CN107067375A - 一种基于暗通道先验和边缘信息的图像去雾方法 - Google Patents
一种基于暗通道先验和边缘信息的图像去雾方法 Download PDFInfo
- Publication number
- CN107067375A CN107067375A CN201611208228.5A CN201611208228A CN107067375A CN 107067375 A CN107067375 A CN 107067375A CN 201611208228 A CN201611208228 A CN 201611208228A CN 107067375 A CN107067375 A CN 107067375A
- Authority
- CN
- China
- Prior art keywords
- image
- transmittance
- marginal information
- value
- edge
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000002834 transmittance Methods 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 230000003044 adaptive effect Effects 0.000 claims abstract description 3
- 238000001914 filtration Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 2
- 125000001475 halogen functional group Chemical group 0.000 claims description 2
- 239000000284 extract Substances 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003412 degenerative effect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于暗通道先验和边缘信息的图像去雾方法,属于图像去雾方法技术领域。本发明主要包括以下步骤:(1)采用基于分块的技术估计大气光的值;(2)对雾天降质图像进行边缘检测并膨胀操作,提取原始有雾图像的边缘信息;(3)根据获取的边缘信息图自适应选取窗口大小得到粗略透射率图;(4)采用快速的梯度域导向滤波方法细化透射率图;(4)引入容差系数和修正因子修正细化后的透射率图;(5)利用雾天降质模型,代入大气光值和修正后的透射率图,可得到无雾图像。本发明在求取透射率图时结合了图像的边缘信息自适应选择窗口的尺寸大小,可有效解决边缘区域的光晕现象。
Description
技术领域
本发明涉及数字图像处理和计算机视觉领域,尤其是一种基于暗通道先验和边缘信息的图像去雾方法。
背景技术
众所周知,数字图像技术已经在安防监控、交通、气象、测绘等领域得到广泛应用。然而,在户外采集图像的过程中,图像的质量往往受到自然环境的影响。雾在我国是一种常见的天气,在雾天情况下,大气中存在着一些浑浊的介质(水蒸气、粉尘颗粒等),由于不同的介质所对应的光学特性不同,光通过这些介质进行传输的过程中被部分吸收及散射,使得图像采集设备所接收到的光发生了变化,导致图像清晰度下降,低对比度,模糊不清,场景特征无法提取等现象。这些缺陷严重限制和影响室外视觉采集系统的使用,导致系统无法准确提取图像特征。因此,有必要对雾天图像进行清晰化处理,使户外视觉采集系统能够在雾天条件下更好地发挥作用。
目前图像去雾算法主要分为两类:基于物理模型的方法和基于图像增强的方法。基于图像增强的方法是从图像的特征出发,通过使用图像增强方法对降质图像的对比度、颜色以及亮度进行处理来达到去雾的目标。这类方法的缺陷是没有考虑到雾天图像退化的原因,去雾不彻底。而基于物理模型的方法是从雾天降质图像的退化原因出发,建立物理模型,建立退化模型,反演退化过程,并对退化过程中引起的失真进行校正补偿,得到去雾后的图像,属于图像复原范畴。基于图像复原的方法中最具有代表性的是Kaiming He提出的基于暗原色先验的去雾方法,获得了较好的去雾效果,引起了广泛的关注。但是该方法存在执行效率低,天空区域易出现彩色失真,边缘区域易产生光晕等问题。近年来,针对暗原色先验方法的不足,许多研究者提出了改进的方法。对于执行效率低的问题,可采用导向滤波替换原方法中的软抠图方法来细化透射率图,但是导向滤波在保持边缘的同时也会平滑图像,对边缘的保持性未达到最佳。对于天空区域易出现彩色失真的问题,采用简单的容差机制来修正透射率图,可有效的避免天空颜色失真的现象。对于边缘区域易产生光晕的问题,目前还未得到很好的解决。
