1 南京航空航天大学 计算机科学与技术学院,江苏 南京 211106
2 中国航天科工飞航技术研究院,北京 100074
红外图像去雾是指通过去除雾霾、烟雾等介质对红外图像的影响,恢复红外成像系统对比度和视觉质量的过程。红外图像凭借全天时、不受光照限制等优势,在**、安防、医疗、能源勘探等领域广泛地应用。然而,由于大气介质对红外图像的干扰,这些应用往往受到限制,因此红外图像去雾成为一个重要的研究领域。近年来,随着计算机视觉、深度学习等技术的不断发展,红外图像去雾技术也取得了一系列重要进展,为红外图像应用的发展提供了强有力的支持。根据红外图像去雾过程中所依赖数据的不同,将现有的红外图像去雾方法划分为多信息融合和单帧图像处理两大类,其中多信息融合因为需要额外的信息来帮助图像恢复而使其应用受到限制;而目前基于单帧图像处理的主流方案包括图像增强和图像重建两个发展方向。对各种分类的代表算法进行了简要梳理,并分析了其原理、优势及不足。最后,对红外图像去雾的发展趋势做出了预测。该工作既可以帮助初学者快速了解该领域的研究现状和发展趋势,也可作为其他研究者的参考资料。
红外图像去雾 多信息融合 单帧图像处理 infrared image dehazing multi-information fusion single-frame image processing 红外与激光工程
2024, 53(2): 20230416
辽宁工程技术大学软件学院,辽宁 葫芦岛 125105
针对当前去雾算法中容易产生的图像伪影、图像颜色失真、图像细节模糊不清等问题,提出一种并行多尺度注意力映射图像去雾算法,通过端到端方式以编码器解码器结构实现图像去雾。在编码阶段,采用连续下采样层降低特征维度,避免过拟合。在特征转换阶段,采用并行分支结构设计并行多尺度注意力映射模块,使模型能够在关注图像重要特征的同时充分利用多尺度特征,并通过并行连接选择性特征融合模块有效收集图像空间结构信息。解码阶段,采用上采样层重构图像,并通过上下采样层融合更好地保留图像边缘信息。实验结果表明,该算法在合成雾天数据集以及真实雾天图像上均具有较好的去雾效果,相较于传统去雾算法,可更好地保留图像细节,具备较好的色彩保持度。
图像去雾 卷积神经网络 并行分支结构 多尺度映射 注意力机制 激光与光电子学进展
2024, 61(4): 0401002
1 华中光电技术研究所—武汉光电国家研究中心,湖北武汉 430223
2 武汉第二船舶设计研究所,湖北武汉 430205
针对雾气环境下实际图像亮度/对比度不佳的情况,提出了整体灰度拉伸和局部对比度增强算法,改善了图像的亮度和对比度。采用基于暗原色先验的图像去雾算法来去除视频监控中常常遇到的雾霾影响。为了消除块效应,将图像分成最小的块,即对每个像素提取暗原色,并采用邻近相似性原则修正暗原色,MATLAB仿真表明,改进后的算法可以很好地去除图像中的雾气。最后,完成了基于达芬奇 DM6467的图像增强算法软件开发,实现了 4路视频的输出、切换和图像增强。增强后的图像,其 SSIM指标可提高 50%以上,该系统可以有效地去除雾气对图像的影响,满足图像去雾增强的需要。
块效应 图像增强 图像去雾 灰度拉伸 对比度增强 blocking artifact image enhancement image haze removal gray extending contrast enhancement
光学 精密工程
2023, 31(23): 3474
辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛 125000
针对传统去雾算法处理图像后存在颜色不均衡、能见度较低等问题, 提出一种基于雾线先验的双边滤波优化透射率算法。首先, 将像素在RGB空间中聚类成雾线并引入自适应模块对大气光值进行预估。将大气散射模型和上下文正则化原理相结合, 对图像透射率进行初步优化, 同时基于最小通道对透射率进行更正, 使得传输率图更加平滑, 防止相邻景深区域透射率差距过大; 再经过双边滤波对透射率进行二次优化, 使其变得更加精准。然后, 将大气光值和透射率输入到大气散射模型进行去雾处理得到无雾图像。最后, 将去雾后的图像进行色彩增强, 以提升图像的色彩真实性和亮度。实验结果表明, 所提方法在主观上提升了人眼的视觉效果, 在客观评价指标结构相似性(SSIM)、峰值信噪比(PSNR)、角点检测数、通用质量指数(UQI)、自然图像质量评估(NIQE)和处理时长上均有着显著的优越性。
图像去雾 雾线先验 透射率优化 自适应 image defogging fog line priori transmittance optimization self-adaption
1 杭州电子科技大学电子信息学院,浙江 杭州 310018
2 杭州电子科技大学碳中和新能源光电研究院,浙江 杭州 310018
夜间图像去雾技术已经成为图像处理技术领域的重要研究内容,在目标跟踪探测、视频监控、遥感等方面有着重要的意义。夜间有雾图像通常具有对比度低、光照不均匀、颜色偏移等特点,这些特点使得夜间图像去雾面临着极大的挑战。通过调研近年来夜间图像去雾算法的国内外研究现状,从物理模型、非物理模型和深度学习的角度对其中比较经典的算法进行了归纳总结,详细阐述了算法的流程以及优缺点。最后,对夜间去雾算法的未来研究方向进行了展望。
图像去雾 深度学习 大气散射模型 物理模型 非物理模型 激光与光电子学进展
2023, 60(24): 2400002
光学 精密工程
2023, 31(18): 2687
光学 精密工程
2023, 31(12): 1827
1 中国计量大学信息工程学院,浙江 杭州 310018
2 中国计量大学浙江省电磁波信息技术与计量检测重点实验室,浙江 杭州 310018
针对传统图像增强Retinex去雾算法未考虑有雾图像景深信息,整幅图采用同一尺度复原而导致的局部颜色失真、图像细节丢失等问题,提出一种基于景深信息的自适应Retinex图像去雾算法。从场景雾的浓度与景深密切相关出发:首先利用BTS深度学习模型得到有雾图像的景深估计;然后以图像的平均梯度作为最优评价标准,对有雾图像分块处理并采取不同的高斯滤波尺度进行Retinex增强,统计出最优高斯滤波尺度与其对应的景深估计平均值;接着通过梯度下降法对统计数据进行拟合,得出景深估计与高斯滤波尺度的参数模型并将模型应用到单尺度Retinex去雾算法对有雾图像进行分块处理;最后通过计算均值和均方差,再加上一个控制图像动态的参数来实现无色偏的自适应对比度拉伸以及使用双线性插值映射使图像分块边缘过渡更加连续,从而得到增强的去雾图像。实验结果表明,经过所提算法去雾处理后的图像标准差、平均亮度、信息熵、平方梯度等评价指标均高于对比算法,实际效果对比度较高,图像细节保持完好,且抑制了过度增强。基于景深信息自适应Retinex图像去雾算法能够有效保留图像细节,颜色自然,符合人眼视觉特性,自适应程度高,明显优于传统Retinex去雾算法。
图像处理 图像去雾 景深估计 Retinex算法 自适应 双线性插值 激光与光电子学进展
2023, 60(12): 1210013