暗通道先验

摘要： 针对传统暗通道先验算法去雾后存在去雾不彻底、景物边缘出现光晕效应以及处理速度慢等问题,提出一种基于底帽变换与图像融合的图像去雾算法。首先对雾图进行降采样,加快算法处理速度;然后根据底帽变换可以取得较好轮廓图的特点,将最小通道图进行底帽变换并与其灰度反转图进行图像融合,从而优化暗通道图像边缘;将经过双边滤波和开、闭运算后的透射率与改进暗通道得到的透射率进行融合,实现对透射率的精确估计,之后使用导向滤波精细化透射率;最后利用大气散射模型得到去雾后的图像。实验结果表明,该算法处理后的图像峰值信噪比(PSNR)和结构相似度(SSIM)分别提高了4.3%和8.5%,处理时间减少了98.5%。

摘要： 针对雾霾天气下采集的图像存在细节丢失和对比度较低的问题,提出了基于改进暗通道先验的图像去雾算法。现有的图像去雾算法仍然受到颜色失真和亮度偏暗的困扰。而改进算法首先通过四叉树搜索算法来估计大气光候选区域,提高了大气光值估计的准确性,降低了大气光候选区域定位在亮白色物体上导致去雾后的图像出现颜色失真的情况。其次,将去雾后图像转为HSI颜色空间,对亮度进行限制对比度自适应直方图均衡化处理,有效的改善了去雾后图像亮度偏暗的问题,并且更加凸显图像的细节。最后,在真实有雾图像上的实验结果表明,改进算法具有较好的去雾效果并且亮度更自然。

摘要： 针对图像去雾算法在天空和景深突变区域的失效问题,文章提出一种天空识别与加权引导滤波的图像去雾算法。首先针对透射率与纹理无关的情况,利用改进的4-RTV模型平滑有雾图像,并将其作为引导图像;其次运用自适应加权引导滤波细化透射率,获取更清晰的边缘细节;最后结合天空识别的结果对透射率进行修正。实验结果表明:相比一些经典的去雾方法,该算法有效地去除了图像景深突变处的雾点,抑制了边界处光晕效应,解决了天空区域出现的失真现象。

摘要： 针对天气变化及光照不足导致的奶牛监测图像降质问题,提出一种基于双域分解的复杂环境下奶牛图像增强算法。该算法首先采用双域滤波图像去噪,将输入图像分解为低频图像和高频图像;其次根据贝叶斯估计得到不同高频图像的小波阈值,利用改进的Garrote阈值函数进行小波去噪,并结合伽马变换对去噪的高频图像进行矫正,实现对高频图像的滤波和对比度调整;再次通过暗通道先验对低频图像进行去雾,并结合对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法对去雾后整体偏暗的低频图像进行增强,进一步提高图像的对比度和整体亮度;最后将处理后的高频图像和低频图像进行重构,得到最终的增强图像。以不同时段光照、复杂气象条件下实地拍摄的奶牛场监测图像为样本,采用主观视觉和客观评价将该算法与现有算法进行试验对比。结果表明,该算法能够对复杂光照下奶牛图像有效去噪、增强整体和细节信息、改善图像视觉效果等,相比于HE算法、Retinex算法、CLAHE算法、自适应Retinex算法,标准差分别平均提高1.9295、4.6812、3.2450、0.5330,峰值信噪比平均分别提高0.5260、-13.7775、-0.4690、1.1975,信息熵值平均提高0.1555、0.5397、0.0297、0.5905,结构相似性平均提高0.0052、-0.0827、0.0588、0.0463,可实现不同时段和复杂气象条件下的奶牛监测图像增强,为基于机器视觉的奶牛行为自动识别奠定良好的基础。

摘要： 为提高高速公路多雾路段雾天下视频监测范围及交通参数采集精度,本文构建了基于暗通道先验、背景差分的组合算法,对雾天视频图像进行去雾处理和目标检测,以提升高速公路多雾路段雾天下视频监测能力,并在杭州湾跨海大桥浓雾场景下(能见度≤50m)进行了算法验证。研究结果表明,本文提出的组合算法在雾天环境下车辆检测效果良好。

