CN103020920B - 一种低照度图像增强方法 - Google Patents
一种低照度图像增强方法 Download PDFInfo
- Publication number
- CN103020920B CN103020920B CN201310008427.1A CN201310008427A CN103020920B CN 103020920 B CN103020920 B CN 103020920B CN 201310008427 A CN201310008427 A CN 201310008427A CN 103020920 B CN103020920 B CN 103020920B
- Authority
- CN
- China
- Prior art keywords
- image
- low
- light
- level
- navigational
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
一种低照度图像增强方法,涉及图像处理。提供可改善雾天、阴雨天、夜间及光照较弱等低照度条件下所摄取图像的视觉效果的一种低照度图像增强方法。1)利用亮通道先验和暗通道先验分别求取低照度图像的亮通道图像和暗通道图像;2)通过所述亮通道图像求取自适应大气光照图;3)通过所述暗通道图像和自适应大气光照图求取自适应传输函数图;4)根据大气散射物理模型中的低照度图像、自适应大气光照图和自适应传输函数图复原场景图像。建立在大气散射物理模型的基础上,能够自适应的处理夜间或光照较弱的环境下所摄取的各种图像,增强后的图像具有理想的对比度和视觉效果,整体增强效果优于传统的图像增强方法。
Description
技术领域
本发明涉及图像处理,尤其是涉及一种低照度图像增强方法。
背景技术
计算机视觉系统的很多户外用户,如城市交通、视频监管、图像识别等,都要求图像特征的检测具备鲁棒性。然而,在雾天、阴雨天、夜间及光照较弱等低照度条件下所采集的图像对比度很低,可视性很差,给提取图像信息造成了一定的障碍。因此,增强低照条件下图像的对比度,将会给社会带来方便性和安全性方面的有效提升。
在计算机视觉领域,目前主要是采用空域彩色图像增强方法、基于Retinex的彩色图像增强方法、仿生彩色图像增强方法、反转去雾低照度彩色图像增强方法来处理低照度图像。空域彩色图像增强方法通过将一已知灰度值概率密度分布的图像经过某种变换变成一幅具有均匀灰度概率密度分布的图像,但是这种方法需要将彩色图像变换为灰度图像后才可进行处理,丢失了一部分原彩色图像的信息;基于Retinex的彩色图像增强方法可以有效地保持景物的边缘信息,然而该方法有计算量大、颜色失真、对比度较低、有光晕现象等缺陷;仿生彩色图像增强方法从模拟人眼视觉系统机制出发,可以有效地提高图像的对比度,但是仍存在计算量大和颜色失真的问题;反转去雾低照度彩色图像增强方法通过将低照度彩色图像反转,然后对反转后的彩色图像应用去雾的方法进行去雾,最后将去雾后的反转图像再反转回来,但是该方法没有理论基础,并且容易出现过增强和快效应现象。
中国专利201010034228.4公开一种低照度图像增强方法,该方法利用沃利斯滤波器对低照度图像做灰度拉伸,会丢失一些原彩色图像信息。该发明公开的方法基于大气散射物理模型,利用亮通道先验和暗通道先验,对灰度和彩色低照度图像均能取得较好的视觉效果。
发明内容
本发明的目的在于提供可改善雾天、阴雨天、夜间及光照较弱等低照度条件下所摄取图像的视觉效果的一种低照度图像增强方法。
本发明包括以下步骤:
1)利用亮通道先验和暗通道先验分别求取低照度图像的亮通道图像和暗通道图像;
2)通过所述亮通道图像求取自适应大气光照图;
3)通过所述暗通道图像和自适应大气光照图求取自适应传输函数图;
4)根据大气散射物理模型中的低照度图像、自适应大气光照图和自适应传输函数图复原场景图像,
复原后的场景图像按以下表达式确定:
其中,x表示二维空间坐标,J(x)为复原后的场景图像,I(x)为低照度图像,A(x)为自适应大气光照图,t(x)为自适应传输函数图,t0的取值为0.1。
在步骤1)中,所述利用亮通道先验和暗通道先验分别求取低照度图像的亮通道图像和暗通道图像的具体方法可为:
A1、利用亮通道先验求取低照度图像的亮通道图像:
当低照度图像为灰度图像时,将此灰度低照度图像作为GuidedFilter滤波器的引导图像;
