网站充值怎么做分录,秦皇岛网站搜索优化,雅诗兰黛网络营销策划方案,wordpress 评论 折叠邱清辉摘要#xff1a;针对普通暗通道先验算法去雾能力的不足#xff0c;本文提出了一种改进算法#xff0c;通过采用高斯平滑将原图像分为基础子图和细节子图#xff0c;基础子图采用暗通道先验算法#xff0c;细节子图采用gamma变换方法#xff0c;再采用图像融合进行融…邱清辉摘要针对普通暗通道先验算法去雾能力的不足本文提出了一种改进算法通过采用高斯平滑将原图像分为基础子图和细节子图基础子图采用暗通道先验算法细节子图采用gamma变换方法再采用图像融合进行融合结果显示改进的算法使得去雾后图像颜色效果更好细节信息更多能够满足工程上应用要求具有很好的應用价值。关键词暗通道先验; 图像去雾;直方图中图分类号TP18 文献标识码A文章编号1009-3044(2019)16-0196-02开放科学(资源服务)标识码(OSID)随着视频、图像采集越来越多尤其在户外中受天气中雾、霭以及沙尘等影响采集拍摄的图像往往具有较多的失真这无论是对拍摄的美感还是对工程技术领域中目标的探测和识别都有很大影响。若能在户外不良天气下拍摄的失真图像中采用相应算法最大限度无失真的恢复出原始的图片具有很大的意义[1][2][3][4]。图像去雾的方法主要分为三大类别(1)基于统计的图像增强算法包括直方图增强以及后续改进的限制对比度直方图增强等各种算法这种算法简单有效但是有可能造成图像细节的丢失且对于浓雾天气算法会失效。(2)基于反射理论的图像去雾方法主要是Retinex理论这种算法往往会造成颜色的失真。(3)基于大气模型的方法代表算法是HE的暗通道先验法但是该方法仍然会造成一些细节的丢失。针对这个问题本文采用高斯模糊的方法将原图分成高频分量和低频分量采用暗通道先验证的算法增强低频分量再进行重构从而保存了图像的细节信息。1 暗通道先验算法为了能够从大气传输退化的图像中恢复出原始的图像He等在文献中给出了暗原色先验的方法是通过对大量户外无雾图像的统计分析提出来的。He指出暗到通先验规律在无雾户外采集图像中其每个局部区域都极有可能存在阴影每个局部区域至少会有一个颜色通道在某些像素上具有很低的灰度值并且趋近于0。对于户外图像J其模型为其中分母的[to]设置为0.5用于防止t(x)的数值过小。对于环境光A的估计是取[Jdark]中前0.1非天空区域亮度最大的像素对应的原图中亮度值的平均值。2 改进的算法HE提出的暗道通先验算法原理相对简单相对雾气较薄时可以产生良好的去雾效果但是若针对雾霭较浓时其效果就表现一般需要提高图像的细节化处理在此可以对图像进行高频和低频分离处理低频信息进一步直方图增强高频信息进行滤波和校正。采用的具体方法如图1所示的流程图所示。对于暗通道复原后的图像通过暗道通先验算法进行色彩增强再通过引导滤波对图像进行滤波、平滑处理将图像中低频和高频进行分离低频信息作为基础子图。同时对高频信息再进一步的高斯平滑暗通道增强后的图像进行相减获得了细节子图。此时再一次进行滤波和校正通过Gamma变换调整细节子图的对比度。最后基础子图通过CLAHE算法进行动态范围增强并对基础子图和细节子图进行图像融合处理最终获得增强后的红外图像。3 实验和分析根据对暗道通先验改进算法进行实验在雾霭较为严重的情况下带有雾霭的图像采用普通直方图均衡的暗通道去雾方法与改进算法进行比较如图2所示可以发现的改进算法去雾具有更好的颜色效果且动态范围更好显示的细节信息更多。4 结论通过暗道通先验的分析其实现比较容易但当天气恶劣情况下去雾能力明显不足针对普通暗通道先验算法在复杂天气情况下去雾能力的不足问题首先采用高斯平滑将原图像分为基础子图和细节子图基础子图采用暗通道先验算法直方图增强细节子图采用gama变换方法最后采用图像融合进行融合得出去雾图像颜色效果更好细节信息更多具有很好的应用价值。参考文献[1] He K Sun J Tang X. Single image haze removal using dark channelprior[C]//IEEE Conference on Computer Vision and Pattern Recognition20091956-1963.[2] He K Sun J Tang X. Guided image filtering[J].IEEE Transactions onPattern Analysis Machine Intelligence201335(6)1397-1409.[3] 郭璠蔡自兴谢斌等.图像去雾技术研究综述与展望[J].计算机应用201030(9)2417-2421.[4] 王浩张叶沈宏海等.图像增强算法综述[J].中国光学201710(4)438-448.【通联编辑唐一东】
