自适应暗通道融合和天空补偿的去雾算法（英文）

针对暗通道先验图像去雾算法在景深突变区域和天空区域出现透射率估计不准确问题,提出一种自适应暗通道融合和天空补偿的去雾算法。首先,根据大窗口尺度和小窗口尺度的最小值滤波在暗通道先验的特点,将两者通过近似景深关系加权融合获得融合暗通道,从而获得初级透射率;其次,对初级透射率进行下采样,用有雾图像的灰度图进行快速联合双边滤波,再使用上采样恢复原图像尺度大小,并在天空区域采用高斯函数补偿优化得到修正的透射率图;最后,通过改进的大气光值,结合大气散射模型恢复出无雾图像。实验结果表明,该算法能够恢复图像大量细节信息,获得高可视度,并有效消除光晕效应,同时在天空等明亮区域有较好的恢复效果。     

结合天空分割和透射率映射的图像去雾

针对暗通道先验在天空区域出现轮廓效应和色彩失真等问题,提出天空区域分割和不同区域透射率映射的去雾算法。首先,利用自适应阈值法粗略分割图像天空区域,在天空区域中完成大气光值的估计。其次,结合超像素分割方法改进暗通道,获得初始透射率,利用导向滤波的方法得到细化透射率,对细化透射率进行自适应阈值分割,并保留最大连通域实现天空区域的精细分割。最后,针对天空和非天空区域提出不同的透射率映射方法,得到最终透射率,并利用大气散射模型复原图像。实验结果表明,恢复图像在主观视觉和客观指标方面均表现出色。算法有效地解决了暗通道先验算法容易在天空区域失效的缺陷,可以恢复比较自然的天空,减弱了边缘区域的halo效应。     

结合景深估计的高斯衰减与自适应补偿去雾

为了解决暗通道先验算法中对大片天空区域或大片白色区域失效的问题,提出一种结合景深估计的高斯衰减与自适应补偿去雾算法。首先通过RGB通道散射强度的算术平均与雾浓度近似正相关的关系估计场景深度;然后,结合景深的边缘信息,利用相邻像素之间的差异构造高斯滤波器对最小值通道进行滤波处理得到高斯暗通道;其次,利用高斯暗通道与其高斯函数之间的关系,通过调节因子与雾浓度呈负相关的关系,提出结合景深与高斯环绕函数卷积的策略获取自适应调节因子,从而对透射率进行自适应补偿估计;最后,结合大气散射模型复原无雾图像。实验结果表明,该算法在确保运行效率的基础上,可以准确的估计透射率,与经典算法相比较,在客观评价中可见边数平均提高了0.02,饱和像素点数平均下降了0.002。所提算法可以复原出自然清晰的无雾图像,尤其是在景深远处和天空区域取得了良好的效果。     

结合天空分割和雾气浓度估计的图像去雾

针对图像去雾算法在天空区域出现恢复不真实以及雾气浓度估计精度不足等问题,本文提出天空区域分割和雾气浓度估计的去雾算法.首先,为了提高透射率的估计精度以及提升去雾效果,利用梯度阈值和亮度阈值分割天空区域.其次,采用改进的暗通道先验和四叉树细分法估计大气光值.最后,针对天空区域和非天空区域采用不同的透射率估计方法,对于天空...     

结合高斯混合模型的改进暗通道图像去雾方法

针对经典的暗通道先验方法在处理含有大面积天空的有雾图像时,去雾图像的天空区域出现不同程度的颜色失真等问题,提出了一种结合高斯混合模型的改进暗通道图像去雾方法。首先,采用高斯混合模型对有雾图像进行建模,然后用期望最大化(Expectation maximization,EM)算法优化模型参数,从而将有雾图像分割成天空区域和非天空区域。其次,根据天空区域暗通道值的不同将其分为淡雾区、中雾区和浓雾区,分别估计透射率。并结合大气散射模型得到复原图像。最后,采用高动态范围图像自适应局部色调映射方法提升复原图像的亮度。实验结果表明,该方法有效地解决了经典暗通道先验方法去雾时产生的天空失真问题,且复原后的图像更清晰、视觉效果更好。     