所述引导图像按以下表达式确定:
Iguide(x)=I(x);
其中,Iguide(x)为引导图像,I(x)为灰度低照度图像;
再对所得到的引导图像进行最大值滤波,得到粗提取的亮通道图像;
所述粗提取的亮通道图像按以下表达式确定:
其中,Ilig(x)为粗提取的亮通道图像,x为二维空间坐标,Ω(x)为以坐标x为中心的正方形邻域;
当低照度图像为彩色图像时,先计算此彩色低照度图像每个像素点处的R、G、B3个颜色通道的最大值,作为GuidedFilter滤波器的引导图像;
所述引导图像按以下表达式确定:
其中,Iguide(x)为引导图像,c为颜色通道,c∈{R,G,B}分别为R、G、B颜色通道,Ic为彩色低照度图像的颜色通道;
再对所得到的引导图像进行最大值滤波,得到粗提取的亮通道图像;
所述粗提取的亮通道图像按以下表达式确定:
其中,Ilig(x)为粗提取的亮通道图像,x为二维空间坐标,Ω(x)为以坐标x为中心的正方形邻域;
利用引导图像,通过GuidedFilter滤波器对粗提取的亮通道图像进行边缘保持平滑滤波,最后得到细化后的亮通道图像Ilight(x);
A2、利用暗通道先验求取低照度图像的暗通道图像:
当低照度图像为灰度图像时,将此灰度低照度图像作为GuidedFilter滤波器的引导图像;
所述引导图像按以下表达式确定:
Iguide(x)=I(x);
其中,Iguide(x)为引导图像,I(x)为灰度低照度图像;
再对所得到的引导图像进行最小值滤波,得到粗提取的暗通道图像;
所述粗提取的暗通道图像按以下表达式确定:
其中,Idar(x)为粗提取的暗通道图像,x为二维空间坐标,Ω(x)为以坐标x为中心的正方形邻域;
当低照度图像为彩色图像时,先计算此彩色低照度图像每个像素点处的R、G、B3个颜色通道的最小值,作为GuidedFilter滤波器的引导图像;
所述引导图像按以下表达式确定:
其中,Iguide为引导图像,c为颜色通道,c∈{R,G,B}分别为R、G、B颜色通道,Ic为彩色低照度图像的颜色通道;
再对所得到的引导图像进行最小值滤波,得到粗提取的暗通道图像;
所述粗提取的暗通道图像按以下表达式确定:
其中,Idar(x)为粗提取的暗通道图像,x为二维空间坐标,Ω(x)为以坐标x为中心的正方形邻域;
利用引导图像,通过GuidedFilter滤波器对粗提取的暗通道图像进行边缘保持平滑滤波,最后得到细化后的暗通道图像Idark(x)。
在步骤2)中,所述通过所述亮通道图像求取自适应大气光照图的具体方法可为:
利用所述亮通道图像,求取自适应大气光照图;
所述自适应大气光照图按以下表达式确定:
Ilight(x)=A(x)t(x)+A(x)(1-t(x))即:A(x)=Ilight(x);
其中,A(x)为自适应大气光照图,t(x)为自适应传输函数图。
在步骤3)中,所述通过所述暗通道图像和自适应大气光照图求取自适应传输函数图的具体方法可为:
利用所述暗通道图像和自适应大气光照图,求取自适应传输函数图;
所述自适应传输函数图按以下表达式确定:
Idark(x)=A(x)(1-t(x))即:
其中,t(x)为自适应传输函数图,w(0<w≤1)为修正因子,以保留一小部分偏暗区域,增加场景的深度感,这里取w=0.95。
在步骤4)中,所述根据大气散射物理模型中的低照度图像、自适应大气光照图和自适应传输函数图复原场景图像的具体方法可为:利用低照度图像、自适应大气光照图和自适应传输函数图,通过大气散射物理模型复原场景图像;
所述复原后的场景图像按以下表达式确定:
其中,J(x)为复原后的场景图像,I(x)为低照度图像,A(x)为自适应大气光照图,t(x)为自适应传输函数图,t0的取值为0.1,以避免当t0趋于0时,场景图像J(x)包含太多噪声。
本发明建立在大气散射物理模型的基础上,能够自适应的处理夜间或光照较弱的环境下所摄取的各种图像,增强后的图像具有理想的对比度和视觉效果,整体增强效果优于传统的图像增强方法。
附图说明
图1为本发明的一种低照度图像增强方法的流程图。
图2为计算灰度低照度图像细化后的亮/暗通道图像的流程图。
图3为计算彩色低照度图像细化后的亮/暗通道图像的流程图。
具体实施方式
下面实施例将结合附图对本发明作进一步的说明。
实施例1
实施例1针对灰度低照度图像,其增强过程包括以下4个步骤:
