CN104063853A - 一种基于暗通道技术的提高交通视频图像清晰度方法 - Google Patents
一种基于暗通道技术的提高交通视频图像清晰度方法 Download PDFInfo
- Publication number
- CN104063853A CN104063853A CN201410321735.4A CN201410321735A CN104063853A CN 104063853 A CN104063853 A CN 104063853A CN 201410321735 A CN201410321735 A CN 201410321735A CN 104063853 A CN104063853 A CN 104063853A
- Authority
- CN
- China
- Prior art keywords
- image
- input picture
- original input
- mist
- dark channel
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005516 engineering process Methods 0.000 title claims abstract description 12
- 238000000889 atomisation Methods 0.000 claims abstract description 17
- 239000003595 mist Substances 0.000 claims description 45
- 230000008030 elimination Effects 0.000 claims description 31
- 238000003379 elimination reaction Methods 0.000 claims description 31
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 4
- 230000002411 adverse Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Abstract
本发明公开了一种基于暗通道技术的提高交通视频图像清晰度方法,该方法首先对不良天气(如雾霾等)中公路交通视频图像进行暗通道处理,获取暗通道图像;之后根据暗通道图像获取天空亮度值;接着设定雾化浓度值,并建立雾化图像的物理模型;然后改进透射率分布率函数,处理得到去雾图像并计算峰值性噪比;最后比较峰值性噪比,输出最佳效果的去雾交通视频图像。本发明改进了暗通道图像的透射率分布率,对不符合暗通道先验条件的区域设定阈值,使去雾效果更好;此外,本发明引进峰值性噪比评价方法来评价图像的处理质量,能够更加智能的处理图像。
Description
【技术领域】
本发明属于不良天气中提高公路车辆驾驶员可视距离的领域,涉及一种基于暗通道技术的提高交通视频图像清晰度方法。
【背景技术】
近几年环境日益恶化,大雨、沙尘暴及雾霾天气越来越严重,能见度越来越低,对人们的生活产生了很大的影响,对交通的影响尤为严重。在雾天环境下,由于大气散射影响使得监控摄像头拍摄出来的景物能见度和对比度降低,直接影响航空、海运和道路交通的安全,同时使各种户外监测系统,如视频监控系统,在恶劣的天气下往往无法可靠工作。在公路交通中,有时在严重的雾霾天气下,车辆驾驶员的可视距离(能见度)只有几十米,从而引起一系列连环车辆相撞事故。因此,为了方便车辆的行驶,减少该类事故的发生,简单有效地增强模糊图像对提高视觉系统的可靠性和鲁棒性具有重要意义。
2009年He提出暗通道方法对雾化图像进行去雾处理,取得了相当好的效果。暗通道优先去雾方法是建立在户外自然场景暗通道优先法则的基础上的去雾方法。暗通道优先法则认为无雾的户外自然场景图像,在经过暗通道优先处理之后,大部分像素的亮度将接近零,如果暗通道图像中存在大量亮度较高的像素,那么这些亮度应来自于空气中的雾气或天空。对于雾化的原始图像,将能够从暗通道优先处理的结果中得到初始透射图t和空气颜色值A。透射图中亮度越高的地方表示此处场景色彩的通过性越好,也可以理解为距离视点越近。因为暗通道处理时使用了分块计算方法,使得初始透射图存在比较明显的方块,同时也不能很好地符合原图像的几何边缘。
但是大量的统计数据表明,大部分雾化交通视频图像中存在大量的灰白色区域,这样的区域不满足暗通道方法的先验条件,此时如果仍然采用暗通道方法进行视频图像去雾处理,去雾后的图像中会出现大量的亮白色光晕。因此,我们在使用暗通道方法对交通视频图像进行处理的时候需要对该方法进行一定的改进,使其对交通视频图像中的亮白色区域仍然能有较好的处理能力。
