基于天空约束暗通道先验的图像去雾

uperrua

基于天空约束暗通道先验的图像去雾

摘要:针对现有暗通道图像去雾算法存在的天空色彩失真,景物边缘光晕效应等问题,本文提出了基于暗通道理论的改进去雾算法.由于暗原色先验理论不适用于天空区域,本文将引导滤波用于天空区域的细化分割,准确估计包含天空区域图像的大气光照强度,解决了天空色彩失真问题;其次,利用中值滤波得到详细边缘信息,进而得到更为清晰的透射率,有效抑制了景物边缘光晕问题;最后针对去雾后图像偏暗的问题,在HSV空间对亮度分量V通道进行增强处理.实验结果表明,针对带雾图像,本文算法能够有效地去雾,改善天空区域色彩失真以及景物边缘光晕问题.
& q* @( W5 \- t% l关键词:图像去雾;暗通道;天空分割;引导滤波

4 i; w! h/ P1 C& Z1引言
室外场景图像的获取往往会遭受如雾、霾、沙尘等恶劣天气条件的影响.目前图像去雾算法主要分为基于图像增强的方法和基于图像复原的方法两类:第一类方法比较典型的有直方图均衡[2l, Retinex 算法[3]等等.这类方法能有效地增强图像对比度,但未从根本上去除雾,而且会丢失某些信息特征.第二类方法通过建立大气散射模型,并求出其逆过程来恢复出清晰的无雾图像.这类方法具有较强的针对性,能够更加逼近真实图像.
+ |4 B6 d$ _+ s近年来,利用图像复原并结合图像增强方法去雾的越来越多.Tan"以最大化有雾图像的对比度来去雾，但可能会过度补偿对比度. Kim[5'建立一个包括对比度和信息损失的代价函数,虽对天空具有天然免疫力,但会出现光晕效应.以得到清晰透射率为目的, Fattal假设透射率与表面阴影局部不相关,估计场景反照率和介质透射率来恢复图像,但对浓雾图像的去雾效果不是很好.Tarel 等人[”,在图像经过白平衡后,估计大气面纱,再利用中值滤波器进行细化,该算法效果一般.在
6 S& H( G7 l: U5 h. x

游客，如果您要查看本帖隐藏内容请回复

0 w2 Q7 }' C1 C1 s
; N- i/ i* K( u
4 ^0 L5 V' r: f2 R6 \

younicp

基于天空约束暗通道先验的图像去雾