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。     

自适应暗通道融合和天空补偿的去雾算法

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。     

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...     

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)。     

双视觉注意网络的联合图像去雾和透射率估计

为充分挖掘和利用透射率估计及图像去雾过程中捕获信息的相关性,提出了双视觉注意网络的联合图像去雾和透射率估计算法。它包括图像去雾层及透射率估计层,且各层均包含循环注意网络及编码解码网络。图像去雾层在透射率图的监督下,由循环注意网络生成雾浓度注意图,并引导后续的编码解码网络估计去雾结果。透射率估计层在真实无雾图像的监督下,由循环注意网络生成场景注意图,并引导后续的编码解码网络估计透射率。在此基础上,进一步利用循环单元实现图像去雾层及透射率估计层的信息交互,以便在估计场景注意图的过程中能利用到雾浓度信息,在预测雾浓度注意图的过程中能学习场景信息。实验表明算法在合成雾图及真实图像上均能取得较好的去雾效果,在视觉评价和客观评价方面均优于存在的去雾算法,单张雾图的处理时间仅为0.043 s。能有效用于图像去雾的工程实践中。     

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。     

基于大气散射模型的单幅图像快速去雾

根据大气散射物理模型及光学反射成像模型,总结并分析了影响单幅图像去雾效果的3大因素,以实现对雾霾图像的快速去雾.基于光学原理,解释了暗影通道现象,从新的角度推导出了大气散射模型中各参数的求法.利用灰度开运算去除白色目标的干扰获得精确的环境光亮度,基于快速联合双边带滤波精确计算了大气散射函数,最后由光学反射模型计算了场景目标的反射率并有效截断至[0,1]区间.本方法可以消除天空及环境光线的影响,能真实复原场景的色彩和清晰度.仿真结果表明,对分辨率为576×768的图像处理时间仅为0.517 s,且视觉效果和客观指标比现有算法均有不同程度的提高.与现有图像去雾算法相比,本文提出的参数计算方法提高了运算速度、场景适应能力和复原效果.     

基于偏振度优化与大气光校正的图像去雾

为提高偏振去雾算法对雾气场景的恢复能力，提出一种偏振度优化与大气光校正的偏振图像去雾算法。首先，依据雾气场景亮度分布，使用导向滤波将雾气图像分解为亮面残差和暗面残差；其次，扩大亮面残差对应的偏振度值，削减暗面残差对应的偏振度值以优化偏振度，该偏振度可将大气光图像模糊；最后，利用偏振度在亮面和暗面残差上的差异，对大气光强度进行校正，以使其随雾气的变化规律满足大气退化模型。实验结果表明：本文算法的去雾图像相较原雾气图像，对比度提高3.07倍、信息熵提高9.21%、标准差提高61.86%。且在不同浓度模拟雾气环境中，本文算法都有较为优异的SSIM、PSNR和CIEDE2000。相较于现有先进图像去雾算法，本文算法去雾效果明显，可以有效地复原雾气中场景的细节信息。     

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。     

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。     

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。     

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。     

基于光线散射衰减模型的低照度图像增强

针对传统图像增强算法在总体照度低且光照分布不均的环境内易造成图像过度增强和自然度保存能力弱的问题，提出了一种基于光线散射衰减模型的低照度图像增强算法。首先，本文提出了光线散射衰减模型，该模型合理解释了非均匀光照分布的成像过程，其次，通过Max-RGB滤波器分别估计每个像素的照度，初始化照明图，然后，根据光照随图像分割区域入射角、入射距离平滑衰减的特性，利用深度信息和梯度信息优化光照分量，获得精确照明图；此外，利用暗通道先验中的透射率所具有的局部相似性来约束反射分量估计；最后，通过提出的光线散射衰减模型融合优化光照分量和反射分量，获得最终的低照度增强图像。通过与NPE,LIME,HE,ALSM,MSRCR,MF,WV＿SIRE算法比较，在不同场景的低照度图像上，无参考各向异性质量评估器（BIQAA）最大为0.019 6，模糊检测累积概率（CPBD）最大为0.680 1，无参考空间域图像质量评估器（BRISQUE）最小为21.471 5，自然图像质量评估器（NIQE）最小为2.699 5，综合性能优于其他对比算法。实验结果表明，本文算法能够有效抑制噪声，提高图像对比度和亮度，更好地保留图像...     

基于HSI颜色空间的深度学习单幅图像去雾方法

针对传统的单幅图像去雾算法容易受到雾图先验知识制约导致颜色失真等问题,本文提出了一种基于HSI颜色空间的深度学习多尺度卷积神经网络单幅图像去雾方法,即通过设计深度学习网络结构来直接学习雾天图像与其无雾清晰图像色调、饱和度和亮度之间的映射关系,从而实现图像去雾.该方法首先将有雾图像从RGB颜色空间转换到HSI颜色空间,然后设计了一个端到端的多尺度全卷积神经网络模型,通过色调H、饱和度I、强度S三个不同的去雾子网分别进行多尺度提取,深度学习得到有雾图像与清晰图像之间的映射关系,从而恢复出无雾图像.实验结果表明,本文方法对于雾天图像具有良好的去雾效果,在主观评价和客观评价上均优于其它对比算法.     

航拍降质图像的去雾处理

针对有雾天气下无人机航拍视觉系统的能见度低,航拍图像对比度和色彩保真度差等问题,基于暗原色先验规律以及雾图的物理模型提出了一种雾天降质图像去雾处理技术.从图像复原和增强两个角度出发,分别建立了户外图像全局去雾和对比度自适应调整的最优化模型,从而能够直接复原得到高质量的去除雾干扰的图像并且估算出雾的浓度.对一系列户外带雾...     

自适应背景光估计与非局部先验的水下图像复原

有效地实现单幅水下降质图像复原对水下资源探索及环境监控领域的清晰图像获取具有极其重要的意义。为解决常用暗通道先验方法来复原图像时,背景光的估计易受白色物体干扰,且无法有效估计前景中白色物体透射率,复原质量不高的问题。本文提出了自适应背景光估计与非局部先验的水下图像复原算法。首先根据背景光具有高亮度及平坦性的特点,利用阈值分割算法获得背景光的候选区域,再通过图像的色调信息从候选信息中选取最佳的背景光点。随后,利用各颜色通道光的波长与散射系数的相关性,提出了适用于水下图像的非局部先验,并利用该先验估计各通道的透射率。最后针对复原结果中,因水下介质,微生物,水流影响而产生的加性噪声,设计去噪的最小优化问题,并利用引导滤波求解该问题,以去除复原结果中的加性噪声。实验表明:该算法在确保运行效率的基础上,准确地估计透射率,较常用算法的复原精度提高了约18%。证明了该算法能有效用于单幅水下图像复原的工程实践中。