【发明内容】
本发明的目的在于针对现有技术的不足,提供了一种基于暗通道技术的提高交通视频图像清晰度方法,其改进暗通道交通视频图像去雾方法,对不符合暗原色先验条件的交通视频图像区域进行阈值处理,减少光晕的产生。
为实现上述目的,本发明采用如下技术方案:
一种基于暗通道技术的提高交通视频图像清晰度方法,包括下述步骤:
1)获取原始输入图像的暗通道图像Jd(x),其中,Jd(x)是以x像素点为中心的一块15*15像素的方形区域中RGB三个颜色通道中单分量值最低的像素点的最低单分量值;
2)建立原始输入图像的去雾后的图像模型,获取去雾后的图像J(x);
3)计算雾化图像的透射率分布率其计算公式如下:
式中:I(x)为原始输入图像;
t(x)为原始输入图像的透射率分布率,
M为设定的阈值,且M=50;
IC(x)为原始输入图像通道c的单通道图像;
t0为透射率分布率的设定的下限值,且t0>0;
A为天空亮度值,其为取原始输入图像的暗通道图像Jd(x)中亮度的最大值;
τ为原始输入图像的雾的浓度,随着τ的增大,表示雾的浓度逐渐增大,其中,τ∈(0,1);
4)计算原始输入图像与去雾后图像的峰值性噪比,其计算公式如下;
式中:
J(x)为去雾后图像,m、n分别为原始输入图像I(x)的尺寸;
5)设定原始输入图像中雾的浓度τ的初始值为τ0,其步长为Δt,逐步增大τ,重复步骤3)和4),得到新的去雾后图像J'(x)和新的峰值性噪比PSNR';
6)若峰值性噪比停止增长,则输出对应雾的浓度τ和透射率分布率的去雾后图像J(x),否则重复执行步骤5)。
本发明进一步改进在于,步骤1)中原始输入图像的暗通道图像Jd(x)的获取由下式得到:
式中:
Jc代表去雾后的图像J的某一个颜色通道,而Ω(x)是以x为中心的一块15*15像素方形区域。
本发明进一步改进在于,步骤3)中雾化图像的透射率分布率函数,引进一个阈值M,当|I-A|小于等于M时,认为是明亮区域,不满足暗通道的先验条件,即
min(min(Jc(y)))→0,
当|I-A|大于M时,认为是满足暗通道先验条件的区域,因此改进雾化图像透射率分布函数为:
本发明进一步改进在于,步骤4)中雾化图像模型的计算公式如下:
式中:I(x)为原始输入图像,J(x)为去雾后图像;
A为天空亮度值,A=max(max(Jd))。
与现有技术相比,本发明具有如下优点:
1、本发明改进了暗通道图像的透射率分布率,对不符合暗通道先验条件的区域设定阈值,使去雾效果更好;
2、本发明引进峰值性噪比评价方法来评价图像的处理质量,能够更加智能的处理图像。
【附图说明】
图1为本发明一种基于暗通道技术的提高交通视频图像清晰度方法的流程图;
图2(a)为原始输入图像;
图2(b)为去雾后图像;
图2(c)为暗通道图像;
图2(d)为透射率分布图。
【具体实施方式】
以下结合附图与具体实施方式对本发明的技术方案作进一步解释说明。
对于大部分交通图像中存在大面积的明亮区域,不符合暗通道方法的先验条件,因此在使用暗通道方法进行去雾处理时需要对该方法进行改进,使其对不符合暗通道先验条件的明亮区域也能有较好的去雾效果。为了克服存在的问题,发明人根据暗通道的原理,引入亮度阈值和雾化浓度参数,对图像区域进行亮度判定,根据判定结果进行分区域处理,实施流程参考图1,具体原理解释说明如下:
1)获取暗通道图像Jd(x)。暗通道方法的先验条件认为:在绝大多数图像的局部区域里,总会有一些像素至少一个颜色通道具有很低的值,即该局域光强度的最小值是很小的数,趋向于0。公式表示为:
具体实施办法是用15*15的窗口遍历整幅图像,中心像素点x的暗通道值Jd(x)为此窗口中所有像素点的三个通道中的最小值,遍历整幅图像后即可得到雾化图像的暗通道图像Jd(x)。
2)获取天空亮度值A。暗通道方法中认为在绝大多数图像的局部区域里,总会有一些像素至少一个颜色通道具有很低的值,即该局域光强度的最小值是很小的数,趋向于0。所以,当暗通道图像中存在暗通道值不为0的点,则认为是雾化造成了。A的公式表示为:
A=max(max(Jd))
3)设定原始输入图像中雾的浓度τ的初始值,随着τ的增大,表示雾的浓度逐渐增大。透射率分布率函数的原始表达式为:
如果彻底将雾移除,图像会失真,深度感会丢失,所以需要在方程中引入一个参数τ表示雾的浓度信息,保留一部分覆盖远景的雾,增加图像的真实感。引入参数后的透射率分布函数表示为:
4)改进透射率分布率函数。暗通道处理图像是必须满足先验条件才会取得很好的效果,但是大部分交通图像存在部分区域不满足暗通道的先验条件,因此需要一定的改进措施。
暗通道方法对雾化图像建模为:
I(x)=J(x)t(x)+A(1-t(x)) (4)
