基于域变换递归滤波的雾天图像复原

为了提高大雾天气下采集图像的对比度和能见度,提出一种基于域变换递归滤波的图像复原方法。该方法在大气散射模型的基础上,对大气耗散函数的约束条件进行空间域的变换以实现维数降低,然后经过递归滤波之后获取较准确的结果,最后求解雾图成像方程,并对复原结果进行局部的线性映射调整,获得理想的清晰图像。该方法在场景深度跳变的边缘处可以获得更自然的复原效果,而且能很好地突出图像中的细节信息。实验结果表明,通过该方法得到的结果相比于传统的单幅图像去雾方法,视觉效果更佳、执行速度更快,并且该方法可以并行计算,因此采用GPU进一步加速能够满足实时处理视频的需求。     

基于估计点扩展函数值的湍流退化图像复原

提出了一种直接从湍流退化图像中估计湍流点扩展函数值的方法.本方法不再利用自然或人工向导星图像来测定点扩展函数,而是直接利用两帧连续短曝光湍流退化图像作为输入,在空域中对其进行适当的延拓,在频域中建立和选择关于湍流点扩展函数离散值的一系列计算方程.为了克服噪声的干扰,在点扩展函数的非负性和空间光滑性的约束条件下,将点扩展函数的计算问题转化为优化估计问题,通过极小化准则函数估计点扩展函数值,进而恢复退化图像.实验结果表明,本文方法十分有效,复原效果好.     

修正大气耗散函数的单幅图像去雾

目的 针对暗原色先验原理对雾霾图像中天空或白色物体等明亮区域透射率估计不足,导致该区域去雾后彩色失真的问题,提出一种基于暗原色先验和引导滤波修正大气耗散函数的单幅图像去雾算法。方法 首先,基于暗原色先验模型得到大气耗散函数的粗估计值;其次,构造一个修正函数,纠正暗先验失效的明亮区域的大气耗散函数;然后,对修正后的大气耗散函数和求得的初始传输图分别利用引导滤波进行优化,平滑图像边缘的同时保持图像细节信息;最后,由优化后的传输图和估计的大气光值得到复原图像。结果 选取多幅经典图像进行对比实验,并利用峰值信噪比和均方误差衡量去雾结果的失真程度。实验结果表明,本文算法不但在非明亮区域可以得到较好的去雾效果,而且也能使图像中的明亮区域保持原有色彩,相比而言本文算法得到的复原图像整体失真较少;对于大小为460×300像素的图像,本文算法与He方法相比,得到的复原图像峰值信噪比提高了0.6005 dB,均方误差降低了0.0026,耗时缩短了29.6220 s。结论 对于雾天包含明亮区域的降质图像,提出了一种修正大气耗散函数的单幅图像去雾算法。实验结果的主观和客观评价表明本文算法对天空或白色物体等明亮区域能得到较好的去雾效果,有效改善了暗原色先验原理对图像中明亮区域造成的彩色失真问题。     

基于变分的盲图像复原质量评价指标

盲图像复原过程中,图像质量评价至关重要. 通过分析重构图像质量与其总变分值之间的关系, 提出了用于图像复原的一种基于总变分(Total bounded variation, TBV)的图像质量评估方法, 并构建关系模型, 证明了原始清晰图像的总变分值在所有模糊图像中具有极大值, 且在所有重构图像的变分值中具有极小值. 通过分析, 得出结论: 当总变分取极值时, 基于所提度量方法, 可以获得更好的盲图像重构效果. 最后, 比较了原始清晰图像、模糊图像和重构图像之间的变分值, 计算机仿真验证了该方法的有效性和准确性.     

基于物理模型的雾天图像复原新方法

由于雾天场景的能见度很低,因此为了保证视频监控系统的正常工作,需要对视频图像进行去雾处理。根据光学原理,雾天条件下场景的能见度下降是与场景深度呈指数关系的,鉴于现有的基于物理模型方法的去雾效果不够理想,因此提出了一种新的基于物理模型的图像复原方法,该方法首先对雾天场景的光学成像建模;然后借助于一张晴天和一张雾天场景的参考图像,计算出场景各点的深度比关系,最后利用深度关系复原雾天图像或雾天视频。实验结果证明,该方法是有效的和实用的。     

大气退化的自然山体图像复原研究

不同时间段拍摄的自然山体图像存在不同的大气退化影响。在这些图像的不同部分，大气退化影响的程度也不同。这类图像的大气退化特征直接影响了图像的对比分析和理解。文中探讨了自然山体图像由于大气了原因而产生的退化现象，分析了图像的视沈特征，建立一个统一的基于输运理论的模型。该模型可以在HSV色彩坐标系中处理覆盖杆被的自然山体这类纹理特征较为明显的图像。     

