CN105469372A - 一种基于均值滤波的雾天图像清晰化处理方法 - Google Patents
一种基于均值滤波的雾天图像清晰化处理方法 Download PDFInfo
- Publication number
- CN105469372A CN105469372A CN201511024419.1A CN201511024419A CN105469372A CN 105469372 A CN105469372 A CN 105469372A CN 201511024419 A CN201511024419 A CN 201511024419A CN 105469372 A CN105469372 A CN 105469372A
- Authority
- CN
- China
- Prior art keywords
- image
- channel
- misty
- max
- transmissivity
- 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.)
- Pending
Links
- 238000001914 filtration Methods 0.000 title abstract description 5
- 238000003672 processing method Methods 0.000 title abstract 2
- 230000005855 radiation Effects 0.000 claims abstract description 12
- 239000003595 mist Substances 0.000 claims description 29
- 238000003707 image sharpening Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 abstract description 32
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 abstract description 3
- 238000002834 transmittance Methods 0.000 abstract 4
- 238000011156 evaluation Methods 0.000 abstract 2
- 230000006870 function Effects 0.000 description 23
- 230000008569 process Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 7
- 230000000052 comparative effect Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明为一种基于均值滤波的雾天图像清晰化处理方法,步骤如下:1、计算雾天图像三通道中的最小值图像;2、对其均值滤波;3-1、雾天图像视为大气的散射模型,由入射光衰减模型和大气光成像模型组成;3-2、透射率的粗略估计;3-3、结合图像的均方误差对比度衡量函数和图像信息量损失评价函数迭代估计最佳透射率;4、全局大气光的辐射强度的估计;5、由大气散射模型公式计算恢复无雾图像。本方法只利用一次简单的均值滤波即可获得透射率和大气光值的粗略估计;通过均方误差对比度衡量函数和图像信息量损失评价函数求得最佳的透射率;总体计算方法简单,计算复杂度低,能快速地恢复出清晰的无雾图像,可在图像或视频系统中实时运用。
Description
技术领域
本发明属于数字图像领域,具体为一种基于均值滤波的雾天图像清晰化处理方法。
背景技术
随着空气质量的恶化,雾霾天气的现象增多。在雾、霾等天气条件下,大气中悬浮着大量微小水滴、气溶胶,其对光的散射作用导致捕获的图像质量严重下降,如雾天图像颜色偏灰白色,对比度降低,物体特征难以辨认等,不仅视觉效果差,图像观赏性降低,还会影响到图像的后期处理。因此,对这种由自然现象导致图像降质进行分析研究意义重大。
目前雾天图像清晰化的处理方法很多,主要分为两大类:基于图像增强的方法和基于物理模型的方法。基于图像增强的方法借助于已有的成熟图像增强算法提升图像的对比度,突出图像中景物的特征和有用的信息。但是这类方法可能会造成图像的部分信息丢失,使图像失真。直方图均衡化是图像增强中常用的方法,全局直方图均衡化是对整幅图像进行均衡化处理,使得处理后的图像直方图分布均匀,提升全局的对比度。该算法实现简单,处理速度快,但在实际中,场景各部分的景深不一致,而该算法忽略了局部信息,故恢复出来的效果不理想。第二类基于物理模型的方法通过研究大气悬浮颗粒对光的散射作用,建立大气散射模型,了解图像退化的物理机制,从而反演复原出未降质前的图像。这类物理模型方法复原出的图像效果真实,接近于降质前图像,对一些复杂场景的图像处理效果较好,图像的信息得到了较完整的保留。但一般情况下,这类方法的计算量大且复杂性高。