恶劣天气条件下的图像复原算法研究

合集下载

图像去雨雪算法分析

图像去雨雪算法分析在自然环境下，雨水和雪花是影响图像质量的常见因素。

这些天气因素会降低图像的清晰度和对比度，使图像变得模糊、不清晰，甚至无法识别图像中的目标。

图像去雨雪算法的研究和应用对于提高图像质量和增强图像信息具有重要意义。

本文将对图像去雨雪算法进行深入分析，探讨其原理和方法。

一、图像去雨算法的原理图像去雨算法是指对受雨水和雪花影响的图像进行处理，去除雨雪痕迹，恢复原始图像的清晰度和对比度。

其基本原理是利用图像处理技术对受雨雪干扰的图像进行分析和处理，消除雨雪痕迹，恢复图像的原始信息。

根据处理的方式和处理的效果，图像去雨算法可以分为基于传统图像处理技术和基于深度学习技术的方法。

基于传统图像处理技术的图像去雨算法通常包括以下步骤：首先利用图像分割技术将雨滴或雪花区域从图像中分离出来；然后利用滤波技术对分离出的雨滴或雪花进行处理，包括模糊处理、边缘增强等；最后将处理后的雨滴或雪花区域与原始图像进行合成，恢复原始图像的质量。

图像去雨算法的方法多种多样，可以根据不同的需求和实际应用选择合适的方法进行处理。

下面将介绍几种常见的图像去雨算法方法：1. 基于滤波技术的图像去雨算法：该方法通过运用滤波器对受雨水和雪花影响的图像进行滤波处理，消除雨雪痕迹，提高图像质量。

常用的滤波技术包括中值滤波、高斯滤波、均值滤波等，通过选择合适的滤波器和参数，可以有效去除雨雪痕迹，提高图像质量。

2. 基于边缘增强技术的图像去雨算法：该方法通过增强图像的边缘信息，突出目标和背景的对比度，提高图像的清晰度和辨识度。

常用的边缘增强技术包括Sobel算子、Prewitt算子、Laplacian算子等，通过对图像进行边缘检测和增强处理，可以有效改善受雨雪干扰的图像质量。

3. 基于深度学习技术的图像去雨算法：该方法通过构建深度神经网络模型对受雨雪干扰的图像进行学习和处理，实现自动化的雨雪痕迹检测和去除。

常用的深度学习技术包括卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等，通过训练和优化深度神经网络模型，可以实现对雨雪痕迹的精准处理，提高图像去雨的效果。

基于分块的单幅雾天图像复原方法

图像与多媒体技术・Ｉｍａｇｅ＆ＭｕｌｔｉｍｅｄｉａＴｅｃｈｎｏｌｏｇｙ
基于分块的单幅雾天图像复原方法
文／侯晓晴
化。而雾是一种常见的天气现象，由它引起的介绍了一种大景深雾天自然图像的分块复原方法。该方法首先根据初步观测到的雾天图像景深大小将其分成多个矩形块，然后使用 “ 基于滤波器的线性渐进反卷积 ”的方法对每一个图像块去雾，再使用一种 “ 基于ＳＩＦＴ算法的图像拼接方法”将复原好的个图像块拼接成一幅完整的图像，最后使用加权平滑算法对拼接后图像的缝合线进行处理，实现无
破，目前应用比较广泛的单幅雾天图像复原方
法包括：Ｔａｎ的单幅图像去雾方法：Ｆａｔｔａｌ的
利用独立成分分析的方法；Ｈｅ的基于暗通道
先验的方法，该方法利用暗原色统计规律推断透射信息，能够达到非常好的去雾效果，但其不适用于浓雾图像复原。
定区域内是近似不变的，即等晕区，我们可以
在等晕区内使用 “ 基于滤波器的线性渐进反卷
恶劣天气（雾，霾，水体）中充满着大
量的悬浮粒子，由于这些粒子对光会产生散射
于点扩散函数（ＰＳＦ１随空间发生变化的图像，
学来完成艺术设计，一般需要设计人员具备较方法中：图像的处理方法是几何修正以及图像技术对各领域的发展也产生了很大的作用，这高的艺术功底，同时也需要配置高端的硬件与

关于雾天图像增强和恢复算法的文档

关于雾天图像的增强和复原现状：国内外已有很多研究人员将大气对成像的影响进行了分析和评估。

散射理论在分析大气的影响中发挥了巨大的作用，由于单射模型不能准确表现实际复杂介质的影响，多射模型得到了广泛的关注。

在光和大气介质交互问题的研究中，或多或少地借鉴了物理学科的知识，其中输运理论很常见，并被广泛应用于恶劣天气条件对图像退化的建模。

在研究尘雾等恶劣天气条件对成像影响模型的基础上，对退化图像进行复原处理取得了较大的进展。

当场景深度已知和大气条件的精确信息己知时，消除一幅图像的天气条件的影响已被证明是可行的；在计算机视觉方面，算法已经发展到不用已知大气及场景深度信息，通过处理至少两张在恶劣天气条件下拍摄的图像可以自动地计算出场景的结构和恢复场景的色度及对比度。

