图像去雾算法综述

由于气候变化、空气污染等原因,含雾图像的产生不可避免。对含雾图像进行去雾处理是消除雾对图像的不良影响,进而获得细节纹理等方面高质量的清晰图像。首先,主要就图像增强、物理模型和深度学习三个方面对图像去雾算法的研究现状进行系统的归纳总结,包括各类去雾算法的优缺点分析。其次,指出去雾算法的问题所在。最后,提出去雾算法的前景展望。     

单幅图像去雾算法研究综述

随着图像处理技术和计算机视觉技术的蓬勃发展,对特殊天气下的场景检测和图像处理成为该领域的重要研究方向.其中在雾天拍摄的图像容易受雾或霾的影响,导致图片细节模糊、对比度低以至于丢失图像重要信息,为解决此类问题图像去雾算法应运而生.图像去雾算法是以满足特定场景需求、突出图片细节并增强图片质量为目的的一种图像分析与处理方法....     

野外视频监控图像去雾算法研究

在野外雾天环境下,由于大气粒子的散射作用导致图像降质严重,直接影响图像的视觉效果和应用价值,因此有必要对雾天图像进行去雾处理,以提高雾天图像的清晰度和保真度。为此,提出一种野外视频监控图像去雾新方法。基于暗原色先验去雾的原理,采用区域生长算法准确快速估计雾天图像的深度信息,应用雾天图像物理模型对图像去雾处理,并进行亮度补偿。实验结果表明,该算法能有效改善雾天图像的质量,大幅提高运算速度。     

图像去雾透射率的优化算法

在雾、霾等天气条件下,大气粒子的散射作用导致图像严重降质。本文提出一种简单快速的基于物理模型的 图像去雾新算法,对大气散射模型进行化简,得到新的去雾模型。然后,利用暗原色先验方法估计大气光值A,并代入新的简 化模型,得到去雾图像。实验表明,该算法在处理速度和去雾效果上都优于现有算法。     

有损压缩的视频图像去雾算法

传统的去雾算法对一般工业采集的有损压缩视频图像进行去雾,不仅不能满足实时性要求,而且会形成许多不规则区域,造成去雾后出现很多颜色不均匀的杂点区域,去雾效果不理想。文中提出利用小波变换可将图像分成高频和低频子带这一显著特点来帮助找出这些不规则区域,从而对不规则区域的透射率进行处理,再采用暗原色先验算法实现图像复原以后,消除颜色不均匀现象,最终对有损压缩图像获得理想的去雾效果。同时针对传统暗原色先验方法中的抠图算法需要耗费大量运算的问题,提出结合线性内插值平滑和阈值复原的方法代替抠图算法,有效减少存储容量,缩短计算时间,提高算法的实时性。仿真结果证明文中算法的有效性。     

图像去雾技术研究综述与展望

图像去雾技术是图像处理和计算机视觉领域共同关心的重要问题。通过从图像处理和物理模型的研究角度对图像去雾技术进行综述,综合了近年来提出的典型的图像去雾方法的基本原理和最新研究进展,并对一些典型的及最新提出的去雾方法,给出了其视觉上的去雾效果和客观的评估数据。最后展望了图像去雾技术的未来研究方向,并给出了一些建议。     

一种自适应的图像去雾算法

基于图像暗通道先验规律的图像去雾算法是当前一种比较先进的基于模型的图像去雾算法,但也存在一些缺陷和不足,例如:算法计算量较大,处理时间较长;可能出现去雾失败现象。针对此类问题,提出一种自适应的图像去雾算法,使用基于暗点优先膨胀算法提高图像暗通道计算速度;采用引导式滤波算法快速细化透射图,改善了"白边(halo)"现象;根据图像本身的特征自适应地计算去雾参数,有效减少去雾失败的现象。实验结果表明,该算法可以动态地适应图像的特征,自适应地调整相关参数,计算效率和效果更好,可以满足视频去雾的需求。     

