保留边缘A-Trous小波修正单一图像去雾算法
156 浏览量
更新于2024-08-29
收藏 2.55MB PDF 举报
"基于保留边缘的A-Trous小波修正单一图像去雾"
本文主要探讨了一种针对有雾场景图像的去雾算法,该算法旨在解决图像复原时目标边缘细节模糊和丢失的问题。该算法结合了暗原色先验理论、引导图像滤波以及保留边缘的A-Trous小波滤波技术,以实现更精确的图像去雾效果。
首先,暗原色先验理论是图像去雾处理中的基础,它假设在没有雾的条件下,图像的局部亮度(暗原色)保持不变。利用这一理论,可以推断出有雾图像中的原始颜色信息。然后,文章引用了引导图像滤波方法,通过此方法,可以初步去除图像中的雾气,但可能会导致边缘细节的模糊。
接下来,为了进一步改善边缘细节的保留,研究者引入了保留边缘的A-Trous小波滤波。A-Trous小波是一种可扩展的小波变换,具有平移不变性和多尺度特性,特别适合处理图像的边缘和细节信息。在三级小波滤波后,利用得到的残差来补偿引导图像滤波的结果,这样可以在保持图像边缘清晰的同时,提升图像的去雾效果。
实验结果显示,与仅使用暗原色先验的引导图像滤波相比,新算法在可见边对比度上表现优秀,可见边之比至少提高了69.5%,可见边的规范化梯度均值提升了30%。此外,算法还显著降低了饱和黑色或白色像素点的比例,减少了色彩失真的情况。在主观评估中,去雾后的图像不仅保留了边界和纹理细节,而且颜色更加接近实际,整体去雾效果有显著提升,特别是纹理边缘更为细腻。
关键词涉及图像处理、去雾技术、暗原色先验理论、导向滤波以及保留边缘的A-Trous小波滤波,这些都体现了该算法的关键组成部分和技术路线。这项研究为单一图像的去雾提供了新的解决方案,提高了图像处理的精度和视觉质量,对于图像增强和恢复领域具有重要意义。
2021-01-12 上传
2019-01-06 上传
2009-09-08 上传
2023-07-27 上传
2023-12-28 上传
2010-05-17 上传
2019-08-13 上传
2012-11-07 上传
2010-12-07 上传
weixin_38639642
- 粉丝: 9
- 资源: 894
最新资源
- 构建基于Django和Stripe的SaaS应用教程
- Symfony2框架打造的RESTful问答系统icare-server
- 蓝桥杯Python试题解析与答案题库
- Go语言实现NWA到WAV文件格式转换工具
- 基于Django的医患管理系统应用
- Jenkins工作流插件开发指南:支持Workflow Python模块
- Java红酒网站项目源码解析与系统开源介绍
- Underworld Exporter资产定义文件详解
- Java版Crash Bandicoot资源库:逆向工程与源码分享
- Spring Boot Starter 自动IP计数功能实现指南
- 我的世界牛顿物理学模组深入解析
- STM32单片机工程创建详解与模板应用
- GDG堪萨斯城代码实验室:离子与火力基地示例应用
- Android Capstone项目:实现Potlatch服务器与OAuth2.0认证
- Cbit类:简化计算封装与异步任务处理
- Java8兼容的FullContact API Java客户端库介绍