针对山区范围内敌军雷达站的分布、洞库位置、交通补给线路等大目标的识别提出一种基于非局部先验的算法。首先在山区雾霾图像内采用对色彩的索引以求得聚类检测的雾霾线, 进而对雾霾线中像素的传输系数初始值进行估计, 最后, 采用最优化的算法对传输系数正则化处理, 得到无雾霾图像。

图像去雾是计算机视觉的重要研究方向之一。传统图像去雾算法存在去雾不彻底、去雾图像对比度低、halo效应、色彩失真等问题。针对上述问题, 提出了一种改进的非局部先验的图像去雾算法。该算法使用基于中智学的模糊C均值聚类算法和一种混合暗通道先验的透射率优化方法, 改进了传统非局部先验的图像去雾算法在大气光估计、雾线定位和透射率优化过程中存在的问题。结果表明, 与几种常用的图像去雾算法相比, 提出的算法在去雾图像的大气光估计、客观分析和主观分析等方面均有一定的优势。

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。

现有单幅图像去雾算法大多基于局部先验,去雾结果存在块效应。在处理浓雾区域时,如果没有特殊处理,会导致图像中的一些伪影被增大,比如在原始的有雾图像中几乎不可见的噪声、色彩重叠等,在去雾后的图像中被增强,进而影响图像质量。针对以上存在的问题,提出了一种改进算法。首先采用非局部先验,估算初始的透射率,然后采用正则化的方法优化透射率,并且将原始图像和去雾后图像的梯度差L_1/2范数作为正则化项,达到抑制噪声干扰的目的。结果表明,该算法能够很好地恢复出图像的细节信息和色彩;与局部先验方法相比,具有更好的稳健性。