摘要： 能见度监测是交通出行安全的重要保障,尤其对机场和高速公路的大范围低能见度的监测和预警更为重要。在传统人工目测方法的基础上,以激光透射能见度仪为代表的仪器测量方法更为准确,但存在探测范围小、维护成本高、全覆盖耗资大的局限性。为了克服以上缺陷,使交通能见度的估计更为灵活、高效,本文基于机场气象站点观测数据、机场大雾以及高速公路低能见度图像,构建优化三种不同场景下的能见度估计模型,并探讨了不同模型的适用性。1)基于气象站点观测的能见度估计,运用相关系数矩阵和特征重要性分析筛选出相对湿度、温度、水平风速3个变量,并考虑昼夜分别构建三元三次多项式拟合模型,模型的决定系数(R^(2))可达0.9以上;2)基于机场大雾图像的能见度估计深度学习模型,利用尺度不变特征变换方法提取图像关键点的特征向量,输入全连接神经网络(fully connected neural network)模型,加快训练过程并提高模型的可解释性;3)基于高速公路图像的能见度估计的反演模型,根据暗通道先验理论和能见度测量基本方程,计算大气光亮度和透射率,并根据图像距离信息得到单目图像的能见度,该方法无须预置目标物和像机参数,也不需要训练样本。本研究考虑了基于气象观测的物理模型与基于图像特征的深度学习方法,建立分别适用于具有机场常规气象观测,以及机场大雾低信噪比图像或高速公路低能见度单目图像时对交通能见度的估计,有效降低了能见度监测对观测仪器的依赖性。

摘要： 针对光学遥感成像结果受噪声和雾霾影响而劣化的问题,提出了一种结合多帧融合降噪和暗通道先验法去霾的快速降噪去霾算法.针对星载计算机主频较低,算力有限的特点,本文在降噪阶段,将传统多帧融合算法的逐像素配准改为两级配准,在全局和局部分别使用绝对误差和(SAD)与相位相关配准;提出了一种基于配准结果的配准质量评价新方法,减少了评价时间;在去霾阶段,用高斯核与透射率模版卷积,替代了传统的精细化方法.实验结果表明,采用本文提出的算法可以使图像平均峰值信噪比(PSNR)提升8.97 dB,通过计算量优化,去霾耗时减少了73.41%.

摘要： 在水下成像过程中,水中悬浮颗粒引起光在传播过程中的散射和衰减,造成图像模糊与色彩失真等降质现象。针对这种情况,提出了一种水下图像增强算法。该算法从图像成像模型出发,结合暗通道先验,获得深度图,再对水下图像的暗通道图像与自适应均衡处理图进行光补偿后进行多尺度融合,实现图像增强。实验结果显示,所提算法能够增加图像的清晰度与对比度,对色偏也有一定修正效果,可以获得较好的增强效果。

摘要： 暗通道先验去雾算法处理图像易出现局部失真问题,针对这一现象,提出一种单幅户外图像去雾算法。首先,利用四叉树分解的方法得到准确的大气光估计值;然后,结合暗通道图像的直方图分布特征,利用最大化类间方差策略自适应的估计暗通道图像分割阈值,并以此为先验知识优化透射率;最后,使用Gamma矫正提升图像整体对比度。实验表明,该算法能够有效地避免暗通道先验算法在天空区域失真的问题,对比其他算法,恢复图像视觉效果良好,客观评价指标均有所提升。

摘要： 为解决液压支架工长时间作业过程中,因身体疲劳不能及时发现护帮板未护帮的问题,采用实时性高的Tiny-YOLOv3算法检测护帮板状态,但检测任务会受到综采工作面尘雾的影响。因此,提出一种融合图像去雾与Tiny-YOLOv3的目标检测算法,并在此基础上优化图像去雾算法的CUDA实现,首先将暗通道图像用RGB单通道图像代替,然后按列分组求大气光值,合并初始透射率的kernel函数并优化精细化透射率计算方式,提升图像去雾速度,保证算法的实时性。实验结果表明,在煤矿护帮板状态检测场景中,融合算法比Tiny-YOLOv3算法的准确率提高了22.8%,且满足实时检测的要求。

摘要： 为了解决沙尘暴环境下拍摄的图像中存在的颜色偏移、对比度低等降质问题,提出基于偏色校正和信息损失约束的沙尘降质图像增强算法,主要包含偏色校正和对比度增强2个模块.在偏色校正模块中,通过分析沙尘降质图像的RGB三通道直方图分布特点,提出一个改进的基于高斯模型的偏色校正算法.在对比度增强模块中,通过结合基于暗通道先验和信息损失约束方法,提出一种基于大气散射模型的对比度增强算法.为了验证本文算法的有效性,通过与4种已有方法的大量实验结果对比发现:该算法不但能够很好地增强不同种类的沙尘降质图像的对比度,而且可以有效地避免图像偏色现象并且保持良好的色彩保真度和合适的亮度.