图像去雾算法研究综述

随着人工智能技术的不断发展,计算机视觉在各个领域有着广泛的应用。然而这些应用作用在有雾图像上,其性能将受到严重的影响。为解决此类问题,图像去雾算法研究已受到较多研究者的关注。图像去雾算法是为了处理有雾受损场景、获取细节增强的图像预处理结果图的处理方法。为了研究图像去雾算法的发展现状,将对传统图像处理去雾算法和深度学习去雾算法进行分类。在此基础上,介绍不同算法的优缺点,并总结图像去雾算法的发展展望。     

一种基于多尺度Retinex算法的图像去雾方法

在有雾天气条件下拍摄的图像,由于大气的散射作用,导致图像的内容模糊不清,对比度下降,给交通系统及户外视觉系统的应用带来严重的影响。通过改进大气物理退化模型,在多尺度Retinex算法MSR(Multi-Scale Retinex)的基础上,提出一种新的去雾方法。该方法根据雾天成像机理对图像建立模型,再根据MSR算法对建模后的图像进行处理。实验表明,该方法能有效去除雾化效果,实现彩色退化图像的复原。     

一种简单快速的图像去雾算法

在雾、霾等天气条件下,大气粒子的散射作用导致捕获的图像严重降质。提出一种简单快速的基于物理模型的图像去雾新算法。首先从雾形成的角度出发,考虑到传播图像的低频性和单通道性,对大气散射模型进行变型化简,得到新的去雾模型。然后,利用暗原色先验方法估计大气光值A,并带入新的简化模型,得到去雾图像。方法不需要求取过多的变量,只需要求取大气光值A,大大提高了算法的效率。最后大量实验表明,该算法无论在处理速度还是去雾效果上都优于现有算法。     

基于HSI颜色空间的单幅图像去雾算法

针对有雾图像对比度差、能见度低的情况,结合HSI颜色空间特点,提出一种单幅图像去雾算法。首先,将有雾图像从RGB颜色空间转换到HSI颜色空间;然后,依据HSI颜色空间中色度、饱和度和亮度各分量受雾影响程度的差异,建立相应的去雾模型;最后,通过分析图像饱和度,得到饱和度模型中权重的取值范围,再对亮度模型中权重进行估计,从而实现去雾效果。与其他几种算法的实验结果比较表明,所提算法运算效率提高1倍左右。同时该算法能有效增强图像清晰度,能很好地运用于单幅图像去雾。     

单一图像的快速去雾算法

为了改善雾天环境下退化图像的视觉效果,结合雾天成像模型和暗原色先验的规律,提出了一种快速的单一图像去雾算法。利用暗原色先验对大气参数进行估计,选取图像中满足条件的像素点进行透射率的估计,在此基础之上利用多元线性回归分析得到回归方程,并据此计算图像中其它像素点的透射率,从而大大减小了图像透射率估计运算量,最后根据大气参数和透射率计算得到清晰化的图像。实验结果表明,该算法相对于传统的单一图像去雾方法具有处理速度快和效果好的特点。     

一种交互式图像去雾方法

在二色大气散射模型的基础上,根据雾对景物退化与景物深度的指数关系,采用交互方式,通过附加一些主观判断作为先验信息,从单幅图像中估计出景物深度,进行对比度增强,有效实现了彩色图像去雾。同时针对浓雾退化图像处理结果较暗的情况,进行了正态截取拉伸,提高了图像亮度,获得了较好的视觉效果。     

图像去雾算法的综述及分析

图像去雾是以满足特定条件下应用需求为目的,通过对有雾图像进行分析和预处 理,突出图像中的细节信息使之更加适合人机识别的一种图像预处理方法。在雾天条件下拍摄 到的图像因为雾霾的影响导致图像可能会存在细节丢失、对比度低的情况,将会影响图像后续 的分析识别工作。经归纳总结目前图像去雾算法的研究现状,主要包括基于图像增强、图像复 原以及卷积神经网络 3 类去雾方法及其改进算法,对其中的一些算法进行了实验、评价及优缺 点分析,并对未来的发展进行了展望,对算法中的难易点提出了一些参考的建议,促进了图像 去雾算法的进一步发展。     

