沈阳理工大学自动化与电气工程学院, 沈阳 110000
雾霾天气下, 航拍设备无法准确获取图像信息, 为解决此问题, 提出一种改进暗通道窗口与透射率修正的图像去雾算法。首先, 用超像素分割有雾图像得到景深一致的局部窗口, 在每个窗口内计算暗通道, 同时根据大气光特性结合超像素进行大气光估计; 然后, 通过引导滤波细化透射率, 并建立自适应容差机制来修正图像明亮区域的透射率; 最后, 反演大气散射模型还原清晰图像。实验结果证明,该算法所得结果图像细节清晰、颜色自然, 且能处理多类雾天图像, 鲁棒性更好, 与经典算法相比具有显著优势。
图像去雾 暗通道先验 超像素分割 自适应容差 透射率修正 image dehazing dark channel prior superpixel segmentation adaptive tolerance transmittance correction
1 河北工程技术学院 网络与通信学院，河北 石家庄 050091
2 阳光学院 人工智能学院，福建 福州 350015
3 福州大学 物理与信息工程学院，福建 福州 350108
传统暗通道去雾算法计算的透射率图存在块效应，易造成复原图像白边现象，同时图像中天空、白云等明亮区域不适用暗通道原理，易引起去雾图像失真。本文结合引导滤波和自适应容差机制提出了一种基于多尺度暗通道和自适应容差的去雾算法，可有效避免以上问题。首先，计算3种不同尺寸滤波窗口下的透射率初估计，并对估计结果进行有效融合；接着，通过引导滤波对透射率进行细化，以获得鲁棒性和准确性更好的多尺度透射率图；然后，引入自适应容差策略对图像中明亮区域的透射率进行修正；最后，由于暗通道去雾图像整体亮度偏暗，因此对去雾图像的亮度和对比度进行亮度补偿。实验结果表明，采用不同算法对不含和少量天空区域的图像去雾，信息熵约提高0.2 bit/symbol，平均梯度约提高0.5，PSNR约提高8 dB。对较多和大量天空区域图像去雾，PSNR约提高3 dB，SSIM约提高0.1。较好地实现了去雾图像细节清晰、颜色可靠且明亮区域去雾效果良好等要求。
图像去雾 暗通道先验 透射率 引导滤波 自适应容差 image dehazing dark channel prior transmittance guided filtering adaptive tolerance
桂林航天工业学院 广西高校无人机遥测重点实验室, 广西 桂林 541004
针对暗原色先验去雾算法对明亮区域失效, 以及分块求取暗原色存在的块状效应、Halo现象和运算复杂度较高等问题, 提出了一种基于自适应参数的全局暗原色先验去雾算法。该算法采用全局暗原色操作取代分块处理, 并通过模糊逻辑控制器自适应估计明亮区域的容差参数和透射率调整因子; 在非明亮区域求取大气光强度后, 根据自适应容差纠正明亮区域被错误估计的透射率。与常用的3种图像复原去雾算法进行了比较, 结果表明: 该算法去雾图像的主观视觉效果较好, 且图像对比度、信息熵和平均梯度3方面的客观评价结果也明显优于其它3种对比算法。该算法可有效解决明亮区域失真和分块处理带来的上述问题, 在不增加曝光处理情况下也能获得较好的去雾效果, 运算效率也有较大提升。
图像去雾 全局暗原色先验 模糊逻辑控制 明亮区域 自适应容差 image dehazing global dark channel prior fuzzy logic control bright area adaptive tolerance