摘要： 提出一种基于码本模型和多特征融合的火灾烟雾检测算法.首先,利用码本模型提取出视频中运动的前景像素;然后,结合暗通道先验知识对前景像素进行过滤,消除部分干扰像素;最后,统计疑似烟雾区域的颜色直方图、纹理直方图和边缘方向直方图特征,利用多特征融合的方式加以分类识别.通过多个视频场景测试结果表明,该算法具有良好的烟雾检测能力和抗干扰能力.同时可以基本满足实时性的要求,具有一定的实际推广价值.

摘要： 空气污染导致的雾霾是越来越严重了.雾霾会使图像产生失真,所以需要利用图像去雾技术来提高图像的主观质量.本文提出了一种新的利用大气散射模型和暗通道先验,在透射率空间中利用引导滤波计算大气散射图对图像进行去雾的方法.另外,对天空区域的计算和透射率阈值的确定方法也进行了改进.通过增强结果图的对比度和调整亮度,进一步降低了失真.最后为验证效果,将图像加雾,并采用主观质量评价和以SSIM作为客观标准,用数理统计方法比较了各相关算法的性能.实验表明,所提算法有效地降低了图像的失真,使去雾图像有较高的主观质量.

摘要： 基于暗通道先验的图像去雾算法能直接估计图像的透射率,获得清晰的去雾图像,是目前主流的去雾算法.但该算法对天空等明亮区域的透射率估计过低,易出现颜色失真和伪轮廓.针对这一问题,提出了一种改进的透射率估计算法.先分别由图像的暗通道和各像素的RGB通道的最大值计算2个透射率矩阵,然后将2个透射率矩阵融合后进行引导滤波,获得精细的透射率,有效地解决了明亮区域的透射率估计问题.实验表明该算法去雾效果更好,天空等区域过渡自然,不易颜色失真.

摘要： 雾霾是造成户外场景采集的图像对比度低、清晰度退化的重要因素,通过对现有单幅图像去雾算法进行研究,提出了一种基于加权最小平方滤波(WLS)的图像去雾方法.该方法在通用大气散射物理模型的基础上,利用灰度腐蚀和四叉树进行改进大气光估计,又根据RGB图像颜色空间转换与暗通道先验知识通过WLS多次融合滤波恢复大气幕参数,进而通过反变换获得大气传输函数来复原图像.本文从从图像的可见边数目比、平均梯度比、峰值信噪比、均方误差评价指标进行实验仿真.实验结果表明,该方法能够有效地恢复图像的清晰度、对比度和细节信息,尤其是近景的处理优于经典的He方法以及Tarel方法.

摘要： 本发明公开了一种基于暗通道和亮通道先验的图像去雾方法，基于退化图像的物理模型建立大气光散射模型，将大气光值作为全局变量，然后结合暗通道和亮通道对大气光散射模型进行先验估计得到大气光值，根据大气光散射模型和获取的大气光值得到粗透射率，以获得更加精准的数据，然后通过原图像的灰度图像作为引导图进行引导滤波来细化透射率，既保留了景深的边缘信息，又降低了算法的时间复杂度，最后根据自适应透射率补偿函数进行自适应调整得到透射率，不需要对天空区域分割，以避免明亮区域的色彩失真问题，提高了算法的自适应性。本发明有效解决了有雾图像恢复时明亮区域色彩的失真问题，去雾效果自然，并且图像的对比度得到了显著提升。

摘要： 本发明涉及一种基于暗通道先验与亮通道先验的图像去雾方法，属于图像处理领域，包括以下步骤：S1：获取图像中各处大气光值有变化的大气光图；S2：对图像暗通道先验失效区域进行判定，并选择亮通道图对暗通道失效区域透射率进行补偿；S3：将大气光图和透射率代入改进的大气散射模型公式计算出无雾图像。本发明用一个各处大气光值有变化的大气光图来代替单一的大气光，并对暗通道先验失效区域进行鉴别和自适应补偿该区域透射率，去雾后整体色彩明亮，天空区域无失真现象，细节清晰，有效改善了暗通道先验去雾算法的不足。

摘要： 本发明公开了一种基于暗通道先验的雾霾融合方法，包括如下步骤：建立浓雾图像数据库、薄雾图像数据库、无雾图像数据库；从浓雾图像数据库中提取图像进行暗通道算法处理得到第一透射图，再引入修正消光系数alpha得到第二透射图；从浓雾图像数据库中提取图像，将图像转化为HSV色系，得到对应的一维亮度矩阵；将第二透射图和一维亮度矩阵分别输入改进的大气物理模型，再将无雾图像数据库中的图像输入改进的大气物理模型，得到融合雾霾图像。本发明创造性地使用浓雾HSV色系亮度矩阵代替传统大气物理模型基于待加雾图像进行大气光照亮度估计弥补了传统算法将其视为一个单值常数造成的伪影、色差等不足，使得融合后的雾更加自然。