步骤一、利用亮通道先验和暗通道先验分别求取灰度低照度图像的亮通道图像和暗通道图像
1、将此灰度低照度图像作为GuidedFilter滤波器的引导图像;
所述引导图像按以下表达式确定:
Iguide(x)=I(x);
其中,Iguide(x)为引导图像,I(x)为灰度低照度图像;
再对所得到的引导图像进行窗口大小为15×15的最大值滤波,得到粗提取的亮通道图像;
所述粗提取的亮通道图像按以下表达式确定:
其中,Ilig(x)为粗提取的亮通道图像,x为二维空间坐标,Ω(x)为以坐标x为中心的正方形邻域;
利用引导图像,通过窗口大小为41×41的GuidedFilter滤波器对粗提取的亮通道图像进行边缘保持平滑滤波,最后得到细化后的亮通道图像Ilight(x);
其中,GuidedFilter滤波器的数学模型为:
式(1)为一元线性回归模型,作用是使滤波后的图像保留和引导图像相同的边缘信息;其中,Ilight(x)为细化后的亮通道图像,Iguide(x)为引导图像,ak和bk为线性变换系数,ωk为滤波窗口;
式(2)为代价函数模型,作用是使细化后的亮通道图像与粗提取的亮通道图像的l2范数最小,相当于判决条件;其中,Ilig(x)为粗提取的亮通道图像,ε是正则化系数,用来保证ak的值不会过大;
由式(2)可以解得:
其中,μk和分别是引导图像Iguide(x)在滤波窗口ωk中的均值和方差,|ω|为滤波窗口ωk中包含的像素个数,为粗提取的暗通道图像在滤波窗口ωk中的平均值;
将式(3)和(4)带入式(1),可得:
其中, Ilight(x)为细化后的暗通道图像;
2、将此灰度低照度图像作为GuidedFilter滤波器的引导图像;
所述引导图像按以下表达式确定:
Iguide(x)=I(x);
其中,Iguide(x)为引导图像,I(x)为灰度低照度图像;
再对所得到的引导图像进行窗口大小为15×15的最小值滤波,得到粗提取的暗通道图像;
所述粗提取的暗通道图像按以下表达式确定:
其中,Idar(x)为粗提取的暗通道图像,x为二维空间坐标,Ω(x)为以坐标x为中心的正方形邻域;
利用引导图像,通过窗口大小为41×41的GuidedFilter滤波器对粗提取的暗通道图像进行边缘保持平滑滤波,最后得到细化后的暗通道图像Idark(x);
步骤二、利用所述亮通道图像,求出自适应大气光照图
所述自适应大气光照图按以下表达式确定:
Ilight(x)=A(x)t(x)+A(x)(1-t(x))即:A(x)=Ilight(x);
其中,A(x)为自适应大气光照图,t(x)为自适应传输函数图;
步骤三、利用所述暗通道图像和自适应大气光照图,求取自适应传输函数图
所述自适应传输函数图按以下表达式确定:
Idark(x)=A(x)(1-t(x))即:
其中,t(x)为自适应传输函数图,w(0<w≤1)为修正因子,以保留一小部分偏暗区域,增加场景的深度感,这里取w=0.95;
步骤四、利用低照度图像、自适应大气光照图和自适应传输函数图,通过大气散射物理模型复原场景图像;
所述复原后的场景图像按以下表达式确定:
其中,J(x)为复原后的场景图像,I(x)为低照度图像,A(x)为自适应大气光照图,t(x)为自适应传输函数图,t0的取值为0.1,以避免当t0趋于0时,场景图像J(x)包含太多噪声;
实施例2
实施例2针对彩色低照度图像,其增强过程包括以下四个步骤:
步骤一、利用亮通道先验和暗通道先验分别求取彩色低照度图像的亮通道图像和暗通道图像
1、先计算此彩色低照度图像每个像素点处的R、G、B3个颜色通道的最大值,作为GuidedFilter滤波器的引导图像;
所述引导图像按以下表达式确定:
再对所得到的引导图像进行窗口大小为15×15的最大值滤波,得到粗提取的亮通道图像;
所述粗提取的亮通道图像按以下表达式确定:
利用引导图像,通过窗口大小为41×41的GuidedFilter滤波器对粗提取的亮通道图像进行边缘保持平滑滤波,最后得到细化后的亮通道图像Ilight(x);
2、先计算此彩色低照度图像每个像素点处的R、G、B3个颜色通道的最小值,作为GuidedFilter滤波器的引导图像;
所述引导图像按以下表达式确定:
再对所得到的引导图像进行窗口大小为15×15的最小值滤波,得到粗提取的暗通道图像;
所述粗提取的暗通道图像按以下表达式确定:
利用引导图像,通过窗口大小为41×41的GuidedFilter滤波器对粗提取的暗通道图像进行边缘保持平滑滤波,最后得到细化后的暗通道图像Idark(x);
步骤二、利用所述亮通道图像,求出自适应大气光照图
所述自适应大气光照图按以下表达式确定:
Ilight(x)=A(x)t(x)+A(x)(1-t(x))即:A(x)=Ilight(x);
步骤三、利用所述暗通道图像和自适应大气光照图,求取自适应传输函数图
所述自适应传输函数图按以下表达式确定:
Idark(x)=A(x)(1-t(x))即:
步骤四、利用低照度图像、自适应大气光照图和自适应传输函数图,通过大气散射物理模型复原场景图像;
所述复原后的场景图像按以下表达式确定:
实施例1和2利用亮通道先验和暗通道先验,采用GuidedFilter滤波器求取细化后的亮通道图像和暗通道图像,避免在景深突变的边界产生Halo效应的问题,有效地提高增强图像的视觉效果;利用亮通道图像求取自适应大气光照图,较传统常数大气光照估计法求得的大气光照更准确;由自适应大气光照图求得自适应传输函数图,比传统方法求得的传输函数图更精细。
Claims (5)
1.一种低照度图像增强方法,其特征在于包括以下步骤:
1)利用亮通道先验和暗通道先验分别求取低照度图像的亮通道图像和暗通道图像;
2)通过所述亮通道图像求取自适应大气光照图;
3)通过所述暗通道图像和自适应大气光照图求取自适应传输函数图;
4)根据大气散射物理模型中的低照度图像、自适应大气光照图和自适应传输函数图复原场景图像,
复原后的场景图像按以下表达式确定:
其中,x表示二维空间坐标,J(x)为复原后的场景图像,I(x)为低照度图像,A(x)为自适应大气光照图,t(x)为自适应传输函数图,t0的取值为0.1。
2.如权利要求1所述一种低照度图像增强方法,其特征在于在步骤1)中,所述利用亮通道先验和暗通道先验分别求取低照度图像的亮通道图像和暗通道图像的具体方法为:
A1、利用亮通道先验求取低照度图像的亮通道图像:
当低照度图像为灰度图像时,将此灰度低照度图像作为Guided Filter滤波器的引导图像;
所述引导图像按以下表达式确定:
Iguide(x)=I(x);
其中,Iguide(x)为引导图像,I(x)为灰度低照度图像;
再对所得到的引导图像进行最大值滤波,得到粗提取的亮通道图像;
所述粗提取的亮通道图像按以下表达式确定:
其中,Ilig(x)为粗提取的亮通道图像,x为二维空间坐标,Ω(x)为以坐标x为中心的正方形邻域;
当低照度图像为彩色图像时,先计算此彩色低照度图像每个像素点处的R、G、B3个颜色通道的最大值,作为Guided Filter滤波器的引导图像;
所述引导图像按以下表达式确定:
其中,Iguide(x)为引导图像,c为颜色通道,c∈{R,G,B}分别为R、G、B颜色通道,Ic为彩色低照度图像的颜色通道;
再对所得到的引导图像进行最大值滤波,得到粗提取的亮通道图像;
所述粗提取的亮通道图像按以下表达式确定:
其中,Ilig(x)为粗提取的亮通道图像,x为二维空间坐标,Ω(x)为以坐标x为中心的正方形邻域;
利用引导图像,通过Guided Filter滤波器对粗提取的亮通道图像进行边缘保持平滑滤波,最后得到细化后的亮通道图像Ilight(x);
A2、利用暗通道先验求取低照度图像的暗通道图像:
当低照度图像为灰度图像时,将此灰度低照度图像作为Guided Filter滤波器的引导图像;
所述引导图像按以下表达式确定:
Iguide(x)=I(x);
其中,Iguide(x)为引导图像,I(x)为灰度低照度图像;
再对所得到的引导图像进行最小值滤波,得到粗提取的暗通道图像;
所述粗提取的暗通道图像按以下表达式确定:
其中,Idar(x)为粗提取的暗通道图像,x为二维空间坐标,Ω(x)为以坐标x为中心的正方形邻域;
当低照度图像为彩色图像时,先计算此彩色低照度图像每个像素点处的R、G、B3个颜色通道的最小值,作为Guided Filter滤波器的引导图像;
所述引导图像按以下表达式确定:
其中,Iguide为引导图像,c为颜色通道,c∈{R,G,B}分别为R、G、B颜色通道,Ic为彩色低照度图像的颜色通道;
再对所得到的引导图像进行最小值滤波,得到粗提取的暗通道图像;
所述粗提取的暗通道图像按以下表达式确定:
其中,Idar(x)为粗提取的暗通道图像,x为二维空间坐标,Ω(x)为以坐标x为中心的正方形邻域;