基于DSP的图像去雾算法优化方法

带彩色恢复的多尺度视网膜皮层（ MSRCR）去雾算法是解决雾、霾等恶劣天气下拍摄的图像的对比度下降和图像特征退化问题的一类算法,可以有效改善图像的视觉效果,但由于算法复杂度较高,实时处理困难。通过时域到频域的转化和基于TM320DM642本身硬件特性对MSRCR去雾算法进行了优化,并通过模拟仿真,实现了1024×1024视频的实时处理,得到令人满意的视觉效果。     

改进的暗通道先验快速图像去雾算法

针对暗通道去雾算法复杂度过高的问题,提出一种基于暗通道的快速去雾算法。首先对图像分块处理,提高求取暗通道值的速度;接着采用线性插值算法平滑处理,消除块状效应;然后根据暗通道先验求得透射率;最终利用大气散射模型得到清晰无雾图像。实验结果证明,在保证良好去雾效果的前提下,相比原暗通道算法,所提算法复杂度被有效降低,去雾所需时间也降为原来的1/10左右,达到准实时。     

改进的彩色图像去雾效果评价方法

针对当前对图像去雾效果评价的不足,提出了一种改进的评价彩色图像去雾效果的方法。该方法同时考虑了对图像边缘的评价以及对颜色失真的评价,基于图像雾化的大气散射模型,通过将原始图像转换到相对色彩空间,提出了度量颜色失真的标准;结合对比度增强的评价方式,提出了一个统一的评价指标,从而实现很好地给出一个符合人眼视觉判断的客观评价结果。实验中基于多种去雾算法的去雾结果,对基于可见边比的评估方法、CNC评价指标和本文提出的评价指标进行了对比,结果表明本文改进的评价标准能更好地体现去雾的质量,获得与视觉判定更加接近的结论。     

消除光晕效应和保持细节信息的图像快速去雾算法

现有的基于大气散射物理模型的图像去雾算法,在去雾过程中大都无法避免的会产生光晕效应和细节丢失。针对这一问题,提出了一种消除光晕效应和保持细节信息的图像快速去雾算法。首先运用四叉树子矩阵划分的分层遍历方法得到更精确的大气光值,再通过分析大气散耗函数,利用融合梯度信息的改进引导滤波得到精确估计的大气散耗函数,并自适应的获取最小值图像与大气光平均值的阈值,求解出透射图,最后反演复原出无雾图像,并对复原后的图像进行亮度调整。对多组有雾图像进行了实验,本算法能有效地抑制去雾过程中产生的光晕效应,较多地保留了图像的细节信息,且运行时间大约减少了一倍。融合梯度信息的改进引导滤波不但可以较好地保留透射图的细节信息,有效地消除光晕效应,而且具有较好的鲁棒性和时间复杂性。本算法适用于交通等室外场景的去雾。     

基于物理模型的单幅图像对比复原算法

基于图像复原的去雾算法中参数的估计容易造成去雾图像场景信息的丢失,对此,提出一种图像去雾新算法。在暗通道先验的基础上,通过对大气散射模型的分析,总结出雾气分布对暗通道图像的影响,并依此对外景图像进行加雾操作,利用加雾后的参考图像与外景图像中各点的景深关系完成透射率的估计,进而达到去雾目的。算法利用物理模型和多幅图像实现参数的估计,能够更好地保留场景信息。实验结果表明,该算法不仅去雾效果优于对比算法,在处理速度上也有明显改善。     

基于马尔科夫随机场框架的单幅图像去雾*

雾或霾等天气会降低场景的能见度,给机器视觉的后续处理造成影响。针对图像雾霾退化的恢复、及现有基于马尔科夫随机场图像去雾算法的缺陷,提出了一种新的基于马尔科夫随机场和暗通道先验的图像去雾算法。该算法以雾天条件下退化模型为基础,通过介质传输图和原始无雾图像的约束条件,利用暗通道先验获取介质传输图的粗估计,构造MRF框架下的代价函数。为使去雾图像保持更多的纹理细节,引入纹理检测函数改进代价函数,最终求得去雾图像和介质传输图。实验结果表明,本文方法可以得到较好的去雾效果,同时保持较多的纹理细节和更快的运算时间。