基于暗通道先验去雾算法的研究与改进
基于暗通道先验的图像去雾算法改进研究
基于暗通道先验的图像去雾算法改进研究 摘要：暗通道先验去雾算法求得的的透射率比较精细， 去雾效果优于大多数去雾算法。然而在暗通道求取过程中， 最小值滤波的处理会使得暗色向外扩张，导致透射率扩张变 大，使得去雾后的图像在边缘部分产生“光晕”现象。为了 减弱光晕效应，利用形态学理论对粗略透射率进行腐蚀处理， 腐蚀掉扩张变大的透射率，然后使用容差机制修复不符合暗 原色先验的明亮区域透射率，再使用引导滤波精细化透射率， 最后利用去雾模型复原图像。实验表明，改进后的算法去雾 效果更佳、去雾速度更快，具有更强的鲁棒性。 关键词：暗通道先验去雾；腐蚀；引导滤波 DOIDOI：10.11907/rjdk.161089 中图分类号：TP312 文献标识码：A 文章编号：1672-7800（2016）005-0030-04 0 引言 雾霾天气不仅影响人们的出行，也给视频监控、自动驾 驶等涉及室外图像应用的领域带来了很大挑战，并引起了相 关研究人员的重视，如今已出现了不少研究成果。图像去雾 的研究方法可分为两大类，基于图像增强的方法和基于物理 模型的方法。早期图像去雾研究主要利用图像处理的知识来
去雾，Kim[1]提出对雾图进行局部直方图均衡处理的方法， 这种方法根据每个像素的邻域对像素进行处理，可以突出图 像的特征，但运算量较大，算法复杂度较高。Land[2-3]基于色彩恒常性提出了Retinex即视网膜皮层理论，其后出现了 一些基于Retinex的图像增强算法[4-6]，与其它图像增强算法相比，基于Retinex的图像增强算法处理的图像，局部对比 度相对较高，色彩失真较小。基于图像增强的去雾方法可以 利用成熟的图像处理算法来增强图像的对比度，突出图像中 的特征信息，但这种方法会造成图像部分信息损失，导致图 像失真。图像去雾的另一类是基于物理模型的方法，该方法 研究大气悬浮颗粒对光的散射作用，通过大气散射模型来复 原图像，恢复的图像效果更真实，图像信息能得到较好保存。Narasimhan等[7]提出了雾霾天气条件下的单色大气散射模 型，后来基于物理模型的方法几乎均建立在此模型之上。 Tan[8]基于无雾图比雾图有更高对比度的假定来最大化有雾 图像的对比度，该算法在很大程度上能复原图像结构和细节， 然而Tan的算法趋向于过度补偿降低的对比度，容易产生光 晕效应。Fattal[9]把图像场景光分解成反射和透射两部分，然后基于独立主成成分分析来估计场景光强，这种方法可以有 效去除局部的雾但不能很好恢复浓雾的图像。Kim等[10]结合局部对比度增强和去雾模型方法，能够抑制伪影的产生，但 时间复杂度较高。刘倩等[11]使用均值滤波去雾，对单幅图
基于引导滤波的去雾算法
基于引导滤波的实时去雾算法 组员1：李阳 组员2：刘玉舸 组员3：江建军
摘要 户外空气中经常会有大量的水蒸气和微尘等颗粒物，这些颗粒物会导致光在传输过程中被折射、散射、吸收从而损失大量能量。自然界中的雾、灰霾等天气现象就是由于这种原因而产生的。户外拍摄的图像经常由于雾、灰霾等天气导致场景光在传输过程中能量衰减，图像对比度下降。对有雾图像进行去雾处理提高图像质量是对图像进行进一步处理和利用的必需步骤，具有非常重要的价值。本文通过对暗通道先验知识的分析，延用kaiming He博士的基于bilateral?lter的改进，通过利用图像自身作为一种引导滤波，从而使图像能够高效实时地去雾，并且该算法拥有良好的边缘保持性，在细节增强方面有不错的指导意义。 关键词图像去雾暗通道bilateral?lter引导滤波边缘保持
目录 第一章问题分析1 1研究目的 (1) 2研究现状与前景 (1) 3研究方向 (2) 4研究结果预测 (2) 第二章算法原理3 1环境变量及视觉原理 (3) 2暗通道处理简要分析 (4) 3引导滤波 (4) 3.1引导滤波的定义及算法 (4) 3.2边缘保持优越性的分析验证 (7) 第三章实验结果8 1暗通道和引导滤波效果对比 (8) 2原始图像和处理图像细节对比 (8) 3边缘检测方法验证引导滤波 (9) 4引导滤波创新点 (9) 第四章实验结论11 1实验分析 (11) 2实验体会 (11) 第五章参考文献12 References (13) 第六章实验代码14