基于此,本发明提供了一种基于暗通道先验和边缘信息的图像去雾方法,利用基于分块的技术来尽可能快速并准确的得到大气光的估计值,同时可避免原图像中白色噪声对大气光估计值的影响,在求取粗略透射率图时,首先对原始图像进行边缘检测并膨胀提取到边缘信息,然后根据边缘信息图自适应选择窗口大小,进而采用梯度域的导向滤波细化透射率图,可使其边缘保持更佳,有效的解决了边缘区域的光晕问题。
发明内容
本发明提供了一种基于暗通道先验和边缘信息的图像去雾方法,解决了现有图像去雾方法中未能彻底解决的边缘区域产生光晕的问题。
为了解决上述问题,本发明的技术解决方案为:基于暗通道先验和边缘信息的图像去雾方法,其特征在于,主要包括如下步骤:
(1)采集雾天降质图像;
(2)利用基于分块处理的技术估计大气光的值;
(3)对雾天降质图像采用Sobel算子进行边缘检测并进行膨胀操作提取原始图像的边缘信息图;
(4)根据步骤(3)得到的二值图自适应选择窗口大小得到粗略透射率图;
(5)采用梯度域的导向滤波细化透射率图;
(6)对步骤(5)得到的透射率图进行修正操作;
(7)利用雾天降质模型,代入原始雾天降质图像,以及步骤(2)得到的大气光值和步骤(6)得到的修正后的透射率图,复原无雾图像。
其中,步骤(2)中所述的基于分块处理的技术估计大气光值的具体过程为:首先将原始雾天降质图像进行四等划分,求各子块的得分值,然后对各个子块的得分值进行比较,选择最大的得分值进一步四等划分,直到选中的子块小于等于预先设定的阈值时停止划分,最后对选中的子块进行灰度腐蚀来消除可能存在影响大气光值的白色噪点,对灰度腐蚀后的子块中的像素值进行排序,取前10%个像素点,找到这些像素点在原图的位置,求其与(255,255,255)最接近的像素点,该点处的像素值便为大气光A的值。
其中,步骤(3)中得到的边缘信息图的具体过程为:首先将原始图像转换为灰度图,然后对灰度图像利用Sobel算子进行边缘检测得到二值图像,最后进行膨胀操作得到原始图像的二值边缘信息图。
其中,步骤(4)中得到粗略透射率图的具体过程为:根据步骤(3)提取到的边缘信息图,对边缘区域采用3*3大小的窗口,在非边缘区域采用15*15大小的窗口进行最小值滤波运算,可得到粗略透射率图。
其中,步骤(5)中采用梯度域的导向滤波来细化透射率图是因为梯度域的导向滤波包含了边缘感知算子,在平滑图像的同时可以更好的保持边缘,此外该滤波方法具有和导向滤波一样的执行效率。
其中,步骤(6)中修正透射率图的具体过程为:由于原始雾天图像中的明亮区域不满足暗通道先验条件,此时求得的透射率不准确,因此要对细化后的透射率图进行修正操作,可用如下式子表示:
其中,,为容差系数,为修正因子,修正后的透射率图。
与现有的图像去雾方法相比,本发明的优点在于:
(1)本发明在估计大气光时采用了基于分块技术处理,对图像四等划分,求每个子块的得分值,得分值考虑到了子块内部的像素均值以及标准差等因素,对得分值最大的子块再进一步四等划分,直到最终选中的子块小于预先设定的阈值时停止,此外对最终选中的子块进行灰度腐蚀处理,将子块内部有可能影响大气光估计的白色噪点消除,最后对灰度腐蚀处理后的子块取前10%个像素点,找到这些像素点在原图的位置,求其与(255,255,255)最接近的像素点,该点处的像素值便为大气光A的值,能够快速并准确的获得大气光的估计值,同时也消除了白色噪点对大气光估计值的影响;
(2)本发明在求取透射率图时,首先提取原始图像的边缘信息图,然后根据边缘信息图像自适应的选择窗口大小,然后采用梯度域的导向滤波进行细化操作,可避免边缘区域出现的光晕现象,且边缘区域的细节信息保持较好。
附图说明
图1:为本发明的流程框架示意图;
图2:为基于分块技术估计大气光的流程示意图。
具体实施方式
下面结合附图和具体实施例进一步对本发明进行详细的说明。
如图1所示,本发明是一种基于暗通道先验和边缘信息的图像去雾方法,其特征在于,主要包括如下步骤:
(1)采集雾天降质图像;
(2)利用基于分块处理的技术估计大气光的值;
(3)对雾天降质图像的灰度图采用Sobel算子进行边缘检测并进行膨胀操作提取原始图像的边缘信息图;
(4)根据步骤(3)得到的二值图自适应选择窗口大小得到粗略透射率图;
(5)采用梯度域的导向滤波细化透射率图;
(6)对步骤(5)得到的透射率图进行修正操作;
(7)利用雾天降质模型,代入原始雾天降质图像,以及步骤(2)得到的大气光值和步骤(6)得到的修正后的透射率图,复原无雾图像。
