大气散射模型

摘要： 针对智能驾驶视觉感知领域中去雾算法处理时间过长的问题,提出了一种基于大气散射模型的视频图像快速去雾算法。在暗通道先验去雾的基础上,计算大气光值的自适应参数,提高去雾速度,并优化设计去雾系数,获取半去雾图像,将单幅图像去雾应用到视频实时去雾中;进一步利用限制对比度自适应直方图均衡(CLAHE)算法抑制去雾残余噪声,增强图像道路交通特征。验证结果表明:提出的算法有效提高了图像质量,且视频去雾速度较传统算法大幅提升;图像边缘强度提升近2倍,极大提高了道路能见度。

摘要： 在雾霾影响下,室外拍摄的图像或视频清晰度严重下降。视频监控、远程感应、自动驾驶等计算机视觉任务很容易受到威胁。图像去雾就是利用某种手段去除雾霾对图像质量的干扰。为了达到更好的去雾效果,结合传统先验和深度学习,提出一种基于物理模型和神经网络的图像去雾算法DehaGA。该算法是对DehazeNet算法的改进,一方面利用神经网络的优势,通过大量的训练,利用DehazeNet网络学习雾图与透射图之间的映射关系,进而求出透射图;另一方面对于大气光的求取采用改进的大气散射模型,提出基于非均匀大气光的散射模型,通过改进算法HMN求取大气光值,克服了DehazeNet算法中对于大气光值估计不准确的缺点。最后将透射图和大气光值代入新的大气散射模型,进而恢复出无雾图像。实验结果表明,DehaGA算法与DehazeNet对比求得的无雾图像更加清晰,具有更好的去雾效果。

摘要： 随着计算机技术和硬件能力的提高,计算机视觉处理系统已广泛应用于各类场景中,雾霾等恶劣天气下获取的图像会影响后续图像的处理,进一步导致计算机视觉处理系统性能的降低,因此提高降质图像的质量具有重要意义。文章给出一种结合图像增强和图像复原的处理算法,算法能在不同尺度的残差图像上和基础层上分别进行处理,达到保留图像细节和去雾的目的,并且具有高可控灵活性。

摘要： 为了提高图像去雾的性能,提出结合大气散射模型生成对抗网络的去雾算法.算法在pix2pix GAN基础上进行改进,将网络的生成器改进成双解码器结构,通过双解码器分别生成无雾图像和透射率图,并结合大气散射模型还原雾图像,以进一步提高图像分解的质量.在马尔科夫判别器结构中,采用反向学习机制代替随机裁剪机制,以有效降低因采用随机裁剪算法而导致的判断结果不准确的概率.在原有的损失函数上,加入雾霾损失函数,提高图像转化的质量.在STOS和NYU数据集上进行消融实验和对比实验.大量实验表明所提出方法在PSNR和SSIM指标上比原算法Pix2pix GAN有所提高,且均优于现有去雾算法,复原图像具有清晰度高、噪声低、纹理丰富的优点.

摘要： 雾天是影响高速公路交通安全的重要因素。研究从监控图像进行高速公路雾天能见度的自动识别方法可以为交通管理部门的智能管理和决策提供技术支持。根据大气散射模型分析出与雾浓度相关的多个物理因素,提出了综合这些物理因素的多通路融合识别网络。该网络使用三个通路联合学习深度视觉特征、传输矩阵特征和场景深度特征,并设计注意力融合模块来自适应地融合这三类特征以进行能见度等级识别。同时构建了一个合成数据集和一个真实的高速公路场景数据集,用于网络参数学习和性能评估。实景数据集中的图像是从中国多条高速公路的监控视频中收集的。在这两个数据集上的实验表明,所提方法可以适应不同的监控拍摄场景,能够比现有方法更准确地识别能见度等级,有效提升了识别精度。

摘要： 图像是获取信息的重要途经,对于雾霾天气导致的可见度低的图像,DCP理论算法能进行去雾处理,但结果会出现光晕现象,缺少部分特征信息,存在一定不足。为了解决该问题,提出一种融合OSTU阈值法的自适应DCP图像优化算法,利用改进的OSTU阈值算法分割图像的前景与背景;基于心理灰度公式估计大气光值,利用最小值滤波与中值滤波融合最佳阈值估计透射率,得到自适应的透射率估计值,利用双指数滤波器进行精细化处理;最后基于DCP理论得到去雾后的图像。结果表明算法的去雾效果明显,能有效地保护边缘信息,恢复图像的细节特征,算法处理效果具有较大优越性。

