针对当前流行的图像去雾算法存在去雾过度造成图像颜色失真, 或者去雾不足等问题, 提出了一种自适应gamma校正估计的图像去雾算法。首先根据图像亮度, 利用不同的gamma校正函数拟合不同场景深度下有雾图像与无雾图像之间的关系, 自适应估算出无雾图像最小通道, 并通过引导滤波算法进行修正, 保持局部区域内线性的关系, 进而根据大气散射模型得到初始透射率,然后通过高斯相对性进行优化; 另外, 通过增加搜索领域, 将有雾图像的蓝色通道上半部分作为输入对四叉树算法进行改进, 得到场景最深处所对应的有雾图像像素值作为大气光值; 最后通过gamma校正函数对复原图像的亮度进行增强。实验结果表明复原图像的对比度、平均梯度分别平均提高了40.66%, 20.98%, 并具有较高的信息熵。上述算法去雾显著, 复原图像具有较高的清晰度。

针对存在光照不均匀干扰的工业图像,提出了一种基于图像的多方向灰度波动局部阈值分割方法。先对图像进行均值滤波预处理;然后提取水平、垂直和左右对角线四个方向上的一维灰度波动曲线,并对每条曲线上满足波动幅度阈值条件的波峰和波谷进行一维局部阈值分割;最后将分割后的子图像进行与操作,得到最终分割图像。实验结果表明,该方法能够有效提高对光照不均匀图像分割的准确性,与二维Otsu、二维Tsallis和Niblack算法相比分割效果有显著提升。

为了进一步提高有雾视频的可用性, 提出了一种改进的基于雾气理论的视频去雾方法。该方法以雾气理论为基础, 利用暗原色先验知识以及Retinex方法和图像融合的方式, 将从视频背景图像求取的大气光值和介质传播图应用于视频的所有帧以便去除雾气。从主观定性评价、客观定量评价和运算速度3个方面对视频去雾效果进行了评价。结果表明, 对分辨率为480×640的视频, 本文方法的运算速度为5.45 frame/s, 不仅获得了较快的处理速度且能有效避免复原视频中出现颜色跳变的现象。由于本文采用区间估计的方式对大气光值进行估计, 同时利用图像复原和图像增强的方法求取介质传播图, 因此, 复原视频的清晰度和对比度比典型的视频去雾方法有所提高, 颜色效果也比较好。