基于区间估计与透射率自适应约束的去雾算法

针对去雾算法透射率估计不足与结果偏色等问题,提出了一种基于最小通道区间估计与透射率自适应约束模型的图像去雾算法。首先,采用不同尺寸最大值操作得到有雾图像的亮通道,并结合均值处理和频域滤波得到大气光估计;其次,从大气成像理论出发,以有雾图像最小通道为约束,分别以平面模型和自适应映射模型拟合无雾图像最小通道上下边界,并获得无雾图像最小通道和透射率初始估计;最后,对透射率作滤波平滑与自适应边界约束,得到优化透射率,并根据大气散射模型得到复原结果。实验表明:所提算法复原结果颜色自然、亮度适宜、去雾彻底、细节信息丰富且时间复杂度较低,有效解决了透射率估计不足和偏色等问题。      

基于最小值通道与对数衰减的图像融合去雾算法

雾天各类图像采集系统获取的图像颜色退化，细节模糊，严重影响户外成像系统的稳定性和有效性，因此研究图像去雾技术很有必要。针对暗通道一类去雾算法边缘去雾不彻底问题，提出一种基于最小值通道与对数衰减的融合去雾算法。首先，对有雾图像的最小值通道图进行对数衰减作为先验假设条件，再进行交叉双边滤波消除纹理效应，在操作前后分别进行下采样和上采样操作以提高运算速度，求出初始透射率；然后，用Canny算子检测最小值通道图得到的边缘进行对数衰减，得到边缘信息图，将初始透射率与边缘信息图进行加权融合构成优化透射率；最后，结合改进的四叉树搜索法求得的大气光值反解大气散射模型，恢复无雾图像。实验结果表明:所提算法可以有效抑制光晕现象，去除边缘残雾，且实时性好。      

基于改进大气散射模型的单幅图像去雾方法

雾天情况下获得的图像通常会出现对比度低、色彩丢失及噪声等问题，传统的去雾方法主要着眼于解决对比度低、色彩损失等问题，而没有考虑空气中灰尘颗粒散射隐藏的噪声光，导致去雾结果中易出现大量的噪声。针对该问题，提出了一种基于改进大气散射模型的单幅图像去雾方法。结合雾霾天气的特点，通过增加空气中介质散射的噪声光对传统雾天成像的大气散射模型进行改进；针对暗通道先验计算透射率不准确的问题，根据改进的模型构建一种透射率精细化的求取方法；结合全变分模型保边抑噪的思想，构造一种新的目标函数，迭代求解获得去雾图像。实验结果和对比分析表明:所提方法能有效去除图像中的雾，减少去雾结果中的噪声，同时也能保留图像中丰富的纹理信息。      

基于图像增强的无人机侦察图像去雾方法

针对无人机(UAV)雾霾天气下的侦察图像,并考虑无人机自身特性,提出了一种新的基于图像增强的无人机侦察图像去雾方法。该方法从图像处理的角度,通过对图像分别进行白平衡处理和对比度增强处理,基于图像融合和自动色阶处理,最终得到复原图像。选取无人机侦察图像进行去雾,并从主观和客观对实验结果进行评价,本方法得到的去雾图像的图像评价指标均有明显提高;同时与其他典型的去雾方法相比,综合评价指标提升,证明本方法可以得到良好的去雾效果。     

基于多子块协同单尺度Retinex的浓雾图像增强

针对现有算法增强雾气分布不均匀的浓雾图像效果不理想的问题,提出了一种基于多子块协同单尺度Retinex的浓雾图像增强算法。该算法不同于传统的利用全局统计量获取动态截断值的Retinex算法,首先将图像划分为多个子块,计算出适合不同浓度雾气的动态截断值;然后,利用动态截断值对高频细节信息进行动态范围调整,得到多幅局部最优的图像;最后,融合多幅局部最优图像生成高质量的结果,从而实现浓雾图像每个区域细节的增强。实验结果表明,所提算法能够有效去除不均匀浓雾,并保证去雾后图像的亮度保持在适合人眼观察的范围。      

