Matlab:单幅图象的暗原色先验去雾改进算法,能够很好地改进天空或明亮部分色彩失真问题

简介: Matlab:单幅图象的暗原色先验去雾改进算法,能够很好地改进天空或明亮部分色彩失真问题

输出结果

image.png




实现代码


%单幅图象的暗原色先验去雾改进算法,能够很好地改进天空或明亮部分色彩失真问题,matlab代码注解详细,能很好地帮助理解算法过程。

clc;

clear all;

img_name='jiedao.jpg';

% 原始图像

I=double(imread(img_name))/255;

% 获取图像大小

[h,w,c]=size(I);

win_size = 7;

img_size=w*h;

figure, imshow(I);

win_dark=ones(h,w);

%计算分块darkchannel

for j=1+win_size:w-win_size

   for i=win_size+1:h-win_size

       m_pos_min = min(I(i,j,:));

       for n=j-win_size:j+win_size

           for m=i-win_size:i+win_size

               if(win_dark(m,n)>m_pos_min)

                   win_dark(m,n)=m_pos_min;

               end

           end

       end

   end

end

%选定精确dark value坐标

% win_b = zeros(img_size,1);

figure, imshow(win_dark);

win_t=1-0.95*win_dark;

win_b=zeros(img_size,1);

for ci=1:h

   for cj=1:w

       if(rem(ci-8,15)<1)

           if(rem(cj-8,15)<1)

               win_b(ci*w+cj)=win_t(ci*w+cj);

           end

       end

   end

end

%显示分块darkchannel

%figure, imshow(win_dark);

neb_size = 9;

win_size = 1;

epsilon = 0.000001;

%指定矩阵形状

indsM=reshape(1:img_size,h,w);



 %创建稀疏矩阵

 D=spdiags(win_b(:),0,img_size,img_size);

 lambda=1;

 x=(A+lambda*D)\(lambda*(win_b(:).*win_b(:)));

  %去掉0-1范围以外的数

 alpha=max(min(reshape(x,h,w),1),0);

figure, imshow(alpha);

% **************************************************

%     自动获取大气光步骤,A为最终大气光的值

% **************************************************

range=ceil(img_size*0.1);%取暗原色中最亮的%1的点数

radi_pro=zeros(range,1); %用于记录最亮点内对应图片点象素的三个通道的颜色强度

     for s=1:range

         [a,b]=max(win_dark);  

         [c,d]=max(a);

         b=b(d);

         m=sparse(b,d,1,h,w);        %b,d为最亮值的坐标

         win_dark=win_dark-c.*m;     %消去选出的最大值

         radi_pro(s)=sum(I(b,d,:));  %最大值对应象素三通道求和

     end

A=max(radi_pro)/3;%大气光的值

% **************************************************

%  算法改进步骤,可修正天空透射率以减小明亮部分的失真率

% **************************************************

inten=zeros(h,w);

   for m=1:h

       for n=1:w

           inten(m,n)=mean(I(m,n,:));

       end

   end

k=70;    

k=zeros(h,w)+k/255; %容差

% A=220/255;

cha=abs(inten-A);   %差限

alpha=min(max(k./cha,1).*max(alpha,0.1),1); %算法改进关键部分

figure,imshow(alpha);

% ***************************************************

alpha=repmat(alpha,[1,1,3]);  

dehaze=(I-A)./alpha+A;  

figure, imshow(dehaze);

 


相关文章
|
26天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
11天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
12天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
13天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
12天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
12天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
31 3
|
23天前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
|
25天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-LSTM网络的数据分类识别算法matlab仿真
本项目展示了基于贝叶斯优化(BO)的CNN-LSTM网络在数据分类中的应用。通过MATLAB 2022a实现,优化前后效果对比明显。核心代码附带中文注释和操作视频,涵盖BO、CNN、LSTM理论,特别是BO优化CNN-LSTM网络的batchsize和学习率,显著提升模型性能。
|
29天前
|
存储
基于遗传算法的智能天线最佳阵列因子计算matlab仿真
本课题探讨基于遗传算法优化智能天线阵列因子,以提升无线通信系统性能,包括信号质量、干扰抑制及定位精度。通过MATLAB2022a实现的核心程序,展示了遗传算法在寻找最优阵列因子上的应用,显著改善了天线接收功率。
|
17天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA-PSO-SVM算法的混沌背景下微弱信号检测matlab仿真
本项目基于MATLAB 2022a,展示了SVM、PSO、GA-PSO-SVM在混沌背景下微弱信号检测中的性能对比。核心程序包含详细中文注释和操作步骤视频。GA-PSO-SVM算法通过遗传算法和粒子群优化算法优化SVM参数,提高信号检测的准确性和鲁棒性,尤其适用于低信噪比环境。

热门文章

最新文章