第一章问题分析 1研究目的 空气中除了氧气等基本成分，往往还会含有水蒸汽，微尘等颗粒物，这些颗粒物导致场景光在传输到相机的过程中发生折射、散射等，导致能量衰减，同时大气光会经过颗粒物的折射、散射等作用进入相机，导致相机拍摄得到的照片不仅包含我们所需要的场景光，同时也包含一部分大气光，因此图像会出现模糊现象，对比度下降，细节信息丢失，如图所示。退化的图像往往不能满足应用的需要。因此，有效处理退化后的模糊图像，使之变得清晰，从中恢复出尽可能多的有效信息变得极具意义，在消费电子、计算机图像以及计算机视觉领域都有重要价值。 2研究现状与前景 去雾算法作为基础图像处理的重要算法，在过去十几年中取得了一定进展。未知的深度信息是图像去雾算法的一大约束条件， 对于单幅图像，我们很难确定其场景深度。Y.Y.Schechner,S.G. Narasimhan等提出了基于极化的图像去雾方法，该类方法通过对同一场景拍摄两幅或者多幅不同极化角度的图像来获取图像场景深度信息。Y.Y.Schechner,S.G.Narasimhan等人提出了一类通过获得同一场景在同一角度不同天气条件下的多幅图像，然后估计场景深度信息的方法。这些方法由于需要提供同一场景的多幅图像或者需要人为提供场景深度信息，在大多数情况下不具有可行性，因此不具有广泛应用的价值。 近年来，针对单幅图像的去雾算法取得了一定突破。研宄者们提 出了一些基于较强先验知识或者假设的方法。观察发现无雾图像比有雾图像具有更高的对比度，并基于这一现象通过使图像局部对比度最大化来恢复出清晰图像。Fattal提出一种基于传输系数和表面阴影局
基于改进暗通道先验的图像去雾算法研究
---------------------------------------------------------------最新资料推荐------------------------------------------------------ 基于改进暗通道先验的图像去雾算法研究 OpenCV 耦合改进暗通道先验的图像去雾算法研究王帮元（安徽经济管理学院信息工程系，安徽合肥，230051）摘要：在雾境下,由于大气粒子的散射作用导致图失真严重,直接影响后期图像数据的分析，因此对雾天图像进行去雾处理,以提高图像的清晰度，是非常有必要的。 而当前的图像去雾算法不稳定，当大雾天气很严重时，去雾质量较差。 对此，本文提出了基于 OpenCV 耦合改进暗通道先验的图像去雾算法与实现机制。 首先分析暗通道先验理论与雾图形成模型；然后对先验理论进行改进，推算出本文的去雾公式。 最后引入 OpenCV 实现机制，增强系统运行效率。 最后测试了本文机制性能，结果表明： 与普通的图像去雾算法相比，在大雾天气很严重时，本文机制具有更好的去雾效果，准确还原了图像的清晰度，失真度较小。 关键词： 图像去雾；暗通道先验；雾图形成模型；OpenCV；中图分类号： TP391 文献标识码： A 0 引言随着通信、电子技术、图像处理算法的蓬勃发展，视频监控、视频目标识别已运用在各个领域，并且已取得很大的发展， 1 / 9
推动了科技和社会的前进 [1] 。 然而，在实际生活中，由于雾天原因，导致安全监控目标的清晰度收到破坏，严重影响了目标识别精度。 因此，图像去雾功能非常重要。 图像去雾技术成为很多大型设备或者系统正常运作的先决条件。 为了取得良好的图像去雾效果，诸多学者进行了研究，并提出了许多不同的图像去雾算法。 王一帆等人 [2] 提出，首先在计算暗通道函数时,定义了一类暗区域对图像边缘的低强度像素点进行描述,该区域像素点的暗原色中值取其三原色通道的最小值,以代替原来的中值滤波运算值.此滤波方法不仅能有效去除 Halo 效应,而且避免了黑斑效应;然后基于大气散射物理模型定义一种伪去雾图,将其与原去雾图进行像素级融合对原图进行色度校正,实现了柔性去雾,改善了现有方法易出现过去雾的缺陷，实验结果表明该算法去雾后图像具有较好清晰度及色彩恢复度,去雾鲁棒性强.在大雾和图像色彩失真严重的情况下,仍可有效恢复图像。 郭璠等人 [3] 提出融合策略无需依靠大气散射模型或场景结构信息,只需通过原始衰退图像来获取其输入图与权重图，其中 2幅输入图的作用主要是对原有雾图像进行颜色校正和对比度增强,而 3 幅权重图则突显了图像雾气较浓区域的细节信息。 融合策略将上述输入图与权重图相融合以生成对比度高、色彩丰富的去雾图像 [4] 。