目前，对雾图进行清晰化处理的方法大体上有两类:基于模型的和非模型的算法。

其中，基于模型的算法通过了解图像退化的内在原因而进行逆运算来改善图像的对比度;非模型的算法并不要求知道图像退化原因的信息。

用非模型的方法处理图像我们称之为图像增强；用基于模型的方法处理图像我们称之为图像恢复，这类算法更加可靠，因为它们利用了图像退化的物理机理，其目的在于提高退化图像的保真度。

近年来，上述两个方面的研究都取得了较大的进展，特别是基于物理模型的复原问题，吸引了越来越多研究者的注意，以下分别就其研究现状做简要的介绍。

●图像增强处理的研究现状图像增强是图像处理的基本手段，是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法。

图像对比度增强是图像处理领域中的一个传统的话题，同时又一直是较为活跃的研究领域，不断有新方法与新手段引入使该领域保持旺盛的生命力，并不断有新成果面世。

●图像恢复处理的研究现状近年来，不少学者在大气散射物理模型的基础上，对恶劣大气条件下的成像机理进行了深入的分析，并提出了一些新的雾天图像增强方法。

与传统图像增强相比，这些方法是建立在雾天成像的物理过程之上的，因此更具有针对性，处理效果也较为理想。

雨雾霾天气条件下图像处理研究综述

Ｎａａ［于大气散射理论从两幅或更［］ＮＳ．ｐｉａ．ＡｓｓｅＥｎｉｅｒｎｙｒ１３基２Ｋｏｅｋｙｔｍｇｅｉｇｎ
ＡｐｒａｈｔｍａｉｇＳｉｒｓ，９８ｐｏｃｏｉｇｐｅＰｅｓ１９．ｎ多幅恶劣天气下的图像中完全复原其对比３ｒｓｍｈｎＧｎｙｒＳＫ度．提出一种描绘恶劣天气是如何影响景【】ＮａａｉａＳａｄＮａａ．，Ｖｉｏｎｔｓｈｒ［．ＩｔｒａｉｎｌｓｎａｄａｍｏｐｅｅＪｎｅｎｔｏａｉ】色亮度的单色大气散射模型。ＮａａｉａｒｓｍｈｎＪｕｒｌｆｏｎａｏＣｏｍｐｕｅｒｓｏｔｖｉｉｎ２０２，８０４和Ｎｙｒ］出的二色大气散射模型并基于ａａ［４提此来分析不同天气条件景物的彩色变化。（）３－２４．３２３５通过两幅或更多幅恶劣天气条件下图像计【】ＮａａｉａＳａｄＮａａ．４ｒｓｍｈｎＧｎｙｒＳＫ
型
：
ＳｃｅｃｎＴｃｎｌｇｎｏａｉｎＨｅａｄｉｎｅａｄｅｈｏｏｙｌｎｖｔｒｌｏ
工程技术
雨雾霾天气条件下图像处理研究综述
沈凤龙董慧颖 ’ （．１沈阳理工大学信息科学与工程学院辽宁沈阳１１８２辽东学院机电学院辽宁丹东０；．１６
１８０）１０３