所述的步骤(2)中估计大气光值的具体步骤如图2所示,首先将原始雾天图像进行四等划分,每个子块记为B1、B2、B3和B4,然后计算每个子块的得分值,其中得分的计算方法考虑到了子块内部的像素均值和标准差,可用如下式子表示:
其中,为子块中RGB通道中某个颜色通道下的像素平均值,为子块中RGB通道中某个颜色通道下像素值标准差,对各子块的得分值进行比较,将得分值最高的子块进一步划分,直到最终选择的子块小于等于预先设定的阈值,w和h为图像的宽和高,将最终选择的子块记为,对最终选择的子块采用暗通道灰度腐蚀的方法将可能存在的白色噪点消除,灰度腐蚀的运算可用如下式子表示:
其中,为以像素点为中心3*3的模板区域,然后对中的像素值进行排序,取靠前的10%个像素点,找出这些像素点在原始雾天图像中对应的位置,求出距离(255,255,255)最近的像素点,可表示为,该像素点的值就是大气光的估计值。
所述的步骤(3)中,首先将原始的雾天降质图像转换为灰度图,然后采用Sobel算子对其进行边缘检测,再进行膨胀处理可以得到边缘与边缘临近区域相关的二值化图像,即原始雾天降质图像的边缘信息图。
所述的步骤(4)中,根据得到的边缘信息图,在求取粗略透射率图时,对边缘及其临近区域采用3*3的窗口大小,对非边缘区域采用15*15的窗口大小,这样可使边缘区域的粗略透射率更为准确。
所述的步骤(5)中,采用梯度域的导向滤波来细化透射率图是因为梯度域的导向滤波包含了边缘感知算子,在平滑图像的同时可以更好的保持边缘,此外该滤波方法具有和导向滤波一样的执行效率。
所述的步骤(6)中,由于原始雾天图像中的明亮区域不满足暗通道先验条件,此时求得的透射率不准确,此外暗通道先验方法求得透射率比真实的透射率偏小,因此要对细化后的透射率图进行修正操作,可用如下式子表示:
其中,,为容差系数,为修正因子,为修正后的透射率图。
所述的步骤(7)中,利用雾天降质模型,将原始的雾天降质图像,上述步骤中估计得到的大气光值A以及修正后的透射率图,便可复原得到去雾后的图像。
以往方法在估计大气光时通常选择某个像素值作为大气光的估计值,这样很容易受到原始图像中白色噪点的影响,导致最终复原的图像出现偏色等现象。虽然本发明中也是选择图像中某个像素值作为大气光的估计值,但是在选择前,本发明做了若干处理,在得到备选区域后,首先对其进行暗通道灰度腐蚀操作来消除可能存在的白色噪点,然后在灰度腐蚀后的备选区域中选择前10%个像素点,找到这些像素点在原始图像中对应的位置,求其中与(255,255,255)距离最接近的像素点,选择该点的像素值作为大气光的估计值。
传统暗通道先验去雾方法在求取粗略透射率图时,通常选择固定尺寸的窗口大小来进行最小值滤波操作,这样会导致在边缘区域求得的透射率不准确,这是因为边缘区域所在的局部窗口中可能会受到某个像素点的连累而导致最终复原的图像在边缘区域产生光晕现象。本发明在求取粗略透射率图时,将边缘区域和非边缘区域分别处理,自适应选择窗口大小,在边缘区域缩小局部窗口的尺寸,尽可能求得准确的透射率值,而在非边缘区域采用较大的尺寸,这样可使求得的透射率图在边缘处更为准确,有效的避免复原图像中边缘区域出现光晕的现象。
Claims (5)
1.一种基于暗通道先验和边缘信息的图像去雾方法,其特征在于,包括如下步骤:
(1)采集雾天降质图像;
(2)利用基于分块处理的技术估计大气光的值;
(3)对雾天降质图像的灰度图采用Sobel算子进行边缘检测并进行膨胀操作提取原始图像的边缘信息图;
(4)根据步骤(3)得到的二值图自适应选择窗口大小得到粗略透射率图;
(5)采用梯度域的导向滤波细化透射率图;
(6)对步骤(5)得到的透射率图进行修正操作;
(7)利用雾天降质模型,代入原始雾天降质图像,以及步骤(2)得到的大气光值和步骤(6)得到的修正后的透射率图,复原无雾图像。
2.根据权利要求1所述的一种基于暗通道先验和边缘信息的图像去雾方法,其特征在于,步骤(2)中利用基于分块处理的技术估计大气光值的具体过程为:首先将原始雾天降质图像进行四等划分,求各子块的得分值,然后对各个子块的得分值进行比较,选择最大的得分值进一步四等划分,直到选中的子块小于等于预先设定的阈值时停止划分,最后对选中的子块进行灰度腐蚀来消除可能存在影响大气光值的白色噪点,对灰度腐蚀后的子块中的像素值进行排序,取前10%个像素点,找到这些像素点在原图的位置,求其与(255,255,255)最接近的像素点,该点处的像素值便为大气光A的值。
3.根据权利要求1所述的一种基于暗通道先验和边缘信息的图像去雾方法,其特征在于,步骤(4)中得到粗略透射率图的具体过程为:根据提取原图像的边缘信息图,自适应调整最小值滤波的窗口大小,在边缘处选择3*3大小的窗口,而在非边缘处选择15*15大小的窗口,使得得到的粗略透射率图在边缘处更加准确,避免了边缘处光晕效应的现象。
