基于梯度引导偏振度估算的图像去雾OA北大核心CSTPCD

雾或霾天气下,大气粒子对光的散射作用造成光学图像细节弱化,严重影响了后续的图像分析与处理任务.现有去雾算法存在去雾后图像信息丢失、产生模糊、天空区域过增强等问题.本文从偏振视角与暗通道先验理论出发,提出了一种基于直接透射光梯度特征引导的目标偏振度估算算法,用于图像去雾.通过偏振图像获取场景与大气的偏振信息;再以暗通道先验算法估计的直接透射光强的梯度特征为引导,估算目标偏振度;将估算的目标偏振度转为大气光强,经过原理性约束与引导滤波,得到优化的大气光强,进一步求解去雾图像与优化的目标偏振度.定性实验表明:本文算法去雾后,图像具有良好的平滑度,且克服了现有去雾算法存在的可见性弱、去雾残留、天空区域过增强等问题;定量实验表明:本文算法既不会造成图像信息丢失,也不会产生过多的噪声或模糊.综合对比9种具有代表性的去雾算法,本文算法具有良好的细节恢复能力、图像熵提升能力以及色调还原能力.