恶劣雾霾天气退化图像的处理与优化研究

恶劣雾霾天气退化图像的处理与优化研究恶劣雾霾天气退化图像的处理与优化研究摘要：近年来，恶劣的雾霾天气给人们的生活和工作带来了严重的影响。

在这样的环境下拍摄的雾霾图像通常存在颜色失真、细节丢失和对比度降低等问题，这给后续的图像处理和分析工作带来了困难。

本文深入研究雾霾图像的处理和优化技术，探索了从颜色校正、细节增强到对比度增强等多个方面对恶劣雾霾天气退化图像的改善方法。

实验结果表明，本文提出的方法在雾霾图像处理中取得了较好的效果。

1. 引言雾霾是指空气中悬浮颗粒物质（如颗粒物、细菌、病毒、浮游生物和有机物等）过多的天气现象。

恶劣的雾霾天气给人们的生活和工作带来了严重的影响。

恶劣雾霾天气情况下的图像拍摄存在颜色失真、细节丢失和对比度降低等问题，使得图像处理和分析工作受到限制。

因此，如何有效处理恶劣雾霾天气中的图像，成为了当前研究的热点问题。

2. 雾霾图像处理方法2.1 颜色校正恶劣雾霾天气中的图像通常呈现灰暗且偏黄色调。

颜色校正旨在恢复图像的真实颜色，提高图像的视觉效果。

颜色校正的方法可以分为全局方法和局部方法两种。

全局方法通过调整图像的色调、饱和度和亮度等参数来改善图像的颜色；局部方法则根据图像的特征，通过对图像的不同区域进行颜色校正来提高整体的色彩表现。

2.2 细节增强雾霾天气中的图像往往存在细节丢失的问题。

细节增强的目标在于恢复图像中丢失的细节信息，提高图像的清晰度。

细节增强的方法主要包括锐化算法、增强边缘算法和基于图像增量模型的算法等。

这些算法通过增强图像中的高频信息来增强细节，使得图像更加锐利和清晰。

2.3 对比度增强在恶劣雾霾天气中，图像的对比度往往较低，颜色的层次感不明显。

对比度增强的目标在于提高图像中不同灰度级之间的差异，增强图像的可视化效果和信息传递能力。

对比度增强的方法包括直方图均衡化、灰度拉伸等。

这些方法通过调整图像的灰度分布来增强图像的对比度，使得图像更加鲜明和清晰。

3. 实验结果与分析本文在恶劣雾霾天气拍摄的图像数据集上进行了实验，并与其他常用的方法进行了比较。

恶劣雾霾天气退化图像的处理与优化研究

恶劣雾霾天气退化图像的处理与优化研究恶劣雾霾天气退化图像的处理与优化研究1.引言近年来，雾霾天气频频发生，严重影响人们的健康与生活质量。

雾霾天气的一大特点是空气中的颗粒物增多，导致景物图像的可见度下降，使拍摄的图像出现明显的退化。

因此，对于雾霾天气退化图像的处理与优化研究具有重要的理论意义和实际应用价值。

2.雾霾天气退化图像的特点与挑战雾霾天气退化图像有以下几个主要特点和挑战：2.1 低对比度：雾霾天气中颗粒物的散射效应导致图像的对比度明显下降，使得图像中的细节难以观察和分析。

2.2 色彩失真：雾霾天气会使光线发生散射，导致图像中的颜色被混淆和失真，使得图像无法真实地再现场景的色彩。

2.3 细节模糊：雾霾天气下，图像的细节信息被颗粒物遮挡和散射，导致图像细节模糊不清，无法辨认和识别。

3.雾霾天气退化图像处理方法为了改善雾霾天气退化图像的质量，研究学者提出了一系列的处理方法，主要包括以下几种：3.1 对比度增强：通过增大图像对比度，突出图像中的细节信息，使图像更加清晰可见。

常用的方法包括直方图均衡化、拉伸变换、自适应对比度增强等。

3.2 色彩校正：通过调整图像的颜色分布，使得图像中的色彩更加真实，恢复场景中的本来色彩。

常用的方法包括白平衡校正、颜色映射等。

3.3 图像去雾：通过去除图像中的雾霾效应，使得图像的可见度得到提升。

常用的方法包括暗通道先验法、偏振滤波法、Retinex算法等。

4.雾霾天气退化图像优化研究除了对雾霾天气退化图像进行处理，还可以通过优化传感器和相机设备，提高雾霾天气下图像的采集质量。

具体的研究不仅需要从硬件层面进行优化，还需提出相应的图像处理算法。

4.1 优化传感器：通过改进传感器的结构和材料，提高传感器的敏感度和动态范围，使得传感器能够更好地适应雾霾天气的拍摄需求。

4.2 优化相机设备：通过改进相机的成像系统和图像处理算法，提高相机在雾霾天气下的成像效果和可见度。

4.3 图像复原算法：通过对雾霾天气退化图像进行复原和修复，恢复图像中的细节和色彩，提高图像的质量和可见度。

雾天条件下图像的恢复研究的开题报告

雾天条件下图像的恢复研究的开题报告文献综述：雾天天气对图像的影响十分显著，会使图像变得模糊、失真、色彩偏差严重，给人类的视觉观感以及计算机视觉算法的准确性带来了很大的影响。

因此，对于雾天条件下图像的恢复的研究一直是计算机视觉、图像处理领域的热点问题之一。

近年来，国内外学者对于雾天条件下图像恢复的算法进行了广泛的研究。

研究结果可以分为两种主要的方向：一种是基于图像退化模型的图像去雾算法，另一种则是基于深度学习的图像去雾算法。

1. 基于图像退化模型的图像去雾算法通过建立雾天天气的图像退化模型，来恢复图像的清晰度。

其中，常见的模型为简单的线性模型，即将雾天图像分解为雾图像和场景图像两个部分，从而将去雾过程简化为去除雾图像的过程。

对于雾图像的去除又可分为以下几种方式：（1）固有图像分解法固有图像分解（intrinsic image decomposition）可以将雾图像分解为固有图像和雾图像两部分，进而提取雾图像的深度信息，并基于深度信息来进行图像去雾处理。

（2）暗通道先验法暗通道先验法（dark channel prior）是一种基于物理学原理的去雾算法，该算法基于“任何天空区域上的像素在某种颜色通道上至少有一个值非常小”，从而提出了类似“暗通道”的概念，并以此来推理出雾世界中的深度信息。