结合高斯混合模型的改进暗通道图像去雾方法（英文）

针对经典的暗通道先验方法在处理含有大面积天空的有雾图像时,去雾图像的天空区域出现不同程度的颜色失真等问题,提出了一种结合高斯混合模型的改进暗通道图像去雾方法。首先,采用高斯混合模型对有雾图像进行建模,然后用期望最大化(Expectation maximization, EM)算法优化模型参数,从而将有雾图像分割成天空区域和非天空区域。其次,根据天空区域暗通道值的不同将其分为淡雾区、中雾区和浓雾区,分别估计透射率。并结合大气散射模型得到复原图像。最后,采用高动态范围图像自适应局部色调映射方法提升复原图像的亮度。实验结果表明,该方法有效地解决了经典暗通道先验方法去雾时产生的天空失真问题,且复原后的图像更清晰、视觉效果更好。     

结合最小滤波和引导滤波的暗原色去雾

用基于暗原色信息的去雾方法处理雾化图像时,需要考虑消除景深边缘处的白色晕块并降低修复透射率过程所耗费的时间。为了既能够有效地去除白色晕块又能够降低修复透射率的处理时间,本文分析了最小滤波和引导滤波分别用于修复透射率的优缺点,提出了采用最小滤波和引导滤波相结合的方法来修复透射率。该方法综合了两者的优点,同时又弥补了各自的不足。较之于软抠图法,不仅有效消除了白色晕块,并且大大地降低了透射率处理时间,提高了处理效率。另外,针对传统暗原色去雾方法的缺点进行了改进。根据天空区域像素亮白的特性,将颜色和大气光相近的像素视为天空区域像素,然后对其进行颜色原值保留处理,从而有效地消除天空区域颜色的失真和跳变,从整体上改善了去雾复原图像的视觉效果。     

图像去雾算法的改进和主客观性能评价

本文主要研究了图像去雾技术以提高由于雾霾影响而导致的失真图像的主客观质量。对基于暗通道先验和大气散射模型的去雾算法进行了改进,设计了新的天空区域计算和透射率阈值确定方法,通过增强结果图的对比度和调整亮度,进一步降低了算法的失真。还通过对图像加雾,分别从主观质量评价和以结构相似度作为客观标准的客观评价两方面,用数理统计方法比较了各个相关算法的性能。实验表明,所提算法有效地降低了图像的失真(评价分最高),使去雾图像有较高的主观质量(总体评价分并列最高)。     

针对明亮区域的自适应全局暗原色先验去雾

针对暗原色先验去雾算法对明亮区域失效,以及分块求取暗原色存在的块状效应、Halo现象和运算复杂度较高等问题,提出了一种基于自适应参数的全局暗原色先验去雾算法。该算法采用全局暗原色操作取代分块处理,并通过模糊逻辑控制器自适应估计明亮区域的容差参数和透射率调整因子;在非明亮区域求取大气光强度后,根据自适应容差纠正明亮区域被错误估计的透射率。与常用的3种图像复原去雾算法进行了比较,结果表明:该算法去雾图像的主观视觉效果较好,且图像对比度、信息熵和平均梯度3方面的客观评价结果也明显优于其它3种对比算法。该算法可有效解决明亮区域失真和分块处理带来的上述问题,在不增加曝光处理情况下也能获得较好的去雾效果,运算效率也有较大提升。     

