进的线性亮度调整方法来调节图像的亮度。实验结果显示,相较于原算法而言,改进算法可以有效的对大气光值进行估计,降低明亮区域的色彩失真,复原的图像可以保持足够的亮度,同时不丢失图像的细节,视觉效果显著提高。     

基于双通道及图像质量评价模型的去雾方法

针对传统暗通道先验去雾算法易产生明亮区域失 真、去雾图像整体偏暗等问题,提 出一种基于双通道及图像质量评价模型的去雾方法。首先,划分出图像的明亮区域与非明亮 区域;其次,利用双通道先验算法准确估计出大气光值;接下来,将暗通道先验的透射率作 为非明亮区域的透射率,在明亮区域单独构建透射率,将二者融合细化,得到带有参数的透 射率;最后,通过构造参数驱动图像质量评价模型,迭代选取最优的无雾图像。实验结果表 明,算法去雾效果良好,可以有效地抑制Halo效应,避免区域的失真,改善复原图像 的综合质量。     

基于模糊集分类的单幅图像去雾算法

针对高亮度区域导致大气光强度A 计算不准确以及复原图像颜色失真影响图像去 雾效果的问题,提出一种基于模糊集分类的单幅图像去雾算法。首先从暗通道模型出发,对 图像进行分割并采用基于模糊集理论的图像分 类算法确定符合暗通道先验理论的非明亮区域,避免了天空等高亮区域对大气光强度计算 的影响;然后利用快速双边滤波方法既具有平滑效果,又具有边缘细节保持的特性,估计大 气耗 散函数,进而精确恢复场景透射率;最后由大气散射模型复原图像,并进行基于人眼视觉的 亮 度、色调的调整,修正图像中颜色失真区域,提高视觉效果。与经典算法相比,本文算法在 细节、色彩保真度具有较大改进。     

一种改进的容差机制图像去雾算法

针对经典容差机制图像去雾算法存在的对部分明亮区域透射率提升力度不够,难以彻底消除色彩失真问题,本文提出一种改进算法。将原算法中对明亮区域透射率根据容差进行双曲线提升修正变为线性提升修正,使透射率平稳提升,并适当增大了透射率提升力度,有效消除色彩失真。以方差和色调还原度作为图像去雾的客观质量评测指标,与暗原色先验算法和经典容差机制算法进行对比实验。实验结果表明,本文算法在改善明亮区域色彩失真及提高图像去雾效果方面优于对比算法。     

基于多尺度Retinex和暗通道的自适应图像去雾算法

针对暗通道先验算法处理大片天空区域存在复原图像的可视化效果较差和图像细节信息不丰富等问题,提出一种基于多尺度Retinex和暗通道的自适应图像去雾算法。采用Canny算子对亮度分量进行边缘检测并利用多尺度Retinex算法消除亮度分量,采用交叉双边滤波优化暗通道的先验理论获得粗略估计的透射率,采用四叉树子空间搜索法选取全局大气光值。为了消除图像中复原图像整体较暗以及无法显示细节信息的现象,使用二维伽马函数校正亮度值,最终得到复原后的去雾图像。实验结果表明,所提算法可以有效恢复有雾图像的细节信息,去雾较为彻底,整体平滑,色彩明亮度较好,图像清晰自然。     

基于FPGA的视频实时去雾算法及其硬件实现

单幅图像去雾技术虽然已经取得较大的进展,但是算法较为复杂,运行时间较长.为了实现视频实时去雾,以硬件实现为目的,对暗通道先验算法进行改进,降低其时间复杂度.提出了一种暗通道图优化方法,保留了图像的边缘信息,消除了光晕效应,省去了透射率细化的复杂操作;提出了适应于硬件实现的大气光值估计和调节及透射率补偿方法,解决了视频帧间闪烁及天空等明亮区域的色彩失真问题.基于现场可编程门阵列(FPGA)对所提出算法进行了硬件实现.结果表明,该算法可以实时处理帧速为60 f/s、分辨率为1 920×1 080的视频图像,相比传统去雾算法速度更快,去雾质量更高.     