（3）多尺度分解法多尺度分解法是将图像进行多尺度分解，并使用多尺度信息来辅助图像去雾处理。

该方法被广泛应用于加速去雾算法的运算速度，同时在增加去雾的效果上也有很好的表现。

2. 基于深度学习的图像去雾算法深度学习在图像去雾中发挥了非常重要的作用。

可以通过构建深度学习模型来进行雾天图像的恢复。

其中，更为流行的是针对图像去雾的卷积神经网络（CNN），其可以直接学习图像的高层次特征，并在反卷积的过程中恢复出原始图像。

研究内容：本论文主要是针对雾天条件下图像的恢复研究，并基于此设计出一组基于深度学习的图像去雾算法。

具体的研究内容如下：1. 对雾天天气下的图像恢复技术深入研究，包括基于图像退化模型的图像去雾算法以及基于深度学习的图像去雾算法。

恶劣天气情况下的数字图像处理技术

虑如何从少量的线性测量重构原始信号，针对不同的稀疏信号，应该用什么方法来快速得到最优解。如果称一个信号是可压缩的，那么必然存在一个基使得该信号能够在此基下稀疏表示。更准确地说，如果存在
何正则性，对边界的平滑十分有效。本文基于这两种基本
Ｍｉｎｉｍｉｚｅ！Ｉｘ－６＋２￣ｌｌｘｌｌＳｕｂｊｅｃｔｔｏ ∈ ，，， ≤ “ ｝
（１）
算法的描述：Ｘｉ，是原始图像（ｆ，，）点上的像素信息，定义一个新的空间集合Ｐ来满足稀疏性条件，构造逼近函数。空间内的每个元素是两个矩阵（ｐ，ｑ）所构成，ＰＲｃ
一
ｌ取＝（
ｆ
）ｌ
Ｉｃ：ｇｋ＋ｃ一址（Ｐｍ）
ｌＬ（ｐ￣ｑＤＩ
／＾＼
。
Ｉ
Ｙ
个正交基Ｂ使得信号ｘ７以被表示．为：ＢＯ，且＝ｏｋ＋ｗ，
其中ｏｋ表示ｋ稀疏的向量，ｗ是一个非常小的量级，那么我们称信号是可压缩的。常见的正交基有ＤＣＴ正交基
信息技术推广
中国科技信息２。１４年第１６期 ‘ ＣＨＩＮＡＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＩＮＦＯＲＭＡＴＩＯＮＡｕｇ．２０１４
蠡血日：崮城人手土＿巳Ｕ习ｉ，ｒ圳

基于偏振信息的水下复杂环境中灰度图像复原方法的研究

摘要相对于传统光学成像与测量技术来说，偏振成像与偏振测量技术是一种新型的光学探测技术，该技术将偏振测量与图像处理相结合，通过测量物体光波的偏振态（Stokes矢量）或目标对偏振态的调制（Mueller矩阵）信息，可以有效解决传统光学在目标探测和识别领域无法解决的问题，弥补探测效果受环境制约较大的不足，并取得高对比度的探测图像。

在本篇论文中，我们主要研究在水下复杂环境中偏振图像的复原技术，以提升图像的质量和效果。

本文第一部分从各种复杂环境对人眼和机器视觉以及目标探测和识别的影响出发，阐述了本课题的研究背景和意义；介绍了散射介质环境中图像复原方法在国内外的研究进展以及不足，简要概括了主要的两种图像复原手段，偏振差分去雾和水下圆偏振光在强散射介质中的研究。

最后总结了本文研究的主要内容。

在第二部分讨论了偏振光的分析方法以及从偏振光学的基本理论出发，介绍了光的偏振现象以及基本物理概念。

在此基础之上，分析讨论了不同结构的偏振成像系统和各种偏振参量的测量方法。

在第三部分首先讨论了传统偏振去雾的物理模型，并概述了现有的基于偏振成像的水下图像复原方法的局限性，且基于此模型搭建了水下偏振成像系统。

考虑被探测目标物体的不同偏振特性的影响，提出了一种基于水下透过率校正的偏振图像复原方法，对水下散射介质环境中物体反射光进行复原。

在第四部分讨论了在主动照明实验条件下，成像视场中光照的不均匀分布将导致在场景中粒子散射光的偏振度在全空间上的不均匀分布。

基于成像视场中光照的不均匀性提出了一种在散射环境中非均匀光场下的偏振图像复原方法，考虑并利用光场非均匀性造成的后向散射光偏振度在空间分布不均的影响，通过对背景区域后向散射光偏振度的三维拟合得到全空间内后向散射光偏振度的分布，进而通过进一步计算得到复原后的去雾图像。

在第五部分讨论了在强散射介质环境中，圆偏振光比线偏振光在散射介质中具有更好的“偏振记忆”能力。

并基于圆偏振光的这种“偏振记忆”能力，提出了一种基于圆偏振光和线偏振光联合图像复原方法，进一步提高强散射介质环境下的偏振图像复原质量。

雾天降质图像清晰度恢复技术研究

雾天降质图像清晰度恢复技术研究【摘要】雾霾天气的情况下，在户外获取的场景图像对比度信息丢失，严重影响了户外计算机视觉系统的工作质量。

通过图像去雾处理技术处理雾化的图像，增加雾天情况下户外场景的对比度非常重要。

本文围绕先验暗原色去雾方法开展研究，针对图像去雾的实时性要求，以及颜色失真问题作了以下处理：将图像从RGB颜色空间转换到YUV颜色空间进行处理;使用Guide Filter代替抠图法处理透射率t值图。

经过实验对比，证明优化后的去雾方法能有效获得清晰地图像，并且缩短了图像处理的时间，提高去雾图像的质量，满足了图像去雾的实时性要求。

【关键词】暗原色去雾;大气散射模型; guide滤波器;YUV1.引言随着人类社会步入信息时代，人们对于对信息的采集以及信息的提取有了更大的需求，其中图像作为信息的以一种载体有着更加直观的作用。

近些年来，极端天气频发。

在雨、雾、雪等恶劣天气下，户外获得的图像会受到复杂天气的影响。

而其中雾，霾天气是较常遇到的天气，这种天气时空中有大量的悬浮颗粒，由于这些微粒对光线的散射、吸收等作用，使得大气的能见度降低，造成了雾天拍摄的图像质量大大降低，图像的清晰对和对比度受影响，最终直接导致了图像中细节被遮盖，图像信息无法正常提取。

