基于自适应阈值分割与透射率融合的图像去雾算法

利用暗通道先验去雾算法处理包含大块亮白区域的图像时,存在图像失真的问题。为此,提出一种改进的的单幅图像去雾算法。利用基于图像子块平均灰度值和标准差的四叉树分解方法得到大气光估值,通过图像暗通道直方图分布自适应计算分割阈值,据此将图像划分为亮白区域与非亮白区域。根据图像的灰度分布数据计算权重因子,将其融入透射率以提高图像边缘的平滑度。在此基础上,应用大气散射模型恢复无雾图像。实验结果表明,该算法能够有效解决天空区域色彩失真的问题,所得图像视觉效果明亮自然,图像交界景深突变处也较为平滑。     

结合天空分割和局部透射率优化交通图像去雾算法

针对现有的去雾算法在处理交通场景图像时由于透射率估计与实际情况偏差较大,尤其交通图像含有天空区域时容易导致色彩失真和产生光晕效应等问题,在暗原色先验理论的基础上,提出一种结合天空分割和局部透射率优化的交通图像快速去雾算法。首先,采用大津算法(OTSU)将原始图像分割为天空区域与非天空区域;其次,对非天空区域,利用最大值滤波和引导滤波对其透射率进行优化,采用自适应参数调整的方法对天空区域的透射率进行修正;最后,对复原的图像利用限制对比度自适应直方图均衡法(Contrast Limited Adaptive Histogram Equalization, CLAHE)调整色调,提高亮度。实验结果表明,对于天空区域,本文算法不但能有效减少产生颜色失真和光晕效应的现象,得到更为自然清晰的复原结果,对于非天空区域,复原结果的清晰度和对比度更高,而且,算法保持较高的运行效率,另外,去雾后的图像在方差、平均梯度、信息熵等指标上相对于暗原色先验算法、Tarel算法、Meng算法、Zhu算法和Berman算法均有所提升。本文方法可较好地复原雾天交通图像,能为雾天模糊的交通图像快速有效去雾复原提供重要有益的理论基础和技术支持。     

图像去雾的最新研究进展

随着计算机视觉系统的发展及其在军事、交通以及安全监控等领域的发展, 图像去雾已成为计算机视觉的重要研究方向. 在雾、霾之类的恶劣天气下采集的图像会由于大气散射的作用而被严重降质, 使图像颜色偏灰白色, 对比度降低, 物体特征难以辨认, 不仅使视觉效果变差, 图像观赏性降低, 还会影响图像后期的处理, 更会影响各类依赖于光学成像仪器的系统工作, 如卫星遥感系统、航拍系统、室外监控和目标识别系统等. 因此, 需要图像去雾技术来增强或修复, 以改善视觉效果和方便后期处理. 本文归纳总结了两大类图像去雾方法:基于图像增强和基于物理模型的方法, 深入探讨了其中的典型算法和研究成果, 并对这些算法的测试结果进行了定性和定量的分析比较, 最后总结了图像去雾技术目前的研究状况和未来的发展方向.     

基于颜色饱和度的快速图像去雾研究

在雾霾天气条件下,室外场景图像往往会产生严重退化,造成图像对比度的下降和颜色的衰减。为得到清晰无雾的图像,从单色大气散射模型出发,提出一种基于颜色饱和度的快速图像去雾算法（FIDS）。首先,大气光亮度[A]通过四叉树方法进行估计,接着采用饱和度运算对透射率进行估计,并对其修正和平滑保边得到较精确的大气透射率,最后基于大气散射模型获取最终的去雾图像。对比实验结果表明该算法能提高图像的清晰度和运算效率,很好地恢复图像的颜色和对比度。     

基于饱和度运算的快速图像去雾算法

在雾、霾等恶劣天气条件下,大气介质中悬浮粒子的散射和吸收作用会严重退化户外拍摄的图像,造成图像识别率降低.从单色大气散射模型出发,提出面向视觉感知的HSV颜色模型定义饱和度的新算法,估计大气光亮度A;利用饱和度运算估计透射率函数进而恢复场景反照率;最后经直方图拉伸得到最终的复原图像.实验结果表明,改进算法能有效地复原场景的对比度和颜色,提高图像的视觉度和计算效率.     

