去雾算法 代码可行 修改图像路径即可

行业分类-设备装置-一种结合暗通道先验原理的偏振成像去雾方法

传统的暗通道先验已成功地运用于单一图像去模糊问题,但是,当模糊图像具有显著噪声时,暗通道先验无法对模糊核估计起到作用.因此,得益于分数阶计算能够有效地抑制信号的噪声并对信号的低频部分进行增强,将分数阶计算理论与模糊图像的暗通道先验相结合,提出一种基于改进的暗通道先验的运动模糊核估计方法.首先,结合最大后验估计算法与分数阶暗通道先验,构建出运动模糊图像的核估计模型;其次,利用半二次方分裂法解决模型的非凸问题;最后,根据粗糙-精细的策略,利用多尺度迭代框架估计出准确图像的模糊核,进而利用非盲去模糊的方法求解清晰图像.实验结果表明:在有无显著噪声的模糊图像中,所提出的算法虽然所需计算时间较长,但是能够获得较为准确的模糊核,并且能够减少图像噪声以及振铃伪影,提高清晰图像估计的质量;此外,对于不同类型的模糊图像,所提出的算法也同样适用.

完整代码，可直接运行

文件包含暗通道程序的m文件，程序没有加入滤波，运行程序可以看到暗通道去雾未对t优化的光晕现象。同时有运行程序的各种数据便于理解程序，附ppt，文件为本人在学习暗通道先验的汇报和练习文件，会有一些不足。希望能帮到也正在学暗通道的人

水下图像成像过程与雾天图像虽然类似,但因水对光的选择性吸收和光的散射作用,水下图像存在颜色衰减并呈现蓝(绿)色基调,传统的去雾方法用于水下图像复原时效果欠佳。针对这类方法出现的缺点,该文根据先去除颜色失真后去除背景散射的思路,提出一种新的水下图像复原方法。结合光在水中的衰减特性,提出适用于水下图像的颜色失真去除方法,并利用散射系数与波长的关系修正各通道透射率;另外,该文改进的背景光估计方法可有效避免人工光源、白色物体、噪声等影响。实验结果证明,该文方法在恢复场景物体原本颜色和去除背景散射方面效果良好。

针对雾霾图像中含有高亮、大面积浓雾，天空区域无法清晰识别，求取出的图像偏暗、色彩失真的问题，提出了一种基于暗通道先验的自适应阈值分割和透射率补偿的去雾改进算法，通过OSTU阈值分割将图像分为前景区域和背景区域，求取亮暗通道，并通过统计函数计算出前景区域和背景区域所占的像素比例，加权求取大气光值。通过透射率补偿参数K的引进,使得求取的透射率更接近真实值，最后通过CLEAR法进行色度调整。实验结果表明，该法去雾后的图像细节信息保留完整，失真度减小，视觉上更加真实自然，信息熵平均提高7.03%，SSIM平均提高5.56%，MSE平均减小9.19%。

使用VS2019创建工程并添加opencv环境后，新建c++文件后，复制代码即可运行

参数说明： I： 已有的图像(待去雾的图像) J： 要恢复的无雾图像 A： 全球大气光成分，分r、g、b三个通道，三维向量 te： 透射率矩阵 t： 滤波平滑后的透射率矩阵 求出每个像素RGB分量 中的最小值，存入一幅和原始图像大小相同的灰度图中，然后再对这幅灰度图进行最小值滤波，滤波的半径由窗口大小决定。暗通道先验的理论指出，J_dark会趋向于0。

依据背景光的海洋光学定义, 提出了一种新的自然光照条件下的水下图像复原方法。基于合理假设及光学理论公式推导, 估计出计算背景光所需的水体光学参数(衰减系数和散射系数); 利用散射系数与波长的关系分别计算红、绿、蓝三个通道的传输函数值, 并使用导向滤波精细化传输图像; 最终通过逆求解成像模型复原水下图像。实验结果表明所提算法在恢复场景物体原始颜色及去除背景散射方面有一定的优势。