Nararimhan和Nayar提出的二色大气模型,从两幅或多幅图像来估计场景的三维结构和颜色信息,最终恢复出无雾图像。但当场景中存在接近雾霾颜色的物体时,恢复效果并不理想。Schechner等人通过旋转偏振片获取同一场景的最大和最小偏振度的两幅图像,利用它们之间的差值估计环境光来恢复图像,该算法依赖于环境光的偏振特性,在一些恶劣的天气下无法获取光的偏振性将导致算法失效。Tan假设局部区域的环境光为常数,通过对局部对比度增强的最大化来恢复无雾图像。由于该方法过度增强图像的对比度,其恢复后的图像色彩过于饱和,且在景深突变的边界出现严重的光晕效应。Fattal假设图像的局部区域的反射率为常向量,并假设物体表面色度与介质传播具有局部统计不相关性,推算出图像的透射率,该方法是对非线性反问题的求解,需要有足够的颜色信息对局部区域进行独立成分的假设,否则会导致统计估计的不可靠,恢复出的图像效果不理想。何凯明等人假设在至少一个颜色通道里存在一个值趋向于0的像素,即暗通道先验,利用最小值滤波对透射率进行粗略估计,最后利用软抠图算法对图像的透射率进行优化,得到较满意的去雾效果。但该方法对接近于天空颜色的场景的恢复存在着一定的缺陷,并且在优化处理的过程中计算量相对较大,复杂度较高。
发明内容
针对现有的很多图像去雾算法具有极高的时空复杂性,且未能满足实时性要求,难以投入到实际应用中等问题,本发明提出了一种基于均值滤波的雾天图像清晰化处理方法,本方法先对透射率进行粗略估计,再估计最佳透射率,求得全局大气光的辐射强度A,带入大气散射模型公式,计算恢复出无雾图像J(x)。本方法有效地降低图像清晰化处理中计算的复杂度,故可以对图像或视频进行实时去雾的清晰化处理。
本发明为解决上述技术问题所采用的技术方案是,一种基于均值滤波的雾天图像清晰化处理方法,包括以下步骤:
1)获取最小值图像:式中,c为R、G或B通道,Ic(x)为雾天图像I(x)的R、G或B通道的图像;
2)对获取的最小值图像Mmin(x)均值滤波:
Mave(x)=averagesa(Mmin(x));
3)估计透射率t(x):
式中,A0为R、G或B通道的大气光值,为弥补偏差值,φ=1-ω,φ取值范围[0.3,0.8];
4)估计最佳透射率
运用图像的均方误差对比度衡量函数Econtrast和图像信息量损失评价函数Eloss约束透射率t(x)的选取:
所述均方误差对比度衡量函数Econtrast与透射率t(x)的平方成反比;所述图像信息量损失评价函数Eloss与透射率t(x)成反比;构造最小代价函数:Emin=-Econtrast+5Eloss;将步骤3)的透射率t(x)带入最小代价函数Emin进行迭代,最小代价函数Emin最小时的透射率为最佳透射率
5)估计R、G或B通道大气光值的辐射强度A0:
6)估计全局大气光的辐射强度A:
式中,T是对向量[111]进行转置运算;
7)恢复无雾图像J(x):将全局大气光辐射强度A和最佳透射率带入大气散射模型公式恢复出无雾图像J(x)。
上述方案中,所述均方误差对比度衡量函数Econtrast为:
式中,c为R、G或B通道,Jc(x)为无雾图像的R、G或B通道图像,Ic(x)为雾天图像的R、G或B通道图像,为无雾图像的R、G或B通道图像的均值,为雾天图像的R、G或B通道图像的均值,N为整幅图像像素的总个数。
上述方案中,所述图像信息量损失评价函数Eloss为:
min(0,Jc(x))为输出的无雾图像的像素值小于0时图像所损失的信息量,max(0,Jc(x)-255)为输出的无雾图像的像素值超过255时图像所损失的信息量,i为输入雾天图像的像素索引值;[a,b]为预设的输入的雾天图像I(x)像素的取值范围。
本发明提供的一种基于均值滤波的雾天图像清晰化处理方法的优势在于:只利用一次简单的均值滤波即可获得透射率和大气光值的粗略估计;通过均方误差对比度衡量函数和图像信息量损失评价函数求得最佳的透射率;总体计算方法简单,计算复杂度低,能快速地恢复出清晰的无雾图像,可在图像或视频系统中实时运用。
附图说明
图1为本基于均值滤波的雾天图像清晰化处理方法实施例的流程图;
具体实施方式
下面结合附图详细描述本发明一种基于均值滤波的雾天图像清晰化处理方法的实施例,本例处理过程如图1所示,包括如下具体步骤:
1)获取R、G、B三通道中的最小值图像:
输入雾天图像I(x),计算图像R、G、B三通道中的最小值图像Mmin(x),即:
式中,c为R、G或B通道,Ic(x)为雾天图像I(x)的R、G或B通道的图像;
2)对获取的最小值图像Mmin(x)均值滤波:
Mave(x)=averagesa(Mmin(x));
3)估计透射率t(x):
大气耗散函数定义为:L(x)=A(1-t(x)),
图像的R、G、B三个通道的大气光值相同,大气耗散函数满足以下约束条件:A(1-t(x))≤I(x),
式中,A=[A0A0A0]T为R、G、B三个通道的大气光值,A0为R、G或B的大气光值,T表示转置运算符;
假设雾天图像I(x)的大气光值和透射率均为常量,对上述的约束条件两端取最小值操作,即:
式中,t(x)取值范围[0,1];