基于图像分割的交通图像快速去雾算法

现有去雾算法较少考虑交通图像的特征,直接应用于交通图像去雾效果和实时性较差。针对这一情况,在充分分析了雾天交通图像特征的基础上,提出一种基于图像分割的交通图像快速去雾算法。算法首先采用改进的均值漂移算法分割出天空区域,然后在天空区域中较准确的估计出大气光强度值,最后采用基于双边滤波器的改进暗原色先验（DCP）算法实现去雾,并结合雾天交通图像的特征对去雾图像进行了后处理,增强了去雾效果。实验结果证明该算法实时性高且去雾效果好,在交通图像去雾方面所提出的算法的综合性能优于现有的同类去雾算法。     

基于暗原色先验的图像快速去雾

针对雾天图像饱和度和对比度较低,提出一种基于暗原色先验和透射率权值的改进算法。估计大气光的取值范围,根据该范围确定大气光值,通过判定因子区分出暗原色失效区域;对该区域透射率进行基于透射率权值因子的调整;采用快速引导滤波细化透射率,并结合大气散射模型恢复图像。该算法能在去雾过程中对可调参数进行自适应选取。实验结果表明,该算法效率较高,且复原的图像细节丰富、颜色自然,视觉效果提升的较为明显。     

基于天空分割的单幅图像去雾算法

针对暗通道先验算法在天空区域失效和复原图像色彩变暗的问题,提出一种基于天空分割的图像去雾算法。首先,采用基于边缘检测的分割算法将原始图像区分为天空区域和非天空区域;其次,在暗通道先验算法的基础上,改进对大气光和透射率的估计方法,进而对非天空区域采用改进的暗通道先验算法去雾;最后,利用基于成本函数的对比度增强去雾算法处理天空区域。实验结果表明,去雾后图像在方差、平均梯度、信息熵等指标上相对于暗通道先验算法均有较大提升,所提算法在保持较高运行效率的同时,能有效避免天空区域的Halo效应,还原真实的景物色彩。     

快速图像去雾新方法

由于原始Koschmieder模型中的变量都无法获得精确解,其求解是一病态问题,结合大气退化模型提出了一种弱化的Koschmieder模型,并基于该模型提出了一种快速图像去雾新方法。该方法避免求解晴天时所获图像的场景色度、大气传递效率和场景景深,与Dark-Channel方法相比,在速度上取得了较大提升,同时能够保持场景的颜色恒常性,而且在提升图像对比度上得到了近似甚至更好的效果。     

基于双边滤波的图像去雾

目的在雾、霾等天气下,获取的图像受到大气粒子散射的影响而严重降质。针对这一问题,提出了一种基于双边滤波的单幅图像去雾算法。方法此算法是以大气散射模型为基础。首先利用双边滤波保持边缘的平滑特性得到准确的大气耗散函数。其次,针对明亮区域失真的问题,本文提出了弱化明亮区域去雾的方法。最后,通过变换大气散射模型得到清晰的无雾图像。结果大量实验结果表明,本算法恢复的图像清晰自然,尤其是在远景处和景深突变的边缘处的处理能取到很好的去雾效果。此外,其时间复杂度为图像大小的线性函数。结论针对雾、霾天气下的降质图像,基于大气散射模型与双边滤波特性,本文提出了一种新的单幅图像去雾算法。实验结果表明,本算法能获得很好的去雾效果,尤其在细节处理的表现优于Tarel的去雾算法。同时,与He Kaiming的去雾算法相比,运行时间具有明显优势,有利于实现实时性技术应用。     

基于主分量分析和大气散射模型的彩色图像雾霾快速去除算法

为去除彩色图像中的雾霾,提出了一种基于主分量分析(PCA)和大气散射模型的快速去除彩色图像雾霾的算法。首先,提取彩色图像三个颜色通道的主分量,并用最大主分量重构三个颜色通道,并在重构后的三个颜色通道中取最小灰度值构成最小重构映射(MRM);然后,用中值滤波器对MRM滤波,以提高估计全局大气光的准确性,接着在MRM中估计全局大气光;最后,根据大气散射模型求解介质透过率和场景辐射度(去除雾霾后的图像)。实验结果表明,所提算法在视觉效果上取得了较好的复原结果,与暗原色去雾算法和对比度受限自适应直方图均衡算法相比,所提算法运算效率更高,同时该算法简单、易于实现,能较快去除彩色图像中的雾霾。     