其中:I(x)表示原始输入图像,J(x)表示去雾后的图像,A表示天空亮度值。假设天空亮度值A是定量,则可以对雾化图像模型做变形:
对同一区域Ω(x)的三个颜色通道使用最小值运算:
所以透射率分布率的实际表达式为
当区域Ω(x)中的点满足暗通道先验条件即
即:时,上述表达式中分母部分近似等于1,所以透射率分布率的表达式可以写成
如果彻底将雾移除,图像会失真,深度感会丢失,所以需要在方程中引入一个参数τ表示雾的浓度信息,保留一部分覆盖远景的雾,增加图像的真实感。即:原始输入图像的透射率分布率t(x)为
式中:IC(x)为原始输入图像通道c的单通道图像。
但是当区域Ω(x)中的点不满足暗通道先验条件时,透射率分布率实际表达式中的分子部分会小于1,此时如果还是按照暗通道方法处理,会使得计算出来的透射率会比实际透射率低很多,不符合实际规律。
因此,我们引入一个阈值M=50用于评定区域Ω(x)是否满足暗通道先验条件:当|I-A|小于等于M时表示该区域为明亮区域,不满足暗通道先验条件;当|I-A|大于M时表示该区域满足暗通道先验条件。
当区域不满足暗通道先验条件时,我们需要对透射率做修正,修正后的透射率分布率函数表示为:
式中:t0为透射率分布率的设定的下限值,且t0>0。
修正透射率实际上是对算法的一种扩展,其实能够处理含有大面积明亮区域的雾化图像,但是其本身并没有脱离暗通道方法。
5)获取去雾后图像J(x)。由雾化图像模型:
可以得到去雾图像J(x)可以表示为:
其中表示修正后的透射率分布率。
6)计算峰值性噪比。峰值性噪比是最广泛使用的评价图像质量的客观标准。峰值性噪比定义为:
其中
I(x)为原始输入图像,J(x)为去雾后的图像,m、n为图像的尺寸。
7)重新设定雾,浓度,即调整τ的增长步长,重复上述步骤3)、4)、5)和6),重新获取去雾后图像和峰值性噪比。
8)比较峰值性噪比,当峰值性噪比停止增长时,则输出对应雾浓度τ和透射率分布率的去雾图像。
实施例1:
遵循本发明的技术方案,该实施例中以图2(a)为原始输入图像,以15*15像素的窗口遍历原始输入图像获取暗通道图像如图2(c)所示;根据暗通道图像获取天空亮度值A;设定雾化浓度τ为0.1并带入到透射率计算公式,获得透射率分布图如图2(d)所示;计算去雾后图像并计算峰值性噪比;当峰值性噪比停止增长时输出去雾后图像如图2(b)所示。
Claims (4)
1.一种基于暗通道技术的提高交通视频图像清晰度方法,其特征在于,包括以下步骤:
1)获取原始输入图像的暗通道图像Jd(x),其中,Jd(x)是以x像素点为中心的一块15*15像素的方形区域中RGB三个颜色通道中单分量值最低的像素点的最低单分量值;
2)建立原始输入图像的去雾后的图像模型,获取去雾后的图像J(x);
3)计算雾化图像的透射率分布率其计算公式如下:
式中:I(x)为原始输入图像
t(x)为原始输入图像的透射率分布率,
M为设定的阈值,且M=50;
IC(x)为原始输入图像通道c的单通道图像;
t0为透射率分布率的设定的下限值,且t0>0;
A为天空亮度值,其为取原始输入图像的暗通道图像Jd(x)中亮度的最大值;
τ为原始输入图像的雾的浓度,随着τ的增大,表示雾的浓度逐渐增大,其中,τ∈(0,1);
4)计算原始输入图像与去雾后图像的峰值性噪比,其计算公式如下;
式中:
J(x)为去雾后图像,m、n分别为原始输入图像I(x)的尺寸;
5)设定原始输入图像中雾的浓度τ的初始值为τ0,其步长为Δt,逐步增大τ,重复步骤3)和4),得到新的去雾后图像J'(x)和新的峰值性噪比PSNR';
6)若峰值性噪比停止增长,则输出对应雾的浓度τ和透射率分布率的去雾后图像J(x),否则重复执行步骤5)。
2.如权利要求1所述的基于暗通道技术的提高交通视频图像清晰度方法,其特征在于,步骤1)中原始输入图像的暗通道图像Jd(x)的获取由下式得到:
式中:
Jc代表去雾后的图像J的某一个颜色通道,而Ω(x)是以x为中心的一块15*15像素方形区域。
3.如权利要求1所述的基于暗通道技术的提高交通视频图像清晰度方法,其特征在于,步骤3)中雾化图像的透射率分布率函数,引进一个阈值M,当|I-A|小于等于M时,认为是明亮区域,不满足暗通道的先验条件,即
min(min(Jc(y)))→0,
当|I-A|大于M时,认为是满足暗通道先验条件的区域,因此改进雾化图像透射率分布函数为:
4.如权利要求1所述的基于暗通道技术的提高交通视频图像清晰度方法,其特征在于,步骤4)中雾化图像模型的计算公式如下:
式中:I(x)为原始输入图像,J(x)为去雾后图像;