进一步对上式的右式进行均值滤波:
对t(x)进行偏差值弥补,则透射率粗略估计的公式为:
式中,为弥补偏差值,φ=1-ω,φ取值范围[0.3,0.8];
当φ取值较小时,透射率t(x)的值较大,最终恢复出来的图像雾气比较多,当φ取值较大时,透射率的值较小,最终恢复出来的图像偏暗;
4)估计最佳透射率
均方误差对比度衡量函数Econtrast为:
式中,c为R、G或B通道,Jc(x)为无雾图像的R、G或B通道图像,Ic(x)为雾天图像的R、G或B通道图像,为无雾图像的R、G或B通道图像的均值,为雾天图像的R、G或B通道图像的均值,N为整幅图像像素的总个数;均方误差对比度衡量函数Econtrast决定图像的对比度,与透射率t(x)的平方成反比,t(x)的取值越大,对比度就越小;
图像信息量损失评价函数Eloss为:
式中,i为输入雾天图像I(x)的像素索引值;[a,b]表示输入的雾天图像I(x)像素的取值范围,由用户根据实际情况需要预先设定,一幅清晰图像像素的取值均匀地分布在[0,255]范围内,因此,[a,b]的取值范围,需使得恢复出的无雾图像的像素值尽可能多地在[0,255]范围内,以减少图像信息量的损失;图像信息量损失评价函数Eloss与透射率t(x)成反比,t(x)取值越小,图像信息量损失越大;min(0,Jc(x))为清晰化处理后输出的无雾图像中的像素值小于0时所损失的图像信息量;max(0,Jc(x)-255)表示清晰化处理后输出的无雾图像中像素值超过255所损失的图像信息量;
一个合适的透射率t(x),既能增强图像的对比度,又能保证图像信息量损失较少,因此,利用图像的均方误差对比度衡量函数Econtrast与图像信息损失量函数Eloss构造一个最小代价函数Emin=-Econtrast+5Eloss;将步骤3)的透射率t(x)带入最小代价函数Emin进行迭代,最小代价函数Emin最小时的透射率为最佳透射率
5)估计R、G或B通道大气光值的辐射强度A0:的取值范围为[0,1],因此,A0≥max(Mave(x))且则A0的取值范围:
6)估计全局大气光的辐射强度A:
式中,T是对向量[111]进行转置运算;
7)恢复无雾图像J(x):
雾天图像视为大气散射模型,是由入射光衰减模型和大气光成像模型两部分组成,大气散射模型的公式为:
I(x)=J(x)t(x)+A(1-t(x)),
式中,I(x)为实际观测点所观察到的图像,即雾天图像;J(x)t(x)为景物光线的直接衰减,即入射光衰减模型;第二项A(1-t(x))为大气耗散函数,即大气光成像模型;t(x)=e-βd(x)表示介质的透射率,β表示大气散射系数,d(x)表示目标场景点到观测点之间的距离;x为雾天图像中像素点的空间坐标;J(x)是待恢复的无雾图像;A表示全局大气光的辐射强度,本例全局大气光为全局常量;
将全局大气光辐射强度A和最佳透射率带入大气散射模型公式I(x)=J(x)t(x)+A(1-t(x)),恢复无雾图像J(x)。
对比实验为:选取两幅雾天图像A和B,用本实施例方法对A、B进行处理实验。以何凯明提出的暗原色先验(DCP)方法作为对比例,也对A、B进行处理实验。
二者的实验硬件环境即所用计算机硬件参数相同,处理器(CPU)为英特尔Core酷睿i5-3470,主频3.20GHZ(intel(R)core(TM)i5-3570CPU3.20GHZ)内存(RAM)8.0GB;软件环境也相同为:windows7SP1+Matlab2014b。本实施例和对比例的清晰化处理实验运行时间如表1所示。
表1本实施例与对比例清晰化处理实验运行时间比较表
从表1的实验数据可以看出,本实施例的处理速度明显高于对比例,所用时间小于对比例的十分之一,因此本发明的处理速度显著提高,能满足图像实时处理的要求。
本发明对雾天图像A和B进行清晰化处理,两幅雾天图处理后的清晰度均明显优于未处理的雾天图像,也优于何凯明提出的暗原色先验(DCP)方法处理后的雾天图像。
上述实施例,仅为对本发明的目的、技术方案和有益效果进一步详细说明的具体个例,本发明并非限定于此。凡在本发明的公开的范围之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围之内。
Claims (3)
1.一种基于均值滤波的雾天图像清晰化处理方法,其特征在于,包括以下步骤:
1)获取最小值图像:式中,c为R、G或B通道,Ic(x)为雾天图像I(x)的R、G或B通道的图像;
2)对获取的最小值图像Mmin(x)均值滤波:
Mave(x)=averagesa(Mmin(x));
3)估计透射率t(x):
式中,A0为R、G或B通道的大气光值,为弥补偏差值,φ=1-ω,φ取值范围[0.3,0.8];
4)估计最佳透射率t~(x):
运用图像的均方误差对比度衡量函数Econtrast和图像信息量损失评价函数Eloss约束透射率t(x)的选取:
所述均方误差对比度衡量函数Econtrast与透射率t(x)的平方成反比;所述图像信息量损失评价函数Eloss与透射率t(x)成反比;构造最小代价函数:Emin=-Econtrast+5Eloss;将步骤3)的透射率t(x)带入最小代价函数Emin进行迭代,最小代价函数Emin最小时的透射率为最佳透射率t~(x);
