使用亮通道的快速图像增强算法

低照度环境下图片质量会下降。同时, 悬浮在空气中的烟雾、粉尘等物质形成的雾、霾, 会导致图像的细节模糊不清, 对户外拍照和计算机视觉应用造成了极大的影响。因此, 对退化图像进行去雾处理, 提高图像质量, 在图像处理和计算机视觉领域具有非常重要的应用价值。提出一种基于亮通道和暗通道结合的雾霾天气图像去雾算法。基于退化图像的物理模型, 提出一种空气光散射模型, 通过亮通道和暗通道的结合来估计大气光值和透射率。该算法可以解决有雾图像恢复时天空区域的颜色失真问题, 恢复图像的细节和颜色, 提高图像的视觉效果。仿真结果表明, 本文算法优于多尺度Retinex图像去雾算法。

针对暗通道先验去雾算法中透射率估值不准确以及天空区域或大面积白色区域去雾后存在颜色失真等问题,提出了一种基于超像素分割和暗亮通道结合的单幅图像去雾方法。首先采用超像素方法对有雾图像进行分割,将得到的超像素块代替暗通道固定方形滤波窗口;其次,采用暗通道与亮通道先验理论结合的方法获取透射率,使透射率估值更准确;然后,在天空区域通过阈值分割结合亮通道先验理论确定大气光值,并利用融合梯度信息的引导滤波方法优化透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,所提方法得到的透射率和大气光值的估值准确,取得了良好的去雾效果,在主观评价和客观评价方面均优于其他对比算法。

光在水中传播时受水的吸收作用和水中微粒的散射作用而发生衰减; 因水的浊度变化, 且水下拍摄时景深不一, 导致水下获取的图像雾化程度和色彩偏差不同。传统的去雾算法用于处理这些模糊程度和色差多变的图像时效果欠佳。针对该问题, 提出基于亮通道色彩补偿与融合的水下图像增强算法。首先, 基于亮通道对原图像进行色彩补偿, 获得色彩补偿的图像; 再对色彩补偿的图像进行自适应对比度拉伸获得对比度高的清晰图像; 最后采用多尺度融合策略对色彩补偿后的图像及对比度拉伸后的图像进行融合。结果表明, 本文算法可广泛应用于多种水下降质图像, 且在无任何先验信息的条件下, 能有效提高水下图像对比度和平衡图像色彩。