作者单位
摘要
河南理工大学 物理与电子信息学院,焦作 454000
为解决低光照环境下机器视觉采集图像存在的对比度低、细节丢失等问题,提出了一种基于扩展大气散射模型的低光照图像增强算法。首先,将低光照图像三个颜色通道的最大值作为初始传输图,并使用伽马校正调整图像的可见性和边缘细节;接着,利用融合技术优化初始传输图,融合不同方法提取的主要结构和精细结构;然后,利用亮通道的暗像素计算逆大气光值;最后,根据传输图和逆大气光值对模型进行求解得到最终增强图像。模型中的校正项可以更好地抑制增强图像的过度增强与细节丢失,同时,算法采用图像融合对传输图进行优化,可以较好地再现图像中的轮廓和纹理细节。实验结果表明,相比于其他8种算法,该算法在提高图像对比度、自然度和突出细节方面表现出了更好的性能。
图像处理 图像增强 大气散射模型 图像融合 传输图 亮通道 大气光值 Image processing Image enhancement Atmospheric scattering model Image fusion Transmission map Bright channel Atmospheric light value 
光子学报
2023, 52(6): 0610002
作者单位
摘要
西安建筑科技大学 理学院, 陕西 西安 710055
针对雾天环境下采集的图像对比度降低,饱和度下降以及色彩偏移问题,提出了一种基于全卷积神经网络的图像去雾算法。首先,提出的三个尺度的全卷积神经网络用来学习雾天图像与介质传输图之间的映射关系,逐步生成精细的介质传输图;其次,通过雾天图像引导滤波优化预测的介质传输图,使得图像边缘信息更加平滑;最后,根据暗原色先验理论估计大气光的值,通过大气散射模型恢复出无雾图像。该方法获得的无雾图像不但未造成图像中有用信息的损失,并且恢复的图像色彩自然。实验结果表明,该去雾算法在自然雾天图像和利用Middlebury Stereo Datasets合成的雾天图像上均优于其他对比算法,恢复的图像具有更好的对比度与清晰度。
图像去雾 卷积神经网络 大气散射模型 传输图 引导滤波 image dehazing convolution neural network atmospheric scattering model transmission map guided filter 
应用光学
2019, 40(4): 596

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!