基于暗通道先验的图像去雾算法改进研究
龙源期刊网 https://www.360docs.net/doc/d94202428.html, 基于暗通道先验的图像去雾算法改进研究 作者：郭云云徐伯庆 来源：《软件导刊》2017年第09期 摘要：目前，基于暗通道先验原理的图像去雾能够取得较好效果，但仍存在图像景物交 界处产生光晕、天空及白色物体区域去雾后色彩失真等问题。鉴于此，提出改进的基于暗通道先验去雾算法：首先，对暗通道图进行非重叠式滤波，消除最小值滤波导致图像交界边缘产生的光晕；然后，对输入雾霾图像进行直方图分析，能够自适应获得分割天空区域的亮度阈值；再对透射率图天空区域进行像素变换，去雾后可消除颜色失真；最后，采用非线性亮度提高的方法提升去雾图像的视觉效果。结果表明，改进算法去雾后的图像真实、天空自然。 关键词：图像去雾；暗通道原理；像素变换；天空分割 DOI：10.11907/rjdk.171527 中图分类号：TP312 文献标识码：A 文章编号：1672-7800（2017）009-0046-04 Abstract：Now， image haze removal based dark channel prior principle has acquired good effect， but there still are many problems that halo at the junction of scenery and color distortion of the sky and the white area. The improved algorithm： first compensating the dark channel image could eliminate halo at the junction of scenery caused by min filter； secondly， analysis of the haze image through its histogram could obtain brightness threshold to distinguish the sky self-adaptively；then，the pixels of transmission’s sky area are transformed， after haze removing ， color distortion is not there； finally， the nonlinear brightness increase was used to enhance visual effect of the haze removal image. Experiments show that the improved algorithm remove image haze， the image is more real， the sky is more natural. Key Words：image haze removal；dark channel prior； pixels conversion；sky division 0 引言 随着科技的不断进步，计算机视觉系统在人们的生活中扮演着越发重要的角色，如交通监控、目标追踪、无人机航拍等。但近年来，由于环境变化，雾霾天气时有发生，视觉系统获得的图像清晰度不高，给社会生活造成极大不便。因此，图像去雾成为迫切需要研究的问题。 去雾算法大致可分为两类：基于图像成像物理模型的去雾算法和非物理模型的去雾算法。非物理模型算法主要包括基于颜色恒常性原理的Retinex算法[2]和综合提升图像亮度、对比度的算法[3]。非物理模型算法只考虑从视觉上增强图像的清晰度和辨识度，物理模型从更加客 观可靠的图像成像原理出发，逆推出被雾霾退化的原始图像。Tan[4]利用无雾图像对比度高于有雾图像，在马尔科夫随机场（MRF）模型的基础上构造边缘代价函数，使去雾图像的局部对
