针对当前去雾算法未考虑交通监控图像中雾气浓度分布不均匀的问题, 提出了波长相关物理成像模型的去雾算法.首先, 根据波长与雾气浓度的相关性, 构建了适用于交通监控图像的波长相关物理成像模型.然后, 根据波长与颜色的相关性, 设计出基于最大模糊相关图割的透射率估计算法.考虑到灰度值存在交叉重叠的模糊特性, 及景物的空间相关性, 利用递推的最大模糊相关算法快速获取景物划分信息, 并用此信息设计图割的数据项, 实施图割.该策略将基于阈值的分割算法与基于空间相关性的图割算法相结合, 确保了景物的空间相关性, 提高了分割精度, 避免白色目标的误分.最后, 通过分割结果中的天空区域, 准确地计算大气光, 实施去雾.在500幅仿真图像及真实图像上的测试结果表明, 该算法较已有去雾算法的去雾精度至少提高7%, 运行时间至少缩短了约15%, 可用于交通监控系统的图像去雾处理中.

有效地实现单幅水下降质图像复原对水下资源探索及环境监控领域的清晰图像获取具有极其重要的意义。为解决常用暗通道先验方法来复原图像时, 背景光的估计易受白色物体干扰, 且无法有效估计前景中白色物体透射率, 复原质量不高的问题。本文提出了自适应背景光估计与非局部先验的水下图像复原算法。首先根据背景光具有高亮度及平坦性的特点, 利用阈值分割算法获得背景光的候选区域, 再通过图像的色调信息从候选信息中选取最佳的背景光点。随后, 利用各颜色通道光的波长与散射系数的相关性, 提出了适用于水下图像的非局部先验, 并利用该先验估计各通道的透射率。最后针对复原结果中, 因水下介质, 微生物, 水流影响而产生的加性噪声, 设计去噪的最小优化问题, 并利用引导滤波求解该问题, 以去除复原结果中的加性噪声。实验表明: 该算法在确保运行效率的基础上, 准确地估计透射率, 较常用算法的复原精度提高了约18%。证明了该算法能有效用于单幅水下图像复原的工程实践中。