因此雾天条件下，图像处理技术对雾化图像的处理，还原原始的无雾图像，方便与图像信息的提取，使得计算机视觉系统能够在恶劣天气下也能正常提取图像信息，降低天气对计算机视觉系统的不利影响，这无疑具有十分重要的理论和实际应用价值。

2.大气散射理论及退化模型有雾天气条件下在户外进行取景时，户外场景会受到雾气的影响，导致传感器获得的图像清晰度不高，获得的图像不可靠，影响了计算机视觉系统在雾天情况下的可靠、稳定工作。

2.1 大气的散射图片质量下降从本质上来说，是由于场景的反射光线在进入传感器的传播过程中，光线与大气中的气溶胶系统的微粒相遇，发生交互作用，使得光线的传播方向及能量发生变化并在空间中以一定规律重新分布的结果。

图像恢复与复原算法研究

图像恢复与复原算法研究图像恢复与复原算法研究摘要：随着数字图像处理技术的发展，图像恢复与复原算法逐渐成为研究的热点。

尤其是在图像去噪、图像重建以及图像修复等领域，图像恢复与复原算法起到了重要的作用。

本论文主要详细介绍了图像恢复与复原算法的研究进展和应用现状，以及相关技术的原理和方法。

同时，还对一些经典的图像恢复与复原算法进行了实验分析和比较，并针对其不足之处提出了改进和优化的方案。

关键词：图像恢复，复原算法，去噪，重建，修复一、引言图像是人们记录和表达信息的一种重要形式，广泛应用于各个领域。

然而，在图像获取和传输过程中，由于多种原因会引发图像数据的损坏，导致图像质量下降。

因此，图像恢复与复原算法的研究对于提高图像质量、还原原始信息具有重要意义。

二、图像恢复与复原算法的研究进展和应用现状2.1 图像去噪算法的研究进展图像去噪是图像恢复与复原算法中的关键问题之一。

多年来，许多学者提出了各种各样的图像去噪算法。

最常用的是基于小波变换的去噪方法，其原理是将图像分解成不同尺度的子带，并根据子带的系数进行去噪处理。

此外，还有基于聚类分析、基于变分方法以及基于稀疏表示等方法。

这些算法都在一定程度上提高了图像的清晰度和信噪比。

2.2 图像重建算法的研究进展图像重建是指根据有限的观测数据恢复原始图像的过程。

常见的图像重建方法包括最小二乘法、极大似然法、正则化方法等。

这些方法通常需要对图像进行模型假设，通过求解最优化问题来获得图像的最佳估计值。

此外，还有基于字典学习、基于压缩感知理论以及基于深度学习等方法。

这些方法在图像重建领域取得了较好的效果。

2.3 图像修复算法的研究进展图像修复是指对被破坏的图像进行恢复或者修复处理的过程。

常见的图像修复方法包括基于偏微分方程、基于全变分、基于统计模型以及基于纹理合成等方法。

这些方法可以根据图像的特点选择合适的修复策略，并实现图像的局部或者全局修复。

同时，还有基于图像插值、基于边缘保持以及基于深度学习等方法。

极端天气条件下低质图像增强算法研究

2017，53（8）1引言雾霾、沙尘、雨雪等极端天气给人们日常生活带来了一定程度的影响。

在极端天气下获取的图像，对比度降低、细节模糊，图像降质严重，这样的图像大大限制了机器视觉的应用，尤其是在户外，交通监控[1-2]，目标识别，遥感[3-4]，导航等方面。

如何提高单一降质图像的清晰度，国内外学者做了大量研究。

Tan [5]通过最大化局部对比度来实现去雾，增强后的图像常常过饱和；He [6]等提出基于暗原色先验的单一图像去雾方法，该方法处理后的图像景象自然，去雾效果较好，也是目前最实用有效的去雾方法。

在优化透射率时所使用的抠图方法，具有较高的空间和时间复杂度，耗时较长，为了提高计算速度，He 等又采用了导向滤波[7]来修正透射图，恢复的图像较暗，质量降低。

雨雪方面：Xu [8-9]等使用去雾的方法实现了雨滴去除工作。

同时他又使用该方法实现了图像中雪花的去除，他极端天气条件下低质图像增强算法研究刘振宇1，江海蓉1，徐鹤文2LIU Zhenyu 1,JIANG Hairong 1,XU Hewen 21.沈阳工业大学信息科学与工程学院，沈阳1108702.白城兵器试验中心，吉林白城1370001.School of Information Science and Engineering,Shenyang University of Technology,Shenyang 110870,China2.Baicheng Weapon Test Center,Baicheng,Jilin 137000,ChinaLIU Zhenyu,JIANG Hairong,XU Hewen.Low-quality image enhancement algorithms in extreme weather puter Engineering and Applications,2017,53（8）：193-198.Abstract ：An adaptive single image enhancement algorithm is proposed to deal with serious image degradation in haze,dust,rain,snow and other extreme weather.First,an image classifier is designed to judge whether the image is degraded.If so,different methods are taken to process the image separately according to chrominance components.Second,the transmit-tance of haze images is obtained by segmenting the bright area based on dark channel prior algorithm,which improves halo phenomenon occurred in restored image.What ’s more,this method is extended to snow images.For dust images,Gamma correction is introduced in limited contrast adaptive histogram equalization algorithm to correct contrast and brightness imbalance problems.Finally,compared with other algorithms,this method improves the clarity of the image and also avoids the generation of halo.It solves the contrast and brightness imbalance problem in dust image enhancement.Key words ：haze removal;rain and snow removal;dust removal;Gamma correction;image classifier摘要：针对雾霾、雨雪、沙尘等极端天气下获得的图像严重退化的问题，提出一种自适应的单幅图像增强算法。