摘要： 本发明公开了一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法。首先，中枢节点获取能完成遥感图像协同去雾处理任务的其他节点的信息，并将待去雾遥感图像分割成图像块并依序分发至各节点；其次，根据暗通道先验及最小值滤波窗口大小，进行毗邻子节点间边界扩展模型数据的传输，生成扩展滤波边界的暗通道图；然后，各节点发送暗通道图的灰度分布直方图信息至中枢节点，中枢节点据此计算总体大气光均值并广播至各节点；各节点根据接收到的总体大气光均值和导向滤波所求得的精细化透射率进行图像块去雾，并将去雾处理后图像块发还给中枢节点；中枢节点将接收到的所有去雾后图像块拼接成去雾后遥感图像。

摘要： 本发明涉及一种基于暗通道先验与亮通道先验的图像去雾方法，属于图像处理领域，包括以下步骤：S1：获取图像中各处大气光值有变化的大气光图；S2：对图像暗通道先验失效区域进行判定，并选择亮通道图对暗通道失效区域透射率进行补偿；S3：将大气光图和透射率代入改进的大气散射模型公式计算出无雾图像。本发明用一个各处大气光值有变化的大气光图来代替单一的大气光，并对暗通道先验失效区域进行鉴别和自适应补偿该区域透射率，去雾后整体色彩明亮，天空区域无失真现象，细节清晰，有效改善了暗通道先验去雾算法的不足。

摘要： 本发明公开了一种改进暗通道先验和策略性融合的图像去雾方法。本方法首先依据暗通道先验原理得到多尺寸最小值滤波窗口下的透射率和对应的大气光值，设计出一种基于结构相似性指标的调节因子和侧重因子，用于多透射率拟合的方法；其次，利用非线性规划模型和偏度理论，计算全局的大气光值，引入并调整置信度图，对天空区域的透射率进行快速补偿，结合大气散射模型恢复出去雾图；最后，反解大气散射模型，转换成HSV模型对亮度V空间增强，并用基于置信度图特性的策略对增强前后的图像进行融合。本方法去雾效果好，避免了光晕效应和颜色失真，能够复原并增强场景细节和色彩，同时不损失图像去雾真实性。

摘要： 本发明提出一种基于暗通道先验去雾算法处理行车记录仪实时视频图像的快速去雾算法，提高在雾霾环境下的图像复原效果，在一定程度上保证时间性能，属于智能交通领域。其包括以下步骤：1)设置天际线，选择去雾区域，并对去雾区域进行下采样；2)计算图像选取区域下采样后的暗通道，并对暗通道进行平滑处理；3)根据暗通道使用高斯滤波估计局部大气光并计算透射率；4)将估计得到的大气光亮度和透射率进行上采样，对选取区域进行去雾计算；5)在对视频图像进行去雾处理时，在计算一帧的去雾参数后保留该参数，对当前图像进行去雾计算得到去雾后的结果图像，并对接下来的时间上连续的若干幅图像使用相同的去雾参数进行去雾计算。

摘要： 本发明公开了一种基于暗通道先验的无人机航拍图像去雾与增强方法，图像方差和绝对梯度均值相结合，得到权值系数，并利用多重分解形式对边缘像素进行平滑处理；引入卷积神经网络来计算雾霾中的大气透射率；采用暗通道先验算法来增强航空摄影图像的光色差，实现航拍图像的去雾增强。本发明具有较好的去雾效果、对比度高、时间短，并具有明显的应用优势。

摘要： 本发明公开了一种改进的暗通道先验去雾算法，步骤为：将瑞利散射理论用于改进大气光的估计值；采用基于主动轮廓模型的分割方法分割天空区域，得到天空区域和非天空区域；采用不同尺寸的滤波来估计暗通道值；对透射率的求取进行简化，提高算法的处理速度。本发明首先在原来的暗通道先验去雾算法的基础上，加入瑞利散射理论改进大气光的估算方法，然后将雾图分割为天空和非天空区域，对不同滤波尺寸的暗通道图进行融合得到融合暗通道，最后简化透射率的求解过程来提高算法的运行速度，增强实时性。

摘要： 本发明公开了一种基于暗通道先验算法的水下机器人图像复原方法，首先基于暗通道先验算法构建了简化的水下成像模型，然后基于灰度世界假设理论，对RGB三通道进行颜色校正，再使用自适应曝光算法补偿颜色失真，输出复原的图像；并且将UDCP法、利用新的水下光学模型推导出的增强算法与本发明提出的改进的暗通道先验和颜色校正的水下图像复原方法进行比较分析。本发明可以有效地提高水下图像的对比度并且改善水下图像的颜色失真，可以应用于实际水下场景中。