A为天空亮度值,A=max(max(Jd))。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410321735.4A CN104063853B (zh) | 2014-07-07 | 2014-07-07 | 一种基于暗通道技术的提高交通视频图像清晰度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410321735.4A CN104063853B (zh) | 2014-07-07 | 2014-07-07 | 一种基于暗通道技术的提高交通视频图像清晰度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104063853A true CN104063853A (zh) | 2014-09-24 |
CN104063853B CN104063853B (zh) | 2017-02-08 |
Family
ID=51551545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410321735.4A Active CN104063853B (zh) | 2014-07-07 | 2014-07-07 | 一种基于暗通道技术的提高交通视频图像清晰度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104063853B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616258A (zh) * | 2015-01-26 | 2015-05-13 | 中南大学 | 一种针对道路图像的快速去雾方法 |
CN104754185A (zh) * | 2015-04-10 | 2015-07-01 | 四川理工学院 | 一种视频图像处理方法 |
CN105913391A (zh) * | 2016-04-07 | 2016-08-31 | 西安交通大学 | 一种基于形状可变形态学重构的去雾方法 |
CN105959510A (zh) * | 2016-04-22 | 2016-09-21 | 湖南工学院 | 一种视频快速去雾方法 |
CN107103591A (zh) * | 2017-03-27 | 2017-08-29 | 湖南大学 | 一种基于图像雾霾浓度估计的单幅图像去雾方法 |
CN107451962A (zh) * | 2017-07-03 | 2017-12-08 | 山东财经大学 | 一种图像去雾方法及装置 |
CN107767348A (zh) * | 2017-09-27 | 2018-03-06 | 重庆大学 | 基于成像模型约束的单幅隧道图像快速增强方法 |
CN107844761A (zh) * | 2017-10-25 | 2018-03-27 | 海信集团有限公司 | 交通标志的检测方法及装置 |
CN108369651A (zh) * | 2015-12-01 | 2018-08-03 | 天青公司 | 使用图像数据进行信息提取 |
CN109886920A (zh) * | 2019-01-16 | 2019-06-14 | 安徽谛听信息科技有限公司 | 一种雾天分级方法、雾天分级系统 |
CN109993714A (zh) * | 2019-04-10 | 2019-07-09 | 南京航空航天大学 | 一种有色眩光的去除方法 |
CN112767392A (zh) * | 2021-03-02 | 2021-05-07 | 百果园技术(新加坡)有限公司 | 图像清晰度确定方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100040300A1 (en) * | 2008-08-18 | 2010-02-18 | Samsung Techwin Co., Ltd. | Image processing method and apparatus for correcting distortion caused by air particles as in fog |
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 |
US20110188775A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Single Image Haze Removal Using Dark Channel Priors |
CN102930514A (zh) * | 2012-09-27 | 2013-02-13 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
-
2014