沙尘天气图像增强算法研究

沙尘天气图像增强算法研究沙尘天气图像增强算法研究沙尘天气是指在干旱地区，尤其是沙漠地区由于天气变化等原因，空气中悬浮着大量的沙尘颗粒，造成能见度下降，给人们的出行和生活带来一定的困扰。

在沙尘天气条件下，图像的清晰度和色彩受到了极大的影响，这给摄影师、监控系统以及机器视觉算法带来了挑战。

为了解决沙尘天气下图像质量不佳的问题，许多学者和研究人员提出了一系列的沙尘天气图像增强算法，其中包括基于图像处理技术的方法、传统图像恢复算法，以及深度学习方法。

首先，基于图像处理技术的方法主要通过滤波、增强和去噪等操作，对沙尘天气图像进行处理。

常用的滤波方法包括中值滤波、均值滤波和双边滤波等，通过减小噪声和平滑图像，提高图像的清晰度。

增强方法则通过调整图像的对比度、色彩和亮度等，使图像更加清晰和鲜明。

去噪方法主要通过波动图像和去除杂乱像素等手段，减少图像中的噪声。

这些图像处理技术在一定程度上可以改善沙尘天气下的图像质量，但局限性在于无法恢复出完整的细节信息，效果仍然不够理想。

其次，传统图像恢复算法主要通过对沙尘天气图像的模糊模型进行建模，并利用反卷积等恢复技术来重建图像。

这些算法通过估计模糊参数以及使用约束来恢复沙尘天气图像的细节信息，达到了一定的效果。

然而，由于沙尘天气图像的模糊程度和噪声水平不确定，传统算法通常需要提前对图像进行预处理和参数调整，且对恢复效果的鲁棒性较差。

最近几年，基于深度学习的方法在图像增强领域取得了巨大的突破。

深度学习算法主要通过构建卷积神经网络（CNN）来学习和提取图像的特征，并在训练阶段中通过大量的样本数据来优化网络参数。

一些研究者提出了基于CNN的沙尘天气图像增强方法，在实验验证中取得了较好的效果。

这些方法主要通过自动学习图像的特征和结构信息，恢复出更清晰和逼真的沙尘天气图像。

深度学习方法在沙尘天气图像增强任务上的成功，不仅得益于其强大的非线性拟合能力，还取决于大样本量的图像数据。

总体而言，沙尘天气图像增强算法的研究涉及到图像处理技术、传统图像恢复算法以及深度学习方法。

空间遥感数据处理中的较差图像恢复技术研究

空间遥感数据处理中的较差图像恢复技术研究航天技术的发展让人类有了观测地球的新方法——空间遥感技术。

通过卫星、飞机等载体，可以获取地球表面的大量数据，使我们能够更好地了解地球表面的现状和变化。

然而，在实际的遥感图像处理中，常常会遇到一些图像质量较差的情况，如云雾、大气扰动、干扰等因素都会影响图像的质量和准确性。

如何克服这些因素，提高遥感图像的质量和可用性，成为了空间遥感数据处理的重要研究内容。

较差图像恢复技术是一种能够有效提高遥感图像质量的方法，其基本思想是利用图像中的信息和特征，通过一定的算法和模型，将质量较差的图像转化为高质量的图像。

本文将从三个方面分析较差图像恢复技术在空间遥感数据处理中的应用和研究进展。

一、较差图像恢复技术的应用1. 去云雾遥感图像中常常会因天气因素导致云雾出现，从而影响图像的清晰度和准确性。

去云雾技术是处理遥感图像中的重要方法之一，主要思想是通过找到云雾和非云雾区域的阈值，将包含云雾的像素点滤除，或者根据图像的光谱特征，采用模型还原等方法，恢复去除云雾后的图像。

2. 去大气扰动大气扰动是空间遥感图像中另一个常见的问题，它会导致图像模糊和失真。

去大气扰动的方法有多种，如基于处理高斯模糊、图像建模和改进小波变换等方法，这些方法能够对图像进行逐像素处理，恢复受大气扰动影响的真实图像。

3. 降噪空间遥感图像中常常存在噪声，降噪处理是提高图像质量的重要一环。

常见的降噪方法包括基于中值滤波、小波分析、自适应滤波等方法，这些方法都是利用图像的特征和统计信息，对图像进行处理，使图像重现真实场景。

二、典型的较差图像恢复技术空间遥感数据中常用的较差图像恢复技术有多种，其中最常用的是矩阵分解技术、图像修复算法和样本聚类方法。

1. 矩阵分解技术矩阵分解技术是一种将原有的矩阵分解成两个矩阵的方法，它将复杂的矩阵分解为简单的矩阵，进而实现图像恢复的过程。

矩阵分解技术主要有三种：奇异值分解（SVD）、主成分分析（PCA）和因子分解（NMF）。

探究恶劣雾霾天气退化图像的处理与优化技术

学术论坛科技创新导报 Science and Technology Innovation Herald246随着社会经济的不断发展和进步，人类在信息技术方面取得了巨大的进步。