利用引导图像,通过Guided Filter滤波器对粗提取的暗通道图像进行边缘保持平滑滤波,最后得到细化后的暗通道图像Idark(x)。
3.如权利要求1所述一种低照度图像增强方法,其特征在于在步骤2)中,所述通过所述亮通道图像求取自适应大气光照图的具体方法为:
利用所述亮通道图像,求取自适应大气光照图;
所述自适应大气光照图按以下表达式确定:
Ilight(x)=A(x)t(x)+A(x)(1-t(x))即:A(x)=Ilight(x);
其中,Ilight(x)为细化后的亮通道图像,A(x)为自适应大气光照图,t(x)为自适应传输函数图。
4.如权利要求1所述一种低照度图像增强方法,其特征在于在步骤3)中,所述通过所述暗通道图像和自适应大气光照图求取自适应传输函数图的具体方法为:
利用所述暗通道图像和自适应大气光照图,求取自适应传输函数图;
所述自适应传输函数图按以下表达式确定:
Idark(x)=A(x)(1-t(x))即:
其中,t(x)为自适应传输函数图,w为修正因子,0<w≤1,以保留一小部分偏暗区域,增加场景的深度感,这里取w=0.95。
5.如权利要求1所述一种低照度图像增强方法,其特征在于在步骤4)中,所述根据大气散射物理模型中的低照度图像、自适应大气光照图和自适应传输函数图复原场景图像的具体方法为:利用低照度图像、自适应大气光照图和自适应传输函数图,通过大气散射物理模型复原场景图像;
所述复原后的场景图像按以下表达式确定:
其中,J(x)为复原后的场景图像,I(x)为低照度图像,A(x)为自适应大气光照图,t(x)为自适应传输函数图,t0的取值为0.1,以避免当t0趋于0时,场景图像J(x)包含太多噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310008427.1A CN103020920B (zh) | 2013-01-10 | 2013-01-10 | 一种低照度图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310008427.1A CN103020920B (zh) | 2013-01-10 | 2013-01-10 | 一种低照度图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103020920A CN103020920A (zh) | 2013-04-03 |
CN103020920B true CN103020920B (zh) | 2015-03-25 |
Family
ID=47969489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310008427.1A Expired - Fee Related CN103020920B (zh) | 2013-01-10 | 2013-01-10 | 一种低照度图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103020920B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198458A (zh) * | 2013-04-10 | 2013-07-10 | 成都国腾电子技术股份有限公司 | 雾霾图像暗通道快速计算方法 |
CN104240192B (zh) * | 2013-07-04 | 2017-09-26 | 西南科技大学 | 一种快速的单幅图像去雾方法 |
CN103455979B (zh) * | 2013-07-16 | 2016-12-28 | 大连理工大学 | 一种低照度视频图像增强方法 |
CN103337061B (zh) * | 2013-07-18 | 2016-02-17 | 厦门大学 | 一种基于多次引导滤波的图像去雨雪方法 |
CN103345733B (zh) * | 2013-07-31 | 2016-01-13 | 哈尔滨工业大学 | 基于改进暗通道先验的快速低照度图像增强方法 |
CN103593830B (zh) * | 2013-11-29 | 2016-07-06 | 大连理工大学 | 一种低照度视频图像增强方法 |
CN103578084B (zh) * | 2013-12-09 | 2017-04-19 | 西安电子科技大学 | 基于亮通道滤波的彩色图像增强方法 |