结合自适应雾气估计的快速单幅图像去雾

大气中水分子及微小颗粒对光的散射和吸收,使得在雾天条件下获取的图像严重降质,本文提出一种结合自适应雾气估计的快速单幅图像去雾算法。首先,该算法从大气散射模型出发,通过分析景深与亮度分量之间存在的相关关系,提出线性系数利用亮度分量来近似估计出景深,并通过最小滤波对明亮区域进行修正,得到粗略透射率;其次,观察到散射系数值与雾浓度呈正相关,从而结合雾浓度模型与指数函数提出自适应散射系数概念,估计出较准确的透射率;最后,根据大气散射模型复原出无雾图像。实验结果表明本文算法可以复原出清晰自然的无雾图像,明显提高了图像可见度,且具有较低的时间复杂度。     

大气光幂雾图像的清晰度复原

针对现有图像去雾方法处理效率低,天空部分处理效果欠佳以及去雾图像视觉效果不理想等问题,提出了一种快速大气光幂去雾算法。提出的算法是对全球环境光值和大气光幂值求取方法的改进。首先,采用高斯低通滤波求取雾气图像低频区,应用循环四分图算法在低频区得到全球环境光值A;其次,采用暗原色优先算法获取初始大气光幂值,结合自适应各向异性高斯滤波处理大气光幂;最后,采用色调调整增强图像细节,使图像逼近于无雾场景。实验结果表明,本文算法能消减图像景深突变处的晕轮效应,亮度、对比度和细节信息处理效果较好,不仅较完整地保留了边缘细节,而且显著提升了处理效率,同时具有较高的鲁棒性和实时性。     

改进暗通道先验的航空图像去雾

目前较为流行的去雾算法都存在着过度增强以及增强不足,容易造成光晕效应以及色彩严重失真。提出一种基于四叉树细分的改进大气光估计方法以及一种改进的引导滤波用来解决这些问题。首先,对非重叠暗通道使用四叉树细分方法估计更加可靠的大气光值。然后,分析引导滤波在边缘区域的光晕效应产生的原因,对其加入自适应权重因子,用改进后的引导滤波对初始传输图进行优化。最后,用估计的大气光值和优化后的传输图根据大气散射模型得到去雾图像。实验结果表明:去雾后的图像颜色较为可靠,边缘区域光晕效应减弱。从颜色可靠性和细节增强度来说,提出的算法比现阶段的去雾算法有较为出众的表现。     

夜间有雾图像的光照模型构建及去雾

夜间有雾图像会出现严重退化,而且人工光源的存在也使得环境光呈现不均匀性。针对上述问题,本文提出了一种适用于夜间有雾图像的光照模型,并在此基础上实现了夜间图像去雾。模型中主要包含了环境光和透射率两个参数,这两个参数都会随着图像局部内容的变化而产生空间变化。首先基于信息损耗约束理论对上述参数进行初始估计,随后利用快速导向滤波对其进行细化,以抑制块效应和光晕效应,最后将细化后的参数代入光照模型中,通过求解模型即可获得最终待还原目标图像。实验结果表明,本文提出的算法能够有效实现夜间有雾图像的去雾处理,在抑制亮区发散的同时能重现暗区的细节,恢复的场景具有较好的亮度和对比度,恢复的图像颜色自然,总体性能优于同类型的其它算法。     

改进的基于雾气理论的视频去雾

为了进一步提高有雾视频的可用性,提出了一种改进的基于雾气理论的视频去雾方法。该方法以雾气理论为基础,利用暗原色先验知识以及Retinex方法和图像融合的方式,将从视频背景图像求取的大气光值和介质传播图应用于视频的所有帧以便去除雾气。从主观定性评价、客观定量评价和运算速度3个方面对视频去雾效果进行了评价。结果表明,对分辨率为480×640的视频,本文方法的运算速度为5.45frame/s,不仅获得了较快的处理速度且能有效避免复原视频中出现颜色跳变的现象。由于本文采用区间估计的方式对大气光值进行估计,同时利用图像复原和图像增强的方法求取介质传播图,因此,复原视频的清晰度和对比度比典型的视频去雾方法有所提高,颜色效果也比较好。