近年来，随着数字化地球理念的提出和互联网的广泛使用，图像通讯技术变得越发重要。

然而，在实际的应用中，获取的图像都有一定的退化，干扰图像成形的主要原因就是天气，雾霾天气的影响最大。

当前，应用于交通系统领域的计算机系统对天气变化极为敏感，在雾霾天气的影响下，大气能见度低，图像严重退化，降低了图像的应用价值。

所以针对在雾霾天气下图像退化处理技术的具体意义。

为了减少雾霾天气对图像的影响，该文就对这一问题进行分析。

1 大气效应及雾霾天气大气主要是由空气中的各种分子和气溶胶颗粒构成，分子主要有氧气、氮气、水分子、二氧化碳和其他稀有气体等等。

固体或液体的质点分子漂浮在空气当中，从而组成了气溶胶体的分散体系，这些分散出来的粒子都是由气体和微粒相互凝结而产生的。

大气当中的气溶胶颗粒主要由三方构成:一是自然气溶胶;二是生物气溶胶;三是人类活动所产生的气溶胶。

其中，人类气溶胶主要是由人类进行日常生产生活排放到大气中的物质与有害气体产生化学反应之后形成的颗粒，这些颗粒的半径较小，用肉眼无法辨别。

霾的产生主要是由于空气中悬浮的粒子组成的，如果空气中湿度较高，这种粒子就会加速变化。

霾要比空气中的分子颗粒大，如果霾的湿度变大就会转变成雾，影响能见度。

接近地面的空气沉降，水滴和冰点变化形成的气溶胶粒子，从而产生了雾。

雾和霾的主要不同在于霾的湿度没有雾产生的湿度大，而雾产生的湿度多半属于饱和状态。

所以，如果空气湿度没有达到80%时，大气浑浊导致的能见度下降是由于霾造成的；相对湿度超过90%时，导致的空气能见度降低多是由于雾造成的；湿度在80%到90%之间时，导致的空气能见度下降则是由雾霾混合形成，但主要原因还是霾。

从科学研究角度区分，将空气能见度小于1000 m 的视为浓雾，能见度距离在1000 m 和10000 m之间的视为薄雾。

基于光补偿和逐像素透射率的图像复原算法

基于光补偿和逐像素透射率的图像复原算法杨燕;陈高科【摘要】针对雾霾和沙尘天气下图像降质,提出一种光补偿色彩复原和逐像素透射率估计的单幅图像可见度复原算法.沙尘颗粒对蓝光吸收导致图像偏黄,利用光补偿方法可以消除偏色现象并转换为雾图.以最小颜色通道与其高斯函数的比值关系估计透射率,用中值滤波消除透射率纹理效应,恢复的透射率深度交替明显,边缘保持良好,不需要耗时的后处理操作,最后根据大气散射模型恢复图像.实验结果表明,沙尘天气处理效果较好,雾天图像恢复的图像饱和度适宜,明亮区域恢复得更为自然,运行时间较快.%Aiming at image degradation in hazy and sandstorm weather,an optical compensation color restoration and pixel-by-pixel transmissvity estimation algorithm was proposed.The blue light was absorbed by sandstorm particles.The color shift phenomenon could be eliminated by optical compensate method,which convert the sandstorm images into hazy images.Then the ratio relationship between the minimum channel and its Gaussian function as the transmissivity,and median filter was used to eliminate its texture effects.The depth of the restored transmissivity alternated obviously and the edge was well preserved,which did not need the time-consuming postprocessing operativity.Finally,the image was restored by the atmospheric scattering model.The experimental results show that recovered sandstorm image treatment is better,and the saturation of the haze image is appropriate,the bright area is more nature,and running time is faster.【期刊名称】《通信学报》【年(卷),期】2017(038)005【总页数】9页(P48-56)【关键词】光补偿色彩复原;透射率;大气散射模型;去雾【作者】杨燕;陈高科【作者单位】兰州交通大学电子与信息工程学院,甘肃兰州730070;兰州交通大学电子与信息工程学院,甘肃兰州730070【正文语种】中文【中图分类】TP391成像系统采集的户外图像很大程度上受环境的影响，使图像可见度和对比度严重下降，直方图分布偏向高灰度级，从而对图像的分析和细节提取等造成了一定障碍。