- 2014-07-07 CN CN201410321735.4A patent/CN104063853B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100040300A1 (en) * | 2008-08-18 | 2010-02-18 | Samsung Techwin Co., Ltd. | Image processing method and apparatus for correcting distortion caused by air particles as in fog |
US20110188775A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Single Image Haze Removal Using Dark Channel Priors |
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 |
CN102930514A (zh) * | 2012-09-27 | 2013-02-13 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
Non-Patent Citations (1)
Title |
---|
王永超: "基于暗通道先验的图像去雾算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616258A (zh) * | 2015-01-26 | 2015-05-13 | 中南大学 | 一种针对道路图像的快速去雾方法 |
CN104616258B (zh) * | 2015-01-26 | 2017-10-03 | 中南大学 | 一种针对道路图像的快速去雾方法 |
CN104754185A (zh) * | 2015-04-10 | 2015-07-01 | 四川理工学院 | 一种视频图像处理方法 |
CN104754185B (zh) * | 2015-04-10 | 2017-07-21 | 四川理工学院 | 一种视频图像处理方法 |
CN108369651A (zh) * | 2015-12-01 | 2018-08-03 | 天青公司 | 使用图像数据进行信息提取 |
CN108369651B (zh) * | 2015-12-01 | 2022-08-09 | 天津瞰天科技有限责任公司 | 一种提取天空区域的方法、系统及非暂时性计算机可读存储介质 |
CN105913391A (zh) * | 2016-04-07 | 2016-08-31 | 西安交通大学 | 一种基于形状可变形态学重构的去雾方法 |
CN105913391B (zh) * | 2016-04-07 | 2018-12-07 | 西安交通大学 | 一种基于形状可变形态学重构的去雾方法 |
CN105959510A (zh) * | 2016-04-22 | 2016-09-21 | 湖南工学院 | 一种视频快速去雾方法 |
CN105959510B (zh) * | 2016-04-22 | 2019-04-26 | 湖南工学院 | 一种视频快速去雾方法 |
CN107103591A (zh) * | 2017-03-27 | 2017-08-29 | 湖南大学 | 一种基于图像雾霾浓度估计的单幅图像去雾方法 |
CN107103591B (zh) * | 2017-03-27 | 2020-01-07 | 湖南大学 | 一种基于图像雾霾浓度估计的单幅图像去雾方法 |
CN107451962B (zh) * | 2017-07-03 | 2020-05-05 | 山东财经大学 | 一种图像去雾方法及装置 |
CN107451962A (zh) * | 2017-07-03 | 2017-12-08 | 山东财经大学 | 一种图像去雾方法及装置 |
CN107767348A (zh) * | 2017-09-27 | 2018-03-06 | 重庆大学 | 基于成像模型约束的单幅隧道图像快速增强方法 |
CN107767348B (zh) * | 2017-09-27 | 2021-06-08 | 重庆大学 | 基于成像模型约束的单幅隧道图像快速增强方法 |
CN107844761A (zh) * | 2017-10-25 | 2018-03-27 | 海信集团有限公司 | 交通标志的检测方法及装置 |
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 |