摘要： 提出一种基于大气散射模型的无人机航拍图像快速去雾算法。构建大气散射模型。通过对大气散射状态的估计,利用可迭代运行的多向自相关增强方法,再根据无人机航拍目标图像的局部灰度分布特征,设计滤波模板。用滤波增强图像效果后,弱化明亮区域实现无人机航拍图像去雾效果。实验结果表明:该算法的图像弱化效果好,可完整体现景观全局细节,经双边滤波处理后的图像亮度高、色彩丰富、信息量大,可抑制图像噪声、提升清晰度,保障图像质量。

摘要： 为了解决单幅图像去雾领域有监督网络和无监督网络分别存在的问题,基于循环生成对抗网络(CycleGAN),提出了一种四通道无监督学习图像去雾网络。所提模型主要包括3个子网络,即去雾网络、合成雾网络和注意力特征融合网络;并由此3个子网络顺序组合构建了4条学习通道,即去雾通道、去雾结果颜色-纹理恢复通道、合成雾通道以及合成雾结果颜色-纹理恢复通道。特别地,在合成雾网络中,为了更好地约束去雾网络生成更高质量的无雾图像,引入了大气散射模型(ASM)以加强网络从有雾图像域到无雾图像域的映射转换;同时,为了进一步提高去雾网络和合成雾网络的图像生成质量,提出了一种注意力特征融合网络,该网络基于雾相关派生图,采用多路映射结构和注意力机制,加强对生成图像颜色、纹理细节等信息的恢复。在合成雾和真实雾图数据集上的大量实验结果表明,所提方法能更好地恢复各类场景中雾图的颜色和纹理细节等信息。

摘要： 船载嵌入式网络的普及应用,为船舶及其航行环境视频监控提供了有力支撑,为船舶航行决策制定提供了大量的图像数据。由于天气环境、设备振动等多种因素的影响,致使图像细节缺失,制约着视频监控图像的应用,提出船载嵌入式网络视频监控图像模糊细节增强系统设计。通过动态范围拉伸模式预处理视频监控图像,以此为基础,基于模糊集理论计算视频监控图像细节模糊熵,利用遗传算法确定最佳模糊参数,计算扩散系数,将其与视频监控图像模糊梯度场进行结合,应用变分法求解修正隶属度函数,通过逆变换将视频监控图像从模糊域转换到灰度域,即可获得细节增强后的船载嵌入式网络视频监控图像。实验数据显示,应用设计系统获得的增强视频监控图像信息熵最大值为9.45,充分证实了设计系统细节增强效果更佳。

摘要： 针对在雾霾天气、水下和夜间环境中获得的图像存在清晰度和对比度下降以及色彩失真等问题,提出一种使用改进型大气散射模型的双阶段图像修复方法。通过在传统的大气散射模型中引入一个全局补偿系数以得到一个改进型大气散射模型,使用该模型的双阶段图像修复方法包含两个阶段:首先,输入一张退化图像,利用改进型大气散射模型得出一张粗略的修复图像,并利用灰度世界算法求出该粗略的修复图像的反照率;其次,将反照率和第一阶段的输出图像作为输入,利用改进型大气散射模型得出最终的修复图像。实验结果表明,所提出的方法可避免图像修复的结果中存在色彩失真和色调偏暗等问题,并且具有很好的适用性,其不仅可有效实现雾霾图像去雾,也可实现水下图像修复和夜间图像增强。与当前最先进的方法相比,所提出的方法在定量和定性实验上都取得了优异的结果。

摘要： 针对遥感图像存在浓云或烟雾的覆盖无法判读地物的信息,从大气散射模型出发,研究了直接传播的衰减光和散射的大气光模型。由此采用改进型Retinex算法,第一步,先将原图像进行取补色,灰白区域变成较暗的区域,第二步,经改进型高斯函数标准差较小的单尺度Retinex算法增强后,突出较暗的区域内各层次信息,第三步，再进行取补色,突出云或烟雾覆盖区域中地物信息。实验结果表明,采用改进型高斯函数标准差较小的单尺度Retinex算法能去除云或烟雾,特别对于浓云或烟雾效果好。

摘要： 本文针对大雾天气下拍摄图像的退化现象,提出了一种新的增强方法.该方法在未知景深信息的前提下,通过简化建立的大气散射模型,并利用图像的灰度直方图重新确定模型参数;由于大雾对图像远景和近景的退化程度不同,利用已经得到的模型对图像进行远近景分割,最后对远近景分别采用不同的方法进行增强.实验结果表明,该方法能够有效地改善大雾图像的退化现象,提高图像的清晰度.