一种基于多尺度卷积神经网络和分类统计的图像去雾霾方法

传统的去雾霾方法会导致天空、白云和明亮区域内的颜色失真。为了解决以上问题,提出了一种基于多尺度卷积神经网络和分类统计的去除图像雾霾的方法。首先用多尺度卷积神经网络估计图像的透射率,其次对所估计的透射率进行分类统计以确定在暗通道内天空、白云和明亮区域的像素值,最后通过低通高斯滤波器平滑图像场景的辐射度,得到恢复的无雾霾图像。实验结果表明,采用提出的方法对图像去雾霾后明亮区域内的颜色不会失真,且保留了图像的自然外观,对合成图像和真实图像均有较好的去雾霾效果。     

结合区域生长与容差机制的暗通道去雾算法

针对传统的暗通道先验算法在处理带有大面积天空区域的有雾图像时出现明显的块效应、色彩失真和亮度偏低等问题,提出了一种结合区域生长与容差机制的去雾算法。首先通过灰度图腐蚀求出暗通道;接着利用种子区域生长法分割出天空区域,并把天空区域的平均灰度值作为大气光值估计;然后结合大气散射模型得到粗略的透视率,并采用改良的容差机制和引导滤波对透视率进行修正和细化;最后,引入Retinex法对图像进行后处理,进一步调整色彩和亮度。实验结果表明,本文提出的去雾算法对带有天空区域的图像去雾效果明显,天空区域的色彩有了显著改善,图像整体清晰明亮。     

基于YUV色彩空间的暗原色单幅图像去雾改进算法

为得到更清晰的复原图像,提出了一种基于暗原色先验理论图像去雾的改进算法。先将原始雾天RGB图像转化到YUV色彩空间,在Y(Luminance)通道中,对像素点进行区域划分,只使用属于同一区域的像素点来计算该方块的暗原色,同时在Y通道计算大气光值;最后,通过修正复原图像的计算公式,来校正亮区域色彩失真。与基于引导滤波及RGB色彩空间的暗原色去雾算法相比,本文算法具有更好的去雾效果。     

基于大气散射模型的图像去雾及亮度增强算法

针对雾图能见度低和去雾图像亮度偏暗的问题,提出一种基于大气散射模型的双阶段去雾算法。首先使用线性变换估算复原图像亮度,使用拉伸方法估算复原图像饱和度,根据复原图像亮度、饱和度估算其最小通道,联合雾图最小通道获取粗糙透射率。在不同阶段分别使用双梯度代价函数、导向滤波优化粗糙透射率,依据大气散射模型复原图像和增强亮度。实验结果表明,所提算法复原图像更清晰明亮;图像综合质量、峰值信噪比和运行时间等客观指标均值优于所有比较算法,其中图像综合质量最少提高1.55倍,运行速度最少加速1.50倍。所提算法有效地增强了雾图的能见度和明亮度。     

暗原色先验自适应图像去雾方法

针对传统暗原色先验去雾算法存在的亮区域色彩失真、去雾参 数人工设定等问题,提出了一种基于暗原色先验改进的自适应图像去雾方法。首先,提出快 速OSTU法对雾霾图像亮暗区域进行自适应分割,并分区域获取亮暗区域的暗原色值;其次, 根据亮区域分布情况,对不同区域大气光强进行自适应估计;接着,通过分析雾霾图像直方 图特征,提出采用灰度集中度法自适应计算去雾系数;然后,运用色阶自适应调整方法进行 输出图像的色彩调整;最后,通过开展对比实验,验证了本文算法的优越性。主客观 评价结果表明:本文方法无需人为设定去雾参数,具有较好的 鲁棒性,可适用于多种浓度、 各种场景雾霾图像的去雾处理,获取的图像清晰、色彩自然,对比度高。     

一种改进的透射率分布估计的夜间图像去雾算法

针对基于暗通道先验理论（dark channel prior, DCP）的去雾算法在处理夜间有雾图像时细节信息缺失、光源区域的纹理受损严重的问题,本文提出了一种改进的透射率分布估计的夜间图像去雾算法。通过引入暗态点光源模型、暗通道可信度权值因子和伪去雾图像,结合夜间图像成像模型,获取改进的透射率分布,对夜间降质图像进行去雾处理。实验结果表明,经本文算法处理后的图像在纹理细节上损失小、图像清晰度高,图像明暗对比度得到较好的拉伸,可以实现夜间有雾图像的有效去雾。