5)估计R、G或B通道大气光值的辐射强度A0:
6)估计全局大气光的辐射强度A:
式中,T是对向量[111]进行转置运算;
7)恢复无雾图像J(x):将全局大气光辐射强度A和最佳透射率带入大气散射模型公式恢复出无雾图像J(x)。
2.根据权利要求1所述的一种基于均值滤波的雾天图像清晰化处理方法,其特征在于:
所述均方误差对比度衡量函数Econtrast为:
式中,c为R、G或B通道,Jc(x)为无雾图像的R、G或B通道图像,Ic(x)为雾天图像的R、G或B通道图像,为无雾图像的R、G或B通道图像的均值,为雾天图像的R、G或B通道图像的均值,N为整幅图像像素的总个数。
3.根据权利要求1所述的一种基于均值滤波的雾天图像清晰化处理方法,其特征在于:
所述图像信息量损失评价函数Eloss为:
min(0,Jc(x))为输出的无雾图像的像素值小于0时图像所损失的信息量,max(0,Jc(x)-255)为输出的无雾图像的像素值超过255时图像所损失的信息量,i为输入雾天图像的像素索引值;[a,b]为预设的输入的雾天图像I(x)像素的取值范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511024419.1A CN105469372A (zh) | 2015-12-30 | 2015-12-30 | 一种基于均值滤波的雾天图像清晰化处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511024419.1A CN105469372A (zh) | 2015-12-30 | 2015-12-30 | 一种基于均值滤波的雾天图像清晰化处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105469372A true CN105469372A (zh) | 2016-04-06 |
Family
ID=55607033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511024419.1A Pending CN105469372A (zh) | 2015-12-30 | 2015-12-30 | 一种基于均值滤波的雾天图像清晰化处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105469372A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105979120A (zh) * | 2016-06-03 | 2016-09-28 | 华南农业大学 | 基于分布式计算的视频去雾系统及视频去雾方法 |
CN106600541A (zh) * | 2016-11-04 | 2017-04-26 | 华南农业大学 | 基于自适应大气光幕图的多模传输视频图像清晰化处理系统 |
CN107330870A (zh) * | 2017-06-28 | 2017-11-07 | 北京航空航天大学 | 一种基于场景光辐射准确估计的浓雾去除方法 |
CN107451975A (zh) * | 2017-04-25 | 2017-12-08 | 中国人民解放军空军工程大学 | 一种基于视觉加权相似的图像质量清晰化方法 |
CN108416742A (zh) * | 2018-01-23 | 2018-08-17 | 浙江工商大学 | 基于偏色校正和信息损失约束的沙尘降质图像增强方法 |
CN108564538A (zh) * | 2017-12-29 | 2018-09-21 | 南京工业大学 | 一种基于环境光差异的图像去雾霾方法及系统 |
CN108776135A (zh) * | 2018-05-28 | 2018-11-09 | 中用科技有限公司 | 一种多因子联合道路雾天检测装置 |
CN110807749A (zh) * | 2019-11-06 | 2020-02-18 | 广西师范大学 | 基于密集多尺度生成对抗网络的单幅图像去雨滴方法 |
CN111192210A (zh) * | 2019-12-23 | 2020-05-22 | 杭州当虹科技股份有限公司 | 一种自适应增强的视频去雾方法 |
CN113034379A (zh) * | 2020-12-28 | 2021-06-25 | 北京航空航天大学 | 天候天时自适应的快速图像清晰化处理方法 |
CN117036207A (zh) * | 2023-10-10 | 2023-11-10 | 慧医谷中医药科技(天津)股份有限公司 | 一种三维采集箱内红外图像增强方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200445A (zh) * | 2014-09-26 | 2014-12-10 | 常熟理工学院 | 一种最优对比度和最小信息损失的图像去雾方法 |