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： 图像去雾对实时性和处理效果要求越来越高.针对当前已有的去雾方法难以同时满足以上要求,提出一种基于图像最小通道图和R、G、B三颜色通道的差异估计透射率图的新方法.通过多组实验统计,推导出透射率图、最小通道图与R、G、B颜色通道差异存在一定的线性关系,据此估算透射率图可快速实现图像去雾并满足实时性的要求.同时,图像去雾效果也取得较好的改善.

摘要： 图像去雾对实时性和处理效果要求越来越高.针对当前已有的去雾方法难以同时满足以上要求,提出一种基于图像最小通道图和R、G、B三颜色通道的差异估计透射率图的新方法.通过多组实验统计,推导出透射率图、最小通道图与R、G、B颜色通道差异存在一定的线性关系,据此估算透射率图可快速实现图像去雾并满足实时性的要求.同时,图像去雾效果也取得较好的改善.

摘要： 图像去雾对实时性和处理效果要求越来越高.针对当前已有的去雾方法难以同时满足以上要求,提出一种基于图像最小通道图和R、G、B三颜色通道的差异估计透射率图的新方法.通过多组实验统计,推导出透射率图、最小通道图与R、G、B颜色通道差异存在一定的线性关系,据此估算透射率图可快速实现图像去雾并满足实时性的要求.同时,图像去雾效果也取得较好的改善.

摘要： 图像去雾对实时性和处理效果要求越来越高.针对当前已有的去雾方法难以同时满足以上要求,提出一种基于图像最小通道图和R、G、B三颜色通道的差异估计透射率图的新方法.通过多组实验统计,推导出透射率图、最小通道图与R、G、B颜色通道差异存在一定的线性关系,据此估算透射率图可快速实现图像去雾并满足实时性的要求.同时,图像去雾效果也取得较好的改善.

摘要： 本发明涉及有雾图像增强和复原的多媒体技术领域，特别是涉及有雾图像的天空区域检测。本发明的目的在于提供一种基于大气散射物理模型的有雾图像天空区域估计方法，是一种全新的基于大气散射物理模型的有雾图像天空区域估计方法。它适用于有雾图像增强和复原技术中。本发明采用了概率来表示像素为天空像素的可能性，可以使得天空区域和非天空区域平滑过渡，使去雾图像没有明显的分层现象。它由基于暗通道的高亮区域检测和基于图像梯度的平坦区域检测两个模块组成。本发明能以较低的计算量有效且精准的估计出天空区域，在有雾图像的增强和复原领域有较大的应用价值。

摘要： 本发明公开了图像处理技术领域的一种基于改进的逆大气散射模型卷积网络的图像去雾方法，旨在解决现有技术中图像增强的去雾方法导致图像失真、图像复原的去雾方法对模型参数选取要求过高、基于深度学习的去雾算法容易因大气光值估计误差而影响图像去雾效果的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的卷积神经网络，获取无雾图像；所述卷积神经网络包括彼此串联的颜色特征提取卷积网络和深度去雾卷积网络，颜色特征提取卷积网络的输出端与深度去雾卷积网络的输入端连接。

摘要： 本发明公开了一种基于大气散射模型的手术视频实时去雾增强方法，包括以下步骤：1.获取图像并分解成一帧帧图像处理；2.对RGB三通道求得最小值，得最小值图像，用最小值滤波求得暗通道图像；3.使用导向滤波求得精细暗通道图像，通过精细暗通道图像求得透射率图像；4.选最小值图像排序前n的像素点取平均值，求RGB三通道的均值，加权得到大气光值；5.将透射率图像、大气光值代到大气散射模型得到去雾后的图像；6.使用图像增强的方法处理去雾图像得到清晰的去雾图像；7.追踪前后帧图像像素点的位置，得到对应像素点在前帧的位置，对比透射率值，评估是否使用前帧像素值来替换当前像素值；8.综合第6步及第7步得到最后的结果。