CN104063848B (zh) * | 2014-06-19 | 2017-09-19 | 中安消技术有限公司 | 一种低照度图像增强方法和装置 |
CN104050645B (zh) * | 2014-06-23 | 2017-01-11 | 小米科技有限责任公司 | 图像处理方法及装置 |
CN104166969B (zh) * | 2014-08-25 | 2017-06-13 | 广东威创视讯科技股份有限公司 | 数字图像增强方法和系统 |
CN104318519B (zh) * | 2014-09-26 | 2017-07-07 | 南京邮电大学 | 一种基于边缘替代法的图像去雾方法 |
CN104809700B (zh) * | 2015-04-16 | 2017-08-25 | 北京工业大学 | 一种基于亮通道的低照度视频实时增强方法 |
CN105931208B (zh) * | 2015-08-22 | 2019-02-01 | 首都师范大学 | 基于物理模型的低照度图像增强算法 |
CN105046677B (zh) * | 2015-08-27 | 2017-12-08 | 安徽超远信息技术有限公司 | 一种用于交通视频图像的增强处理方法和装置 |
US9508129B1 (en) * | 2015-11-06 | 2016-11-29 | Adobe Systems Incorporated | Dehazing photos and videos using visual artifact suppression |
CN105913385B (zh) * | 2016-03-31 | 2018-12-25 | 宇龙计算机通信科技(深圳)有限公司 | 雾霾图像的清晰化方法、系统和图像处理装置 |
CN106327450A (zh) * | 2016-11-07 | 2017-01-11 | 湖南源信光电科技有限公司 | 一种基于时空累积和图像退化模型的低照度视频图像增强方法 |
CN107146207B (zh) * | 2017-04-20 | 2019-10-11 | 重庆意能芯电子科技有限公司 | 一种参数优化的低照度图像增强方法 |
CN107203979B (zh) * | 2017-05-27 | 2020-04-24 | 浙江大学 | 一种低照度图像增强的方法 |
CN107437240B (zh) * | 2017-07-14 | 2021-06-04 | 浙江大学 | 一种抑制高亮区域的低照度图像增强方法 |
CN107844761B (zh) * | 2017-10-25 | 2021-08-10 | 海信集团有限公司 | 交通标志的检测方法及装置 |
CN109359611B (zh) * | 2018-10-26 | 2020-10-13 | 厦门美图之家科技有限公司 | 一种检测人脸痣的方法及移动终端 |
CN109636785A (zh) * | 2018-12-07 | 2019-04-16 | 南京埃斯顿机器人工程有限公司 | 一种识别金刚砂颗粒的视觉处理方法 |
CN110097520B (zh) * | 2019-05-07 | 2021-09-14 | 北京京东尚科信息技术有限公司 | 图像处理方法和装置 |
CN111127362A (zh) * | 2019-12-25 | 2020-05-08 | 南京苏胜天信息科技有限公司 | 基于图像增强的视频除尘方法、系统、装置及可存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
CN102063706A (zh) * | 2010-12-23 | 2011-05-18 | 哈尔滨工业大学(威海) | 一种快速去雾方法 |
CN102831586A (zh) * | 2012-08-08 | 2012-12-19 | 无锡锦囊科技发展有限公司 | 一种对恶劣光照条件下的图像/视频实时增强方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8340461B2 (en) * | 2010-02-01 | 2012-12-25 | Microsoft Corporation | Single image haze removal using dark channel priors |