CN104272347A (zh) * | 2012-05-03 | 2015-01-07 | Sk电信有限公司 | 去除包含在静止图像中的雾的图像处理装置及其方法 |
CN104732496A (zh) * | 2015-03-23 | 2015-06-24 | 青岛海信电器股份有限公司 | 一种视频流图像去雾处理方法及显示装置 |
CN104978719A (zh) * | 2015-06-16 | 2015-10-14 | 浙江工业大学 | 基于时空相关性的自适应交通视频实时去雾方法 |
-
2015
- 2015-12-30 CN CN201511024419.1A patent/CN105469372A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104272347A (zh) * | 2012-05-03 | 2015-01-07 | Sk电信有限公司 | 去除包含在静止图像中的雾的图像处理装置及其方法 |
CN104200445A (zh) * | 2014-09-26 | 2014-12-10 | 常熟理工学院 | 一种最优对比度和最小信息损失的图像去雾方法 |
CN104732496A (zh) * | 2015-03-23 | 2015-06-24 | 青岛海信电器股份有限公司 | 一种视频流图像去雾处理方法及显示装置 |
CN104978719A (zh) * | 2015-06-16 | 2015-10-14 | 浙江工业大学 | 基于时空相关性的自适应交通视频实时去雾方法 |
Non-Patent Citations (2)
Title |
---|
JIN-HWAN KIM ET AL.: "Optimized Contrast Enhancement for Real-Time Image and Video Dedazing", 《JOUMAL FO VISUAL COMMUNICATION & IMAGE REPRESENTATION》 * |
JIN-HWAN KIM ET AL.: "Optimized Contrast Enhancement for Real-Time Image and Video Dedazing", 《JOURNAL OF VISUAL COMMUNICATION & IMAGE REPRESENTATION》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105979120A (zh) * | 2016-06-03 | 2016-09-28 | 华南农业大学 | 基于分布式计算的视频去雾系统及视频去雾方法 |
CN105979120B (zh) * | 2016-06-03 | 2019-03-12 | 华南农业大学 | 基于分布式计算的视频去雾系统及视频去雾方法 |
CN106600541A (zh) * | 2016-11-04 | 2017-04-26 | 华南农业大学 | 基于自适应大气光幕图的多模传输视频图像清晰化处理系统 |
CN106600541B (zh) * | 2016-11-04 | 2019-09-06 | 华南农业大学 | 基于自适应大气光幕图多模传输视频图像清晰化处理系统 |
CN107451975B (zh) * | 2017-04-25 | 2019-06-07 | 中国人民解放军空军工程大学 | 一种基于视觉加权相似的图像质量清晰化方法 |
CN107451975A (zh) * | 2017-04-25 | 2017-12-08 | 中国人民解放军空军工程大学 | 一种基于视觉加权相似的图像质量清晰化方法 |
CN107330870A (zh) * | 2017-06-28 | 2017-11-07 | 北京航空航天大学 | 一种基于场景光辐射准确估计的浓雾去除方法 |
CN108564538A (zh) * | 2017-12-29 | 2018-09-21 | 南京工业大学 | 一种基于环境光差异的图像去雾霾方法及系统 |
CN108416742A (zh) * | 2018-01-23 | 2018-08-17 | 浙江工商大学 | 基于偏色校正和信息损失约束的沙尘降质图像增强方法 |
CN108416742B (zh) * | 2018-01-23 | 2021-09-17 | 浙江工商大学 | 基于偏色校正和信息损失约束的沙尘降质图像增强方法 |
CN108776135A (zh) * | 2018-05-28 | 2018-11-09 | 中用科技有限公司 | 一种多因子联合道路雾天检测装置 |
CN108776135B (zh) * | 2018-05-28 | 2020-08-04 | 中用科技有限公司 | 一种多因子联合道路雾天检测装置 |
CN110807749A (zh) * | 2019-11-06 | 2020-02-18 | 广西师范大学 | 基于密集多尺度生成对抗网络的单幅图像去雨滴方法 |