基于暗通道先验的图像去雾方法研究
基于暗通道先验的图像去雾方法研究 苟婷婷1严瑾2黄凌霄1刘立波1* (1.宁夏大学信息工程学院，宁夏回族自治区银川750021; 2.宁夏回族自治区遥感测绘勘察院，宁夏回族自治区银川750021) [摘要]针对多发性的雾霾天气下获得的图像质量退化问题,雾天退化图像的去雾复原技术引起广泛关注。在充分分析雾天图像特点的前提下,研究暗通道先验算法在图像去雾中的应用并借助Matlab平台实现仿真验证。首先将采集到的雾天图像载入系统,然后使用暗通道先验算法处理图像。实验结果证明,该方法具有良好的去雾效果,处理后的图像不仅更加清晰,同时增强了细节信息,提升了图像的利用价值。 [关键词]暗通道先验;图像去雾;Matlab;直方图均衡化 中图分类号:TP391.41文献标识码:A文章编号:1008-6609(2019)01-0005-04 1引言 随着人类生产工业化进程的推进，空气污染尤其是雾霾天气愈发严重，这给人类生产生活带来极大不便，使得户外景象图像的对比度和颜色被改变或退化，同时也会使图像中的许多细节特征不清晰。这些降质图像不但不符合人类视觉效果，同时也给交通监控系统之类的视觉系统正常工作带来影响。所以，对于在雾霾等恶劣天气下由图像采集设备得到的降质图像，非常有必要进行去雾处理并恢复细节信息。 图像去雾技术是通过一定的方法和手段去除图像中霾的干扰，从而得到高质量的图像，以便得到满意的视觉效果并获取更多有效的图像信息[1]。国内外相关研究领域围绕如何对图像去雾进行了深入研究，至今提出了多种去雾方法，这些研究方法大体可分为两大类：图像增强方法和图像复原方法。图像增强方法早期表现出优异的去雾效果，是研究相关问题的常用方法，主要有基于统计特性的直方图均衡化算法[2]和https://www.360docs.net/doc/d94202428.html,nd等人提出的Retinex 理论[3]。该类方法重点在于改善图像对比度，针对图像中需要用到的部分进行增强即可。基于物理模型的图像复原方法通过掌握图像的退化过程，对该过程进行建模实现图像去雾[4]。该类方法中具有代表性的是何恺明提出的暗通道先验去雾算法，该方法根据暗通道统计规律复原清晰图像，去雾效果明显[5]。 由于随机的天气条件具有不确定性，研究具有较高可靠性的图像去雾算法仍具有重大应用价值。本文在分析雾天图像成像过程的基础上，探讨暗通道先验算法在图像去雾过程的实际应用，解决雾天图像的降质问题。 2雾天成像分析 空气中的灰尘等微小颗粒在低气压等环境下会黏结在一起，一般上午和晚上悬浮在空气中，造成雾霾天气。在这种天气下，光在介质中与空中的微粒相互作用，传播方向发生改变，产生了光的散射，使得到达接收设备的光线减少，最终获得的图像在色调、亮度、对比度等方面会发生不同程度的失真[8]。图像衰减的程度与景物距离接收设备的距离也不可分割，一般来说成指数关系，即距离越大，衰退强度也越大，反之亦然。从雾霾天气获得的图像也可以观察到，图像的对比度随着景深的增加在逐渐减小。 总而言之，影响雾霭天气图像质量退化的根本原因还是大气中粒子的散射作用。震惊世界的大气散射模型由Mc-Cartney于二十世纪七十年代提出，同时也是目前图像处理领域经常使用的模型之一，如图1所示。 该模型将到达镜头的光分为两部分：其一是正投影，即物体的反射光线未被散射的一部分，称之为入射光衰减模型；其二是添加到图像的各种进入视角的周围环境光线，称 作者简介:苟婷婷(1995-),女,宁夏固原人,硕士,研究方向为智能信息处理、深度学习。 *通信作者:刘立波(1974-),女,宁夏银川人,博士后,教授,CCF会员(14770M),研究方向为智能信息处理、深度学习。 基金项目:国家自然科学基金项目,项目编号:61862050;西部一流大学科研创新项目,项目编号:ZKZD2017005。 电脑与电信· -5-