4.根据权利要求1所述的一种基于暗通道先验和边缘信息的图像去雾方法,其特征在于,步骤(5)中采用梯度域的导向滤波来细化透射率图是因为梯度域的导向滤波包含了边缘感知算子,在平滑图像的同时可以更好的保持边缘,此外该滤波方法具有和导向滤波一样的执行效率。
5.根据权利要求1所述的一种基于暗通道先验和边缘信息的图像去雾方法,其特征在于,步骤(6)中修正透射率图的具体过程为:由于原始雾天图像中的明亮区域不满足暗通道先验条件,此时求得的透射率不准确,因此要对细化后的透射率图进行修正操作,可用如下式子表示:
其中,,为容差系数,为修正因子,为修正后的透射率图。 1
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611208228.5A CN107067375A (zh) | 2016-12-23 | 2016-12-23 | 一种基于暗通道先验和边缘信息的图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611208228.5A CN107067375A (zh) | 2016-12-23 | 2016-12-23 | 一种基于暗通道先验和边缘信息的图像去雾方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107067375A true CN107067375A (zh) | 2017-08-18 |
Family
ID=59623173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611208228.5A Pending CN107067375A (zh) | 2016-12-23 | 2016-12-23 | 一种基于暗通道先验和边缘信息的图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107067375A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767354A (zh) * | 2017-12-08 | 2018-03-06 | 福州大学 | 一种基于暗原色先验的图像去雾算法 |
CN108460735A (zh) * | 2018-02-06 | 2018-08-28 | 中国科学院光电技术研究所 | 基于单幅图像的改进暗通道去雾方法 |
CN109064419A (zh) * | 2018-07-12 | 2018-12-21 | 四川大学 | 一种基于wls滤波和多尺度稀疏表达的单幅图像去雨方法 |
CN109767407A (zh) * | 2019-02-27 | 2019-05-17 | 长安大学 | 一种去雾过程中大气透射率图像的二次估计方法 |
CN110807406A (zh) * | 2019-10-29 | 2020-02-18 | 浙江大华技术股份有限公司 | 一种雾天检测方法及装置 |
CN111598800A (zh) * | 2020-05-07 | 2020-08-28 | 辽宁师范大学 | 基于空间域同态滤波和暗通道先验的单幅图像去雾方法 |
CN112651925A (zh) * | 2020-12-04 | 2021-04-13 | 合肥阳光智维科技有限公司 | 光伏组件的诊断方法和装置 |
CN116110053A (zh) * | 2023-04-13 | 2023-05-12 | 济宁能源发展集团有限公司 | 基于图像识别的集装箱表面信息检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942758A (zh) * | 2014-04-04 | 2014-07-23 | 中国人民解放军国防科学技术大学 | 基于多尺度融合的暗通道先验图像去雾方法 |
-
2016
- 2016-12-23 CN CN201611208228.5A patent/CN107067375A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942758A (zh) * | 2014-04-04 | 2014-07-23 | 中国人民解放军国防科学技术大学 | 基于多尺度融合的暗通道先验图像去雾方法 |
Non-Patent Citations (5)
Title |
---|
FEI KOU: "Gradient Domain Guided Image Filtering", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