CN110807749B (zh) * | 2019-11-06 | 2022-11-25 | 联友智连科技有限公司 | 基于密集多尺度生成对抗网络的单幅图像去雨滴方法 |
CN111192210A (zh) * | 2019-12-23 | 2020-05-22 | 杭州当虹科技股份有限公司 | 一种自适应增强的视频去雾方法 |
CN113034379A (zh) * | 2020-12-28 | 2021-06-25 | 北京航空航天大学 | 天候天时自适应的快速图像清晰化处理方法 |
CN117036207A (zh) * | 2023-10-10 | 2023-11-10 | 慧医谷中医药科技(天津)股份有限公司 | 一种三维采集箱内红外图像增强方法 |
CN117036207B (zh) * | 2023-10-10 | 2024-01-19 | 慧医谷中医药科技(天津)股份有限公司 | 一种三维采集箱内红外图像增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105469372A (zh) | 一种基于均值滤波的雾天图像清晰化处理方法 | |
Cao et al. | Underwater image restoration using deep networks to estimate background light and scene depth | |
Huang et al. | Visibility restoration of single hazy images captured in real-world weather conditions | |
US9197789B2 (en) | Method and system for removal of fog, mist, or haze from images and videos | |
CN103985091A (zh) | 基于亮度暗先验与双边滤波的单幅图像去雾方法 | |
CN111161360B (zh) | 基于Retinex理论的端到端网络的图像去雾方法 | |
KR101582779B1 (ko) | 영상의 파장 적응적 안개 제거 장치 및 방법 | |
CN104794697A (zh) | 一种基于暗原色先验的图像去雾方法 | |
Kumari et al. | Single image fog removal using gamma transformation and median filtering | |
CN103077504A (zh) | 一种基于自适应光照计算的图像去雾方法 | |
CN107093173A (zh) | 一种图像雾霾浓度的估计方法 | |
CN111598800B (zh) | 基于空间域同态滤波和暗通道先验的单幅图像去雾方法 | |
CN104281999A (zh) | 基于结构信息的单幅图像去雾方法 | |
CN105023246B (zh) | 一种基于对比度和结构相似度的图像增强方法 | |
Yuan et al. | Image dehazing based on a transmission fusion strategy by automatic image matting | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
Ma et al. | An improved color image defogging algorithm using dark channel model and enhancing saturation | |
Lee et al. | Stereo image defogging | |
Qi et al. | Image dehazing based on structure preserving | |
CN105608683A (zh) | 一种单幅图像去雾方法 | |
CN114119383A (zh) | 一种基于多特征融合的水下图像复原方法 | |
CN112825189B (zh) | 一种图像去雾方法及相关设备 | |
Trongtirakul et al. | Transmission map optimization for single image dehazing | |
CN108416739B (zh) | 基于轮廓波和马尔可夫随机场的交通图像去雾方法 | |
Negru et al. | Exponential image enhancement in daytime fog conditions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160406 |
|
RJ01 | Rejection of invention patent application after publication |