基于改进的暗通道先验去雾辅助导航算法

经典的去雾算法无法满足车道线检测的实时性和准确性要求,因此提出一种改进暗通道与边缘检测融合的雾天车道线识别算法。首先对有雾图像进行对比度增强处理,突出边缘、颜色等有效信息,基于道路先验信息对图像进行感兴趣区域处理,利用暗通道先验算法对静态约束图像进行去雾操作,并通过双边滤波器细化透射率图,得到清晰的去雾图像;然后引入动态约束理念,提取车道线可能存在的区域,借助Sobel算子检测动态约束后的车道线区域,提取车道线边缘点;最后利用Hough变换进行准确的车道线拟合。实验表明,改进的去雾算法得到的图像清晰度与对比度更高,满足了车道线检测的准确性与实时性要求;去雾及车道线检测算法平均处理时间为297. 305 ms,满足无人驾驶时间要求。     

一种改进的雾化图像快速复原算法

基于暗通道理论,提出一种改进的单幅图像去雾算法,对雾化图像快速去雾.改进算法采用自适应中值滤波与双边滤波相结合的方法,计算边缘细致清晰的暗通道,根据雾天成像的物理模型估算透射图.与传统算法相比,估算出的透射图细致清晰,无需优化,克服了传统算法用大量时间优化透射图的缺点,大幅降低了算法的复杂度.试验结果表明,该算法可以实现对单幅图像的高质量快速去雾.     

基于多尺度密集特征融合的生成式对抗除雾网络

在真实雾天场景下,针对除雾网络无法去除远处雾气、天空区域容易出现噪声的问题,提出了一种基于多尺度密集特征融合的生成式对抗除雾网络,并采用制作的合成雾天数据集进行对抗训练.首先,对除雾网络进行设计,构建了网络模型;其次,从合成晴朗天气图像中利用深度标签生成逼真的雾天数据集,以适用于真实雾天除雾领域;最后,在真实雾天数据集上测试,选取近几年具有代表性的6种基于深度学习的除雾网络进行主观视觉效果,并借助除雾领域常用的无参考图像质量评价指标进行客观分析.研究结果表明:提出的除雾网络在真实场景下的除雾效果较其他网络有显著提升,主观视觉效果明显优于对比的除雾网络,在无参评价指标上综合表现优于其他除雾网络.     

4种保边滤波器在图像去雾算法应用中的性能比较研究

在雾霾等能见度低的天气条件下,大气粒子的散射作用造成拍摄的图像质量严重下降.在众多基于物理模型的图像去雾算法中,各种滤波器被广泛得到应用.对4种具有边缘保持特性的滤波器在图像去雾算法的应用进行了研究.实验结果表明,Guided-image滤波器具有更好的保边特性,且处理速度快,更适用于图像去雾.     

基于亮区域暗通道矫正和加权聚合引导滤波

针对暗通道先验在天空等亮区域失效和引导滤波容易导致边缘模糊的不足,提出了一种高效的去雾算法.该算法提出一种新颖的亮区域自适应分割与校正方法,基于自适应的相对景深阈值分割亮区域,采用饱和度和灰度值校正亮区域的暗通道.然后利用加权聚合引导滤波代替引导滤波细化初始透射率,解决引导滤波引起的边缘模糊问题.最后,提出一种有效的亮度校正方法,将复原图像转化到HSV色彩空间,对亮度进行均衡化处理,使用相对雾浓度均值作为权值,对均衡化前后的结果进行线性加权得到最终的复原结果.实验结果表明,与经典算法对比,所提算法亮区域分割准确,复原图像纹理清晰,去雾彻底,复原结果的峰值信噪比、平均梯度与信息熵的最大提升分别为34.46%、99.49%和21.18%.     

基于特征融合的快速图像去雾方法

针对图像去雾问题, 提出一种基于特征融合的快速单幅图像去雾方法, 解决了暗通道方法存在的块效应问题. 该方法先采用基于K均值聚类的暗通道先验求得粗尺度下的透射率, 再通过分析雾对成像的影响, 提取有雾图像自身能反映景深变化的饱和度作为细尺度的透射率, 最后通过图像融合技术得到精确的透射率. 通过对
各种真实有雾场景进行测试的实验结果表明, 该方法简单且有效, 能得到理想的去雾效果.     

使用局部大气光的单幅图像去雾算法

针对传统算法去雾后图像偏暗的问题,根据去雾后图像对比度和亮度均应该增加的标准提出了一种高亮度和对比度的去雾算法。首先依据大气光与复原图像亮度成反比事实,设置像素红绿蓝(RGB)三个颜色分量均值为局部级粗糙大气光,使用具有较好抑制光晕效应的半全局加权最小二乘算法优化获取局部级大气光;然后根据去雾图像方差与大气透射率成反比事实,使用基于像素最小颜色分量的大气散射函数计算粗糙透射率,然后使用局部均值滤波器优化透射率;最后结合雾天成像模型恢复无雾图像。实验结果表明所提算法去雾图像的梯度、亮度和速度等客观指标均优于传统算法,其中亮度最少增强1.5倍。所提算法能提高去雾图像亮度、丰富图像细节和提高去雾速度,具有较好的工程应用价值。     

结合天空区域检测的图像去雾算法研究与实现

针对雾霾条件下拍摄的户外图像,常规去雾后天空区域常常出现的失真问题,提出了一种结合天空区域检测的图像去雾算法;算法先根据暗通道理论估计出大气光强度,使用双边滤波器得到大气光幕,求得透射率图,再结合天空区域检测的结果对透射率进行修正,最后代入雾天成像模型得到复原的图像;实验结果表明:结合天空区域检测的图像去雾算法可以有效地检测出图像中是否存在天空区域,针对检测结果修正的透视率,能够使修复后有天空区域的图像看起来更加自然平滑,没有明显失真,不存在天空区域的图像,图像对比度大大提升,在景深较大的区域恢复出更多的细节;算法对各类图像均可取得较为理想的去雾效果。     

基于重构暗通道的二次正弦衰减的去雾算法

针对暗通道算法在天空区域失效以及最小值滤波器产生伪影现象等缺陷, 提出一种基于重构暗通道的二次正弦衰减的去雾算法。首先, 利用图像分割对原始图像进行暗通道重构得到重构暗通道。然后，设计雾密度权重函数对场景中的雾浓度做近似估计得到权重系数, 并结合权重系数对重构暗通道进行二次正弦衰减得到初始透射率。为了得到更加精细的透射率, 结合直方图均衡化和快速导向滤波来优化透射率。最后, 结合大气散射模型复原无雾图像。实验结果表明, 所提算法能有效处理天空区域, 抑制光晕伪影, 且复原图像细节明显, 亮度饱和度适宜。     

基于能量泛函的快速去雾算法

为了快速复原雾霾退化图像场景辐照图,提出一种基于能量泛函的模型求解算法。利用大气退化模型,首先估计降质图像的大气光;针对图像是否包含天空区域分开进行求解,较传统固定模式的求解算法更为准确有效;通过白平衡运算简化求解模型,建立新的环境光项表达式;尔后利用暗通道先验估计暗通道图像;根据假设和先验信息,构建暗通道图像与环境光项的能量泛函模型,引入L1和L2范数变换模型,通过切分Bregman迭代算法求解图像的环境光;最后将环境光项代入简化模型中反解出复原图像。通过实验验证,算法对于雾霾退化图像恢复效果较好,且较传统复原算法具有更高的运算效率。