式可以看到,图像的三通道的最小值就是暗通道,由式(2-4)可知的值接近于0,就是说等式右边第一项的值近似为0,于是上式简化推导之后有:Р通过上面的推导可以计算出清晰无雾的图像,但是应该适当地保留一些空气散射的效果,即保留一点雾更符合实际情况和人眼感觉,对上式加入一个系数来控制,有:Р根据经验值,系数一般设置为0.95。Р对于第一步假定已知的透射率t(x)和大气光强值,可以运用下式来优化,来消除因为分区域计算而产生的“块效应”,有:Р式中,L是拉普拉斯抠图矩阵,为归化因了,U是单位矩阵,经过这一过?程之后,透射率将变得更加平滑和接近实际状态。Р假定已知的大气光强值可以从暗通道图像中求取,在暗通道图像中选取亮度值最大的0.1%像素,在这些像素中选择对应的有雾图像中亮度最大的像素,把该像素值作为A值,这样的计算方法比直接提出图像中天空的灰度值的方法具有更好的鲁棒性。Р最后,把计算好的t(x)和加入公式中,经过推导之后,得到清晰无雾的图像,有:Р通过对直方图双向均衡化和基于暗通道的去雾算法相比较,可以发现,后者具有较好的图像增强效果,且在雾天情况下更甚,但是相比直方图双向均衡化算法,算法消耗时问较长,做到实时处理有一定的难度。Р图像分割Р图像分割是计算机图像处理与目标识别技术中最为基础和重要的研究领域之一。图像分割实现了前景物体和背景物体的分离,这样可以让提取目标特征或者直接识别出目标更加方便高效,所以图像分割一直都是图像识别与跟踪研究的重点之一,受到人们的重视。Р基于视觉显著性的图像分割Р人类观察一幅图像时,总是首先会先注意到图像当中比较显著的部分,或者是比较重要的部分。图像中显著性区域的存在,来源于视觉系统的独特性,不可预测性,稀疏性以及奇异性,并且受到图像颜色、梯度和边缘等属性影响,这和人类如何处理视觉上刺激有关,目前是认知心理学、神经生物学和计算机视觉等领域研究的热点问题。
全文预览