CN109886920A (zh) * | 2019-01-16 | 2019-06-14 | 安徽谛听信息科技有限公司 | 一种雾天分级方法、雾天分级系统 |
CN109993714A (zh) * | 2019-04-10 | 2019-07-09 | 南京航空航天大学 | 一种有色眩光的去除方法 |
CN112767392A (zh) * | 2021-03-02 | 2021-05-07 | 百果园技术(新加坡)有限公司 | 图像清晰度确定方法、装置、设备及存储介质 |
CN112767392B (zh) * | 2021-03-02 | 2024-04-09 | 百果园技术(新加坡)有限公司 | 图像清晰度确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104063853B (zh) | 2017-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104063853A (zh) | 一种基于暗通道技术的提高交通视频图像清晰度方法 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
TWI514323B (zh) | 基於混合暗通道先驗的影像除霧方法及其系統 | |
CN106251301B (zh) | 一种基于暗原色先验的单幅图像去雾方法 | |
CN103020920B (zh) | 一种低照度图像增强方法 | |
CN105374013A (zh) | 基于双暗通道先验的图像能见度修复方法及图像处理装置 | |
CN103049888A (zh) | 基于暗原色结合大气散射光的图像/视频去雾方法 | |
CN106846263A (zh) | 基于融合通道且对天空免疫的图像去雾方法 | |
CN103198459B (zh) | 雾霾图像快速去雾方法 | |
CN103077504B (zh) | 一种基于自适应光照计算的图像去雾方法 | |
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 | |
Gallen et al. | Towards night fog detection through use of in-vehicle multipurpose cameras | |
CN105574830A (zh) | 极端天气条件下低质图像增强方法 | |
CN104616258B (zh) | 一种针对道路图像的快速去雾方法 | |
CN104463816A (zh) | 一种图像处理方法及装置 | |
CN105913390B (zh) | 一种图像去雾方法及系统 | |
CN104050637A (zh) | 基于两次引导滤波的快速图像去雾方法 | |
CN105279739A (zh) | 一种自适应含雾数字图像去雾方法 | |
CN107301624A (zh) | 基于区域划分及浓雾预处理的卷积神经网络去雾算法 | |
CN103034983B (zh) | 一种基于各向异性滤波的去雾方法 | |
Cheng et al. | Visibility enhancement of single hazy images using hybrid dark channel prior | |
CN109584176B (zh) | 机动车驾驶视觉增强系统 | |
CN104574325A (zh) | 一种天空光估计方法与系统及其图像去雾方法 | |
CN107895357A (zh) | 一种基于fpga的实时水面浓雾场景图像增强方法 | |
CN104318528A (zh) | 基于多尺度wls滤波的雾天图像恢复方法 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method for improving the clarity of traffic video images based on dark channel technology Effective date of registration: 20231228 Granted publication date: 20170208 Pledgee: Jiangsu Zijin Rural Commercial Bank Co.,Ltd. Guanghua Road Branch Pledgor: NANJING GENERAL ELECTRONICS Co.,Ltd. Registration number: Y2023980074691 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |