兰州交通大学 电子与信息工程学院，甘肃 兰州 730070
为了有效复原雾霾天气下退化的图像，文章提出了一种自适应线性透射率估计去雾算法。建立有雾图像与无雾图像最小值通道之间的线性变换模型；利用有雾图像的混合通道得到自适应参数，结合自适应参数和线性变换模型估计出透射率，通过有雾图像的最小值通道构造高斯函数来补偿估计明亮区域透射率，提升该区域透射率的准确度，再使用交叉双边滤波器消除纹理效应得到优化透射率；最后，结合大气散射模型复原出无雾图像。实验结果表明，该方法有效降低了时间复杂度，且复原的图像细节明显，明亮度适宜。
去雾 自适应线性变换 高斯函数 大气散射模型 dehazing adaptive linear transformation Gaussian function atmospheric scattering model
兰州交通大学 电子与信息工程学院, 兰州730070
针对暗通道先验算法在天空区域透射率估计不准确的问题, 利用三个不同尺度的高斯函数分别作用于有雾图像的RGB通道来获得“伪”去雾图像; 其次, 利用有雾图像的混合通道得到自适应参数, 将该参数和最小值滤波共同作用于“伪”去雾图像, 接着用联合双边滤波消除纹理效应得到透射率的精确估计; 最后, 采用局部大气光估计方法, 结合大气散射模型复原出无雾图像.实验结果表明, 该方法不仅降低了时间复杂度, 且复原出的图像细节明显, 明亮度适宜, 对于大面积天空区域有良好的去雾效果, 改善了天空区域的颜色失真.
“伪”图像 多级透射率估计 图像处理 自适应去雾算法 联合双边滤波 "Pseudo" image Multi-scale transmission estimation Image processing Adaptive dehaze algorithms Joint bilateral filtering
兰州交通大学电子与信息工程学院, 甘肃 兰州730070
针对通过局部相似假设估计透射率，景深突变边缘出现Halo效应问题，提出一种基于边缘保持的自适应高斯衰减图像去雾算法。该方法从大气散射模型出发，引入大气幕亮度，将场景透射率的估计等效为大气幕亮度的估计。通过边缘检测算子提取边缘信息，分离边缘区域与非边缘区域，利用邻域内像素点的空间邻近度构建自适应高斯函数对非边缘区域进行平滑衰减，从而获得最优效果。通过大量实验对所提方法进行验证，结果表明复原的图像整体平滑，细节明显，有效地消除景深突变处的Halo效应,并且在客观评价中也体现出了优势。
图像处理 高斯衰减 边缘检测 大气幕亮度 边缘保持 激光与光电子学进展
2018, 55(8): 081004