天气影响的场景影像复原方法

天气影响的场景影像复原方法
刘锦锋;黄峰
【期刊名称】《光电工程》
【年(卷),期】2005(032)001
【摘要】提出了一种适用于恶劣天气下退化图像复原的简化算法.该算法利用大气辐射传输方程的数值解构造点扩散函数,可用于不同天气条件下的退化图像的复原.根据恶劣天气中散射粒子的前向散射系数大的特点,引入( 函数,将相函数进行归一化分解;把得到的简化点扩散函数作为大气的退化函数,与退化图像一起进行频域复原滤波.实验结果表明,对于512×512的雾天场景图像,复原处理前后信噪比从
3.6400提高到8.5329;比较具有相同信噪比的复原图像,简化算法的处理耗时比简化前减少了85%.
【总页数】3页(P71-73)
【作者】刘锦锋;黄峰
【作者单位】解放军理工大学,气象学院,江苏,南京,211101;解放军理工大学,气象学院,江苏,南京,211101
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于正则变分模型的医学影像非线性复原方法 [J], 王静;韩雪;刘红敏;王志衡
2.影像测量系统中运动干扰图像的复原方法研究 [J], 周虎;杨建国;李蓓智
3.一种基于水下机器人的构筑物场景复原优化方法 [J], 郭云翔;周军
4.遥感影像综合评价与自适应复原方法研究 [J], 王荣彬
5.一种雾天退化场景快速复原方法 [J], 王伟鹏;戴声奎;项文杰
因版权原因，仅展示原文概要，查看原文内容请购买。

一种雨景视频图像的复原方法

一种雨景视频图像的复原方法朱志超;李斌;方帅【摘要】文章分析了视频中雨的时空特性和色度特性,并基于这2个特性,提出了一种简单而有效的利用序列图片检测和去除视频中雨的方法.首先优化了K均值的时间复杂度,然后依据雨的时空特性,运用改进的K均值方法对各个像素进行聚类操作；依据雨的色度特性准确区分出雨区,从而成功地完成了检测；利用统计特性对背景像素值进行估计,代替雨的像素值.为了得到更加清晰的复原结果,融合了检测之前的预处理和去雨后的非雨区滤波处理,形成了一套完整的雨景图像复原方法.实验结果表明,该方法是简单而且有效的.【期刊名称】《合肥工业大学学报（自然科学版）》【年(卷),期】2011(034)007【总页数】4页(P1011-1014)【关键词】雨的检测;雨的去除;图像复原;色度特性;K均值【作者】朱志超;李斌;方帅【作者单位】合肥工业大学计算机与信息学院,安徽合肥230009;合肥工业大学计算机与信息学院,安徽合肥230009;合肥工业大学计算机与信息学院,安徽合肥230009【正文语种】中文【中图分类】TP391.41视觉系统常用来跟踪、识别、导航等，用途十分广泛。

然而，它们不可避免地会受到雨雪之类的恶劣天气的干扰［1］。

运动的雨投影到图像上时，与场景中其他目标混杂在一起，使得图像严重退化，因此，开展对雨景图像复原的研究对视觉系统的广泛应用意义重大。

文献［2－3］通过分析雨的物理特性和光度特性，并对雨的动态和光度特性建立了相应的模型，从而成功地检测和去除了图像中的雨［4］；但是，如果场景中的雨过大或者过小，或者雨分布在视野内景深较大处时，其方法就不能准确地检测出图像中的雨区了，原因在于其模型和方法是基于一系列假设约束的；文献［5］的原理与文献［4］相似，只是检测帧数不同，仍然不能准确检测到近景雨滴；文献［6］结合时间序列上雨的时间特性和色度特性，提出了一种雨的检测和去除的算法，能够处理大雨或小雨的情况，而且，即使视频中的雨区发生散焦，也可以被检测出来，但是，K均值在梯度大或者高亮区域存在错误检测；不仅如此，文中对雨区像素的色度属性的应用太过经验化。

复杂气象条件下的视图重建技术

第37卷第05期 2019年 5月
数字技术与应用 Digital Technology &Application
Vol.37 No.5 20M19ay年第200159 期
应用研究
DOI:10.19695/12-1369.2019.05.60
复杂气象条件下的视图重建技术
崔发宁圆俊白靖民王文博梁冠华吴简 (中国民用航空飞行学院,四川广汉 618307)
机拍摄的视图信息辅助飞行员操控飞机。最后实测结果表明, 该方法能有效实施可靠的稳定进近。
关键词: 复杂气象；无人机；视图重建；进近着陆
中图分类号:V355
文献标识码:A
文章编号:1007-9416(2019)05-0117-03
0 引言
行器。
大型客机主要体现在“三大”:飞机吨位大、速度大、安全责任大。一个标准的着陆不仅仅是驾驶技术的考验,更是对乘客负责的体现。而要完成一个平稳安全的着陆,飞机在最后进近阶段的稳定表现就至关重要了。本文提出的复杂气象条件下视图重建技术,基于良好天气状况所拍摄的视图影像,作为低能见度下的目视参考, 在一定程度上做出了创新,并且可行性高。
的视图信息处理需要以下硬件的配合:视图采集设备、扫描仪、图像
采集卡、输出设备等。
此次实验我们用了移动拍摄技术,从一点到另外一点连续拍
摄。为了达到预想的拍摄效果,就需要硬件达标的无人机以及搭配
的摄像头。
图 1 大疆四旋翼无人机 Tello
2 飞行数据实验 2.1 飞行前的准备我们对学校周边进行了勘察,最后决定将起飞场地设置在操
1 背景知识介绍 1.1 无人机的定义无人机,也称为无人飞行器,是一种集数据处理、传感装置、
自动控制和通信等必要机载设备的飞行器。它能够进行具备一定的自主飞行能力而无需人工干预。此次图像采集,我们实验小组用的是大疆四旋翼无人机Tello,如图1所示,属于多旋翼无人飞