基于暗原色先验的图像快速去雾

目的 针对暗原色先验去雾算法出现的边缘残雾、天空色彩失真以及速度较慢问题,提出一种快速有效的图像去雾算法。方法 舍弃传统分块的思想,采用逐像素处理的方法估计透射率,并对估计值过低的透射率进行适当的增强。大气光采用效率更高的四叉树算法来求解。结果 有效地解决了边缘残雾和天空色彩失真问题,相比其他算法,去雾后的视觉效果有所提升。透射率和大气光的求解速度都得到一定程度的提高,去雾速度是暗原色先验去雾算法的近4倍。结论 实验结果表明,本文算法在保证良好去雾效果的前提下能大幅提升去雾的效率,节省去雾所花费的时间。对于大部分有雾图像,本文算法都能够达到较好的去雾效果,但在处理具有较大景深的图像时,远景部分的去雾效果欠佳。鉴于速度上的优势,本文算法适用于对实时性要求比较高的去雾场合。     

基于自适应分割的多曝光图像融合算法

针对传统多曝光图像融合存在颜色和细节信息保留不完整的问题,提出了一种新的基于自适应分割的多曝光图像融合算法。首先,采用超像素分割将输入图像分割为颜色一致的图像块,再利用结构分解将图像块分解为三个独立分量。根据各分量特点设计不同融合规则,以保留源图像中的颜色和细节信息。然后,采用引导滤波平滑各分量的权重图以及信号强度分量和亮度分量,有效地克服块效应缺陷,保留源图像中的边缘信息,减少伪影。最后,重构融合后的三个分量,得到最终的融合图像。实验结果表明,与传统的融合算法相比,所提算法在互信息（MI）上平均提升了53.6%、标准差（SD）上平均提升了24.0%。该算法能够有效地保留输入图像的颜色和细节纹理信息。     

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。     

基于薄云厚度分布评估的遥感影像高保真薄云去除方法

针对遥感影像薄云去除易出现地物失真的问题,在传统加性云污染模型的基础上提出了一种改进的薄云去除方法,即基于薄云厚度分布（HTM）评估的高保真薄云去除方法。首先,基于传统的加性薄云去除算法得到HTM,用整个HTM减去HTM中无云区域的平均值,使得HTM满足无云区域的薄云厚度接近于零;然后,对降质影像中的蓝色地物独立估计薄云厚度;最后,用降质影像减去最终优化的不同波段的薄云厚度得到无云影像。对多幅分辨率不同的光学遥感影像进行实验,实验结果表明,所提算法有效解决了蓝色地物失真严重的问题,改进了降质影像的薄云去除效果,提升了在无云区域的数据保真能力。     

单幅图像自动去雾新算法

针对雾天拍摄图像的退化现象,提出一种针对单幅图像的自动去雾新算法。该算法先将有雾图像从RGB转换到YCbCr颜色空间后,再在亮度分量上进行多尺度Retinex处理,所得的亮度图在图像清晰度评价指标的调控下经过反色变换和中值滤波即可求得传播图,并进一步得到清晰化后的复原图像。实验结果表明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

具有颜色保真性的快速多尺度Retinex去雾算法

针对MSR算法在图像去雾应用中存在颜色失真现象且计算量大的问题,提出一种具有颜色保真性的快速MSR去雾算法。通过将MSR算法对RGB三个颜色通道的处理转变为仅对暗原色单一通道进行处理,避免了对颜色通道间色调相关性的影响,实现颜色保真,同时大大减少了算法执行时间。实验结果表明该算法克服了MSR去雾算法的颜色失真问题,能够有效提升图像的对比度和饱和度,实现图像快速去雾。     

基于大气面纱优化和透射率修正的图像去雾

基于中值滤波的图像去雾算法不能有效去除细小边缘处的雾,且天空区域容易出现颜色失真问题。因此,提出了一种基于大气面纱优化和透射率修正的单幅图像去雾算法。首先基于阈值分割提取天空区域,并降低各颜色通道最小值图像中对应区域的灰度值,然后使用加权引导滤波得到优化后的大气面纱,从而得到较为准确的透射率,最后由大气散射模型得到复原图像。相比于其他算法,该算法在优化大气面纱的同时修正了透射率,在边缘处的去雾效果更加明显,同时解决了天空区域的色彩失真问题。     

基于融合的微光云图的云分割

首先应用基于变分的图像融合方法对DMSP气象卫星夜间微光云图和红外云图进行融合,在此基础上应用快速C-V模型图像分割方法对图像进行分割,将云分割出来。结果显示,与源图像相比,融合图像中包含了更多的关于云的信息,云体清晰度提高,纹理细致。在此基础上云体分割比较完整,比直接在各通道图像中进行分割的效果优越。