基于散射模型的水下图像复原

水下图像的衰减度与成像距离有直接关系．为了在没有精确深度图情况下有效恢复水下图像,提出基 于散射模型的分段映射方法．研究了水下光线的散射模型,探讨了水下图像的衰减规律;利用水池试验数据采用直 线拟合法建立散射模型;提出基于散射模型的分段映射法．为避免求解精确深度图,利用映射约束条件及少量先验 信息导出多级离散深度值,从而构建出从退化图像到真实图像的分段映射函数．恢复结果表明,所提方法增加了图 像整体对比度,突出了图像细节,明显提高了图像质量．     

基于生成逆推的大气湍流退化图像复原方法

大气湍流是影响远距离成像质量的重要因素。虽然已有的深度学习模型能够较好地抑制大气湍流引起的图像像素几何位移与空间模糊,但是这些模型需要大量的参数和计算量。为了解决该问题,提出了一种轻量化的基于生成逆推的大气湍流退化图像复原模型,该模型包含了去模糊、去偏移和湍流再生成三个核心模块。其中,去模糊模块通过高维特征映射块、细节特征抽取块和特征补充块,抑制湍流引起的图像模糊;去偏移模块通过两层卷积,补偿湍流引起的像素位移;湍流再生成模块通过卷积等操作再次生成湍流退化图像。在去模糊模块中,设计了基于注意力的特征补充模块,该模块融合了通道注意力机制与空间混合注意力机制,能在训练过程中聚焦关注图像中的重要细节信息。在公开的Heat Chamber与自建的Helen两个数据集上,所提模型分别取得了19.94 dB、23.51 dB的峰值信噪比和0.688 2、0.752 1的结构相似性。在达到当前最佳SOTA方法性能的同时,参数量与计算量分别减少了20倍与1.8倍。实验结果表明,该方法对大气湍流退化图像复原有良好的效果。     

基于调和模型的快速神经网络图像复原算法

针对传统神经网络图像复原算法在复原过程中模糊图像边缘,收敛速度慢等不足,提出一种基于调和模型的快速神经网络图像复原算法.在该算法中,图像复原模型的正则化项采用调和模型,并在每次网络状态更新时引入最陡下降方法,使得网络能量迅速减小.实验表明,提出的算法能够很好复原图像的边缘特征,并具有快速收敛等优点.     

利用方向延伸专家场的单幅雾天图像复原

针对已有单幅雾天图像复原算法存在的局部方向性结构信息描述不充分,易导致复原后景物局部细节模糊或丢失的不足,提出一种基于方向延伸专家场的单幅雾天图像复原算法.首先基于大气散射模型获得粗略的大气光传输图估计,并在此基础上建立方向延伸专家场模型对大气光传输图进行优化;为避免在图像景物高亮度区域出现失真现象,利用无黑点约束算法对大气光传输图进行约束及调整,再根据图像中景物的梯度先验信息获取位于无穷远区域的像素集,由此估计出大气光强值;最后根据大气散射模型反向求解,得到复原后的场景图像.实验结果表明,该算法不仅可以显著地改善景物的细节信息、提高图像清晰度,并且恢复后的景物颜色更加自然、真实.     

结合图像融合与分割的快速去雾

目的 针对机器视觉系统在雾天条件下采集的图像存在对比度低、细节模糊的问题,提出一种结合图像融合与分割的场景复原方法。方法 基于光学反射成像的物理特性以及形态学运算分别获取雾气浓度的近似估计,计算图像的局部方差并利用加权融合的方法得出准确的大气耗散函数,通过分割雾气最浓区域或者天空区域求得精确的大气光值,最后由大气散射模型计算复原图像并进行亮度和色调的调整。结果 该方法可以有效避免光晕效应和天空颜色失真等不足,能快速复原场景的对比度和颜色。结论 实验结果表明,该方法的场景适应能力较强,复原效果和计算速度相比于前人的方法均有不同程度的提高。     

基于贝叶斯理论的湍流退化图像复原方法研究

大气湍流退化图像的复原在航天成像、天文观测等领域具有重要的地位,也是目前亟需解决的问题。该问题的解决能够克服大气湍流扰动带来的图像降质和提高目标图像的分辨能力,以便于后续的目标特征提取和识别等处理。为了对湍流退化图像进行有效复原,提出了一种基于贝叶斯理论的单帧双重循环盲目去卷积图像复原算法,并对该算法的快速实现进行了研究,最后还进行了稳健性分析与测试。实验结果表明,该算法具有较强的稳定性和抗噪声能力,对于缺乏先验知识的情况尤为适用,可见该算法具有实用价值。     