摘要： 本发明提供了一种基于大气散射模型的红外图像增强方法，步骤包括：利用反转红外图像和有雾图像之间的相似性，对红外图像进行反转操作将其转化为虚拟的雾天图像；利用四叉树分解技术将反转红外图像分割为一系列子块，并在各子块内进行独立的去雾处理；将去雾处理后的反转红外图像再次反转，得到增强后的红外图像；基于导向全变分模型对增强后的红外图像进行边缘修复；基于Retinex模型对对增强后的红外图像进行亮度调节，从而获得最终的增强后的红外图像。该红外图像增强方法能够恢复出红外图像中原本隐藏的大量的场景细节，且不会引入负面效应。

摘要： 本发明公开了一种基于大气散射模型的低照度图像和视频增强方法、装置，方法包括：基于细化方程对V分量进行细化，获取透射率对V分量求取局部最大值，得到局部最大值图并细化，获取透射率基于透射率和叠加系数获取最终的透射率，按照亮度的大小选取预设比例像素，获取预设比例像素对应的位置，根据这些位置从低照度图像中选取预设比例像素的V分量值，计算V分量值的平均值作为全局大气光；将最终的透射率与全局大气光代入低照度大气散射模型中，得到初步增强的V分量，并进行细化得到最终增强的V分量；将图像从HSV’色彩空间转换至RGB空间得到增强图像，并合成增强视频。装置包括：处理器和存储器。本发明得到的图像和视频可以有效地突出图像中的关键信息。

摘要： 本发明公开了一种基于大气散射模型的采煤工作面尘雾图像清晰化方法，其包括如下步骤：依据图像通道差异以及亮度信息，将采煤工作面尘雾图像中的尘雾区域分割为浓雾区域和非浓雾区域；采用Max‑RGB方法估计出采煤工作面尘雾图像的初始光照图，并对初始光照图进行精细化处理，得到全局光照图；在浓雾区域采用优化的颜色衰减模型估计出浓雾区域的透射率值；在非浓雾区域利用暗通道先验以及该区域环境光计算出非浓雾区域透射率值；利用全局光照图分别计算出浓雾区域和非浓雾区域的环境光值；对不同区域的环境光及透射率进行Alpha融合；将全局的环境光值和透射率值代入大气散射模型恢复低照度尘雾图像。本发明有效地解决了大气散射模型参数估计难的问题。

摘要： 本发明公开了一种基于增强大气散射模型的图像去雾和曝光方法，属于图像处理技术领域，该方法提供基于增强的大气散射模型的图像去雾系统，该系统包括以下模块：图像输入模块：用于输入原始图像；图像处理模块：用于对原始图像进行去雾处理；图像输出模块：用于输出原始图像对应的去雾后的图像；本发明方法首先通过图像输入模块输入原始图像；然后通过图像处理模块对原始图像进行去雾处理；最后通过图像输出模块输出原始图像对应的去雾后的图像：本发明方法具有更好的建模能力，并且在图像去雾处理效率和恢复质量方面性能较高。

摘要： 本发明涉及一种基于大气散射模型的雾天图像生成方法，包括下列步骤：1)大气散射规律，优化雾仿真模型，控制雾浓度的参数为光的波长和光可见范围的函数2)选定室外双目数据集作为基础数据集，建立去雾数据集,生成雾天图像的方法。

摘要： 涉及一种大气散射去雾模型的参数估计方法。该方法首先根据天空的图像特点对天空与非天空进行分割，再从天空与非天空的交界处寻找大气光估计值，然后针对以往天空区域透射率较低的缺点，对其进行了改进和修正，最后获得更准确的大气散射模型参数估计。本文利用一种新的大气散射模型大气光估计方法和对透射率的改进，使去雾图像具有噪声低和色彩恢复度高的优点，尤其是在天空与非天空交界处复原效果最好，丰富了细节且颜色真实自然。

摘要： 本发明公开了图像处理技术领域的一种基于改进的逆大气散射模型卷积网络的图像去雾方法，旨在解决现有技术中图像增强的去雾方法导致图像失真、图像复原的去雾方法对模型参数选取要求过高、基于深度学习的去雾算法容易因大气光值估计误差而影响图像去雾效果的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的卷积神经网络，获取无雾图像；所述卷积神经网络包括彼此串联的颜色特征提取卷积网络和深度去雾卷积网络，颜色特征提取卷积网络的输出端与深度去雾卷积网络的输入端连接。