基于快速退火MRF的改进SAR图像分割方法

基于Markov随机场(MRF,Markov Random Field)的SAR图像分割方法利用了SAR图像的灰度和结构信息,能在分割过程中有效抑制斑点噪声,获得较高的分割精度.但这类方法的缺点是模拟退火的计算量很大.针对该问题,提出了一种基于快速退火MRF的SAR图像分割处理方法.该方法根据SAR图像Gibbs分布的特性,在求取全局最优解时,首先寻找邻域系统中占有支配地位的某种标记,若存在占支配地位的标记,用此标记更新状态;反之,则沿用传统模拟退火的方法随机更新状态.由于该方法引入基于Gibbs分布的先验判决进行系统状态更新,因此能够快速求得全局最优解.最后对真实SAR图像进行处理,处理结果验证了算法的有效性.     

基于嵌入式FPGA加速ORB算法的遥感影像配准方法

卫星上计算资源有限，星载嵌入式处理器处理遥感影像的配准时通常需要很长的时间。可编程逻辑门阵列（FPGA）利用其内部可编程器件可用于加速图像处理。提出了一种基于Xilinx公司的ZYNQ芯片加速ORB算法的遥感影像配准方法，可用于3000×3000像素尺寸的卫星图像配准，缩短了计算耗时，提升了ORB算法的计算能效比。利用FPGA能够实现真正的并行计算电路，实现ORB算法多支路单层流水线的并行计算结构。采用软硬件结合的方法实现架构，能够处理不同分辨率的图像，可灵活配置特征点的数量。基于设计的加速ORB配准方法，获得了较高准确率。与软件实现相比,OVS-1A遥感影像偏移精度损失低于0.05个像元;GF.4遥感影像偏移精度损失小于0.9个像元。将ORB配准算法流程应用在ZYNQ7020上，耗时减少了57.50%。     

图像增强算法在航天图像测量中的应用

提出了一种适用于运载火箭图像测量的简单而有效的图像增强算法。经对大量弱光强运载火箭的图像分析,提出了基于像素通道的图像弱光强背景模型,通过全局最优化求解稀疏矩阵将弱光强图像背景从图像中分离,得到合适的可观测图像,为后续图像数据的处理和识别提供了高质量的信息。     

火星沙尘环境光学图像增强方法

针对火星探测器着陆时沙尘天气对机器视觉的影响,提出一种去除沙尘天气对光学成像影响的方法,为视觉系统提供清晰输入图像。首先对受沙尘天气影响的图像建立模型,然后求取模型中大气光值与透射系数值。对于大气光值的计算采用基于四叉树细分的方法,在最小值图像上搜寻指定阈值面积中灰度均值最大的区域,在初始图像中相同区域计算各通道均值,作为大气光值。在此基础上计算透射系数,完成清晰图像的恢复。通过对受沙尘影响图像测试表明,该方法能够将受沙尘影响的图像恢复成清晰的图像。即使在复杂的环境中,该方法对光照变化、沙尘强度变化和场景变化等仍具有较好的效果。与其他方法相比,本文方法在去除沙尘对光学图像影响方面效果较好,在恢复图像评价指标等方面优于其他方法,能够进一步提高图像清晰度,为光学图像的后期处理提供更丰富信息。      

基于生成对抗网络的空间卫星低照度图像增强

针对空间低照度成像条件下卫星光学图像信息受损严重的问题，提出了一种基于生成对抗网络的空间卫星低照度图像增强方法，提高了图像的平均亮度及对比度，恢复图像细节信息，为图像识别等图像处理技术提供更高质量的数据信息。首先，设计了一种密集连接的生成器，加强了各特征提取阶段中的信息传递以及多层特征的融合，减少了特征信息的损耗，更好地提取正常照度图像及低照度图像中相似的语义信息；并结合EnlightenGAN的思想，采用了全局 局部辨别器结构，使图像增强效果更自然。然后，在少量样本的条件下，利用非配对样本对该方法进行训练，并通过对输入图像进行随机缩放及翻转等数据增强方法提高模型训练效果，进而提升低照度图像增强性能。最后，对所提出的空间卫星低照度图像增强方法进行了仿真验证。试验结果表明，在空间低照度条件下，该方法在NIQE指标上较LIME及EnlightenGAN分别降低了1.034和0.699，保留了更多的图像细节，具有更高的整体和局部亮度、更高的对比度以及更自然的增强效果。