基于图像质量评价的自动图像复原技术

针对很难使用一种图像复原技术来满足实际的成像系统应用需求的情况,提出了一种基于无参考图像质量评价的自动图像复原技术。该技术在图像复原中引入图像质量评价,使图像复原技术变为主动图像复原。为应对图像降质过程的复杂性,介绍了基于图像质量评价的多模式图像复原框架。为适应由于图像复原过程的病态性导致的图像误差问题,提出了一种新的无参考图像质量评价方法,该算法通过在图像质量算子中引入图像相似矩阵和图像复原趋势矩阵,使其能适应复原对于图像结构或噪声结构变化。实验表明该图像质量评价算子的有效性,可以满足自动图像复原对图像质量评价算法的要求。     

基于多尺度生成对抗网络的大气湍流图像复原

大气湍流会导致图像发生畸变和模糊,为对单幅大气湍流退化图像进行复原,提出一种基于多尺度生成对抗网络（GAN）的图像复原方法。采用GAN框架,在生成器网络中添加多尺度注意力特征提取单元与多层次特征动态融合单元,从而提升模型的感受野范围。在此基础上,引入特征融合机制以实现湍流退化图像复原。实验结果表明,相比标准GAN、SIU-Net模型,多尺度GAN能显著提高图像的视觉质量,有效降低图像的模糊和几何畸变程度。     

基于模糊函数估计和变分泛函数优化的含噪声模糊图像复原算法

针对摄影图像中常见的噪声和模糊同时退化图像的问题,提出一种Radon变换估计模糊函数结合变分泛函优化的图像复原算法。算法首先利用方向滤波器对图像去噪,然后利用Radon变换以去除方向滤波在模糊函数估计中引起的偏差,再利用模糊函数通过去卷积操作去除模糊,最后在去模糊的基础上利用 L0梯度范数的变换泛函的优化算法,去除剩余噪声从而对图像进行复原。实验表明,该算法可以有效地恢复摄影图像中的场景。     

高斯型点扩展函数估计及图像复原

点扩展函数估计是图像复原的重要内容,目前还没有精确估计的算法。根据高斯型点扩展函数曲线的特点,提出了新的高斯型点扩展函数参数的估计方法。分析发现高斯型点扩展函数曲线中,存在着几个特征点,它们很好地表现在降质的图像傅里叶变换图像中,这几个点与扩展函数参数存在着一定的关系。根据这种关系推导出点扩展函数参数,从而达到图像复原的目的。实验结果表明,这种算法简单、精度较高,有一定的参考价值。     

基于引导滤波器的单幅雾天图像复原算法

基于中值滤波的单幅图像去雾算法所获取的大气面纱图像不能有效地保留雾天图像的边缘信息,也不能真实地反映场景的深度信息,因此,提出了一种基于引导滤波器的大气面纱修正方法。由中值滤波得到初始大气面纱,使用引导图像滤波器对其进行修正得到较为准确的大气面纱,去除多余的纹理信息的同时增强了雾天图像的边缘信息,由大气散射模型得到场景辐射光即复原图像,并对其进行亮度调整。与其他现有的典型去雾算法相比较,该算法在深度剧烈变化的边缘区域有更好的去雾和增强效果,且时间复杂度为线性。     

雾天条件下的视频图像复原方法及其应用

针对雾天户外视频图像的退化现象,提出一种基于大气模型的完全自适应视频图像复原方法。该方法根据单帧图像的灰度分布特性,求出天空区域灰度的最佳近似正态分布,再由这个近似正态分布得到天空区域的灰度均值,同时根据灰度直方图分割出各个景物的深度区域并求出归一化辐射率的值,利用同深度区域内像素点的对比度实现退化图像的复原。实验表明,该方法对雾天退化图像的清晰化效果较好。     

消除halo效应和色彩失真的去雾算法

目的 雾天条件下采集的图像存在低对比度和低场景可见度的问题,传统的去雾算法易产生halo效应和色彩失真问题。为此,结合大气散射光特性提出一种基于相对总变差的图像复原方法。方法 首先从大气散射光与纹理信息无关的角度出发,利用相对总变差分离图像主结构和图像纹理信息准确估计大气耗散函数,通过引入一个自适应保护因子来避免复原图像的色彩失真问题,最后由大气散射模型计算复原图像并进行图像的亮度调整,得到一幅清晰无雾的图像。结果 通过与经典的去雾算法比较,表明该方法可以有效避免halo效应和天空颜色失真等不足,并且在图像的深度突变处也能得到很好的去雾效果。结论 实验表明该算法的场景适应能力较强,时间复杂度与图像的大小成线性关系,相比于前人的算法在计算速度上有一定的提高。     

基于大气模型的图像复原改进算法及应用

介绍了一种对低能见度下所拍摄图像进行处理的改进算法，通过建立大气的物理模型，对图像进行复原处理，使图像质量接近晴天下的情况。与以往文献不同之处在于，在物理模型中使用了HSI而非RGB彩色空间，在寻找消失点和分割天空区域时，不是依靠人眼的主观选择，而由该改进算法自行完成，有一定的自适应性。MATLAB仿真结果表明，该算法处理效果有了进一步的提高．有较强的应用价值。