天津大学电气自动化与信息工程学院, 天津 300072
夜间有雾图像光照不均、对比度较低且色偏严重。现有的去雾算法主要是针对白天图像,并不适用于夜间场景,夜间图像去雾难度较大。该文通过深入分析夜间有雾图像的成像特点,提出了基于低通滤波和多特征联合优化的夜间图像去雾算法。针对夜间图像环境光照不均匀问题,提出先对图像进行低通滤波,然后对其低频分量三通道利用最小-最大值滤波估计局部环境光;针对目前白天去雾算法先验不适用于夜间图像,提出结合图像对比度、饱和度和信息熵特征,构建多特征联合优化函数估计透射率;针对夜间图像存在非一致色偏问题,提出非重叠块局部Shade of Gray算法进行颜色校正。实验结果表明:所提算法去雾图像的主观视觉效果较好,且对比度和色偏程度两方面客观评价指标整体优于其他对比算法。该算法能够有效去除夜间图像雾气,提高图像的对比度,恢复更多的细节信息,且颜色自然,视觉效果理想。
图像处理 夜间图像去雾 低通滤波 局部环境光 多特征联合优化 光学学报
2018, 38(10): 1010006
天津大学电气自动化与信息工程学院, 天津 300072
夜间图像光照不均匀,存在色偏,去雾难度较大。目前图像去雾算法主要针对白天场景,有关夜间图像去雾算法的研究较少。基于结构-纹理分层模型提出新的夜间图像去雾算法,将夜间有雾图像分解为结构层和纹理层。在结构层采用中值滤波器估计环境光,利用加权范数L1正则化模型对其进行优化,并进行去雾和颜色校正处理;在纹理层利用离散余弦变换系数估计透射率。最终融合纹理层与去雾后的结构层得到去雾图像。实验结果表明,采用该算法对夜间图像去雾后图像细节清晰,颜色自然,去雾效果显著。
图像处理 夜间图像去雾 结构-纹理分层 加权范数L1正则化模型 离散余弦变换系数 激光与光电子学进展
2018, 55(6): 061001