KR101190286B1 (ko) * | 2011-01-05 | 2012-10-12 | 중앙대학교 산학협력단 | 에지 정보 및 톤 매핑을 기반으로 한 영상의 안개제거 장치 및 방법 |
-
2013
- 2013-01-10 CN CN201310008427.1A patent/CN103020920B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
CN102063706A (zh) * | 2010-12-23 | 2011-05-18 | 哈尔滨工业大学(威海) | 一种快速去雾方法 |
CN102831586A (zh) * | 2012-08-08 | 2012-12-19 | 无锡锦囊科技发展有限公司 | 一种对恶劣光照条件下的图像/视频实时增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103020920A (zh) | 2013-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103020920B (zh) | 一种低照度图像增强方法 | |
Wang et al. | Dehazing for images with large sky region | |
CN106910175B (zh) | 一种基于深度学习的单幅图像去雾算法 | |
CN106157267B (zh) | 一种基于暗通道先验的图像去雾透射率优化方法 | |
CN102930514B (zh) | 基于大气物理散射模型的快速图像去雾方法 | |
CN108734670B (zh) | 单幅夜间弱照度雾霾图像的复原方法 | |
CN112669242A (zh) | 基于改进图像增强算法与生成对抗网络的夜景复原方法 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN103034983B (zh) | 一种基于各向异性滤波的去雾方法 | |
CN102768760B (zh) | 一种基于图像纹理的图像快速去雾方法 | |
CN103955905A (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
CN109993804A (zh) | 一种基于条件生成对抗网络的道路场景去雾方法 | |
CN103914813A (zh) | 彩色雾霾图像去雾与光照补偿的复原方法 | |
CN105931208B (zh) | 基于物理模型的低照度图像增强算法 | |
CN107977942B (zh) | 一种基于多聚焦融合的单幅图像的复原方法 | |
CN104504673A (zh) | 基于nsst的可见光与红外图像融合方法及系统 | |
CN113222877B (zh) | 红外和可见光图像融合方法及其在机载光电视频中的应用 | |
CN102903081A (zh) | 基于rgb彩色模型的低光照图像增强方法 | |
CN104050637A (zh) | 基于两次引导滤波的快速图像去雾方法 | |
Cheng et al. | Visibility enhancement of single hazy images using hybrid dark channel prior | |
Bansal et al. | A review of image restoration based image defogging algorithms | |
CN112950589A (zh) | 一种多尺度卷积神经网络的暗通道先验去雾算法 | |
CN104318528A (zh) | 基于多尺度wls滤波的雾天图像恢复方法 | |
CN112164010A (zh) | 一种多尺度融合卷积神经网络图像去雾方法 | |
CN112907461B (zh) | 一种红外雾天降质图像去雾增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150325 Termination date: 20220110 |