针对夜间雾霾天气情况下还原的去雾图像存在颜色失真、纹理损失严重、去雾效果差等问题，本文提出了一种夜间去雾算法，采用自适应全局亮度补偿、同态滤波、限制对比度自适应直方图均衡化算法以及联合双边滤波对降质图像进行处理，结合大气散射模型得到还原的去雾图像。实验结果表明，该算法的夜间去雾效果好、处理速度快，较对比算法在对比度、平均梯度以及信息熵上均有改善，有效减少了还原图像的颜色失真、纹理损失。

针对夜间雾、霾场景下的去雾图像存在颜色失真、纹理损失、亮度低等缺陷，本文提出了一种采用暗态点光源模型的夜间去雾算法，通过构建夜间雾、霾场景的暗态点光源模型，利用联合双边滤波、限制对比度自适应直方图均衡化等算法对降质图像进行处理，结合大气散射模型得到去雾图像。实验结果表明，该算法的处理速度快、夜间去雾效果较好，较对比算法在对比度、平均梯度以及信息熵上均有一定程度地改善，有效解决了去雾图像的颜色失真、纹理损失、亮度低等缺陷。

为了解决当前去雨算法恢复效果差、时效性一般的缺陷,提出了一种结合时间方向梯度与水平方向梯度的快速视频去雨算法。首先,将有雨图像分为背景层和雨痕层,并用背景层的时间方向梯度和雨痕层的水平方向梯度以及各层对应的预训练高斯混合模型作为先验条件,构建模型函数;其次,利用半二次分裂法对所得非凸函数进行等效变换,获得用于最小化的目标函数;最后,利用快速总变分法优化模型函数,得到模型函数的最优解。实验结果表明,相比其他算法,本算法的去雨恢复效果更优、时效性更好,且速度更快,平均峰值信噪比提升了1 dB以上。

为解决现有去雾算法中存在的透射率过估计、天空区域颜色失真、实时性差等问题,提出了一种基于金字塔模型的快速高效实时视频去雾算法。采用金字塔向下采样获取缩小后的图像,引入伪去雾图像与暗原色置信度作为修正因子,获取缩小图像的粗透射率;然后将缩小图像还原至初始尺寸,利用联合双边滤波对纹理进行细化;最后结合大气光散射模型及帧间视频去雾理论复原降质视频。实验结果表明,该算法的去雾效果彻底,可对多种场景进行有效去雾。相比其他算法,本算法的峰值信噪比和平均结构相似性分别提高了20.153%和14.056%,且处理快速、运行稳定,可用于实时视频去雾。

针对高动态范围(High Dynamic Range, HDR)图像的动态范围与普通显示设备不匹配的问题, 本文提出了一种亮度分区和导向滤波相结合的色调映射算法。首先, 通过颜色空间转换将输入的HDR图像转换到CIEL*a*b*空间, 得到亮度层和色度层图像, 接着对亮度层图像进行对数压缩并分区, 对压缩后的各分区亮度图像选取合适γ值进行校正。然后, 对于现有映射算法过于强调对图像亮度的处理而忽略色度的问题, 本文将压缩后的亮度图像作为引导图像对色度层图像进行导向滤波处理。最后, 将处理后的亮度层图像和色度层图像融合得到标准动态范围(Standard Dynamic Range, SDR)图像。通过对比实验表明, 本文算法得到的图像在清晰度、信息熵、方差方面较全局映射法、局部映射法和双边滤波法平均提高了94.03%、30.73%和24.23%, 说明本文算法在实现高动态图像亮度压缩的同时, 更好地实现了对色度和局部细节的处理。

针对现有的以RGBW为主的多基色图像显示, 着重分析了RGBW子像素排列结构的工艺制造问题, 以及常见的RGBW排列结构显示成像时的诸多缺点, 并在此基础上提出一种新型的RGBWRGB子像素排列结构。在色域映射算法方面, 指出常见的RGB到RGBW的色域映射算法在面对复杂图像时的缺点, 并尝试在现有算法上进行改进以适配提出的新型子像素排列结构, 从而实现转换后图像色彩的还原和亮度的提升。

介绍了目前市面上常见的RGB三基色排列。提出一种三基色多子像素排列, 在传统RGB基础上加入更多绿色子像素, 将原图像的RGB数据转换得到新的RGBG数据, 然后对转换得到的RGBG子像素数据进行着色。显示比较可见, 提出的子像素排列既保证了图像与RGB传统排列图像有一样的分辨率, 保持了原图像的清晰度和饱和度, 又显著提高了单位面积像素数, 显示图像更细腻平滑。