曾浩: "基于暗原色先验的图像快速去雾", 《中国图像图形学报》 * |
李可: "一种消除halo效应的去雾算法", 《电脑与信息技术》 * |
陈新富: "基于暗通道先验原理的图像去雾研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
龚昌来: "一种改进的容差机制图像去雾算法", 《液晶与显示》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767354A (zh) * | 2017-12-08 | 2018-03-06 | 福州大学 | 一种基于暗原色先验的图像去雾算法 |
CN108460735A (zh) * | 2018-02-06 | 2018-08-28 | 中国科学院光电技术研究所 | 基于单幅图像的改进暗通道去雾方法 |
CN109064419A (zh) * | 2018-07-12 | 2018-12-21 | 四川大学 | 一种基于wls滤波和多尺度稀疏表达的单幅图像去雨方法 |
CN109767407A (zh) * | 2019-02-27 | 2019-05-17 | 长安大学 | 一种去雾过程中大气透射率图像的二次估计方法 |
CN109767407B (zh) * | 2019-02-27 | 2022-12-06 | 西安汇智信息科技有限公司 | 一种去雾过程中大气透射率图像的二次估计方法 |
CN110807406A (zh) * | 2019-10-29 | 2020-02-18 | 浙江大华技术股份有限公司 | 一种雾天检测方法及装置 |
CN111598800A (zh) * | 2020-05-07 | 2020-08-28 | 辽宁师范大学 | 基于空间域同态滤波和暗通道先验的单幅图像去雾方法 |
CN111598800B (zh) * | 2020-05-07 | 2023-06-16 | 辽宁师范大学 | 基于空间域同态滤波和暗通道先验的单幅图像去雾方法 |
CN112651925A (zh) * | 2020-12-04 | 2021-04-13 | 合肥阳光智维科技有限公司 | 光伏组件的诊断方法和装置 |
CN116110053A (zh) * | 2023-04-13 | 2023-05-12 | 济宁能源发展集团有限公司 | 基于图像识别的集装箱表面信息检测方法 |
CN116110053B (zh) * | 2023-04-13 | 2023-07-21 | 济宁能源发展集团有限公司 | 基于图像识别的集装箱表面信息检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
CN110148095B (zh) | 一种水下图像增强方法及增强装置 | |
CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及系统 | |
CN107527332B (zh) | 基于改进Retinex的低照度图像色彩保持增强方法 | |
CN106157267B (zh) | 一种基于暗通道先验的图像去雾透射率优化方法 | |
CN108765342A (zh) | 一种基于改进暗通道的水下图像复原方法 | |
CN107767354A (zh) | 一种基于暗原色先验的图像去雾算法 | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
CN109087254B (zh) | 无人机航拍图像雾霾天空和白色区域自适应处理方法 | |
CN107742291B (zh) | 一种光伏玻璃的缺陷检测方法及装置 | |
CN105913390B (zh) | 一种图像去雾方法及系统 | |
CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
CN108133462B (zh) | 一种基于梯度场区域分割的单幅图像的复原方法 | |
CN109523474A (zh) | 一种基于雾天退化模型的低照度图像增强方法 | |
CN108564538A (zh) | 一种基于环境光差异的图像去雾霾方法及系统 | |
CN115631116B (zh) | 基于双目视觉的飞行器电力巡检系统 | |
CN116402729A (zh) | 一种基于双直方图均衡化的图像增强方法及系统 | |
CN111325688B (zh) | 融合形态学聚类优化大气光的无人机图像去雾方法 | |
CN115456905A (zh) | 一种基于明暗区域分割的单幅图像去雾方法 | |
CN109767407B (zh) | 一种去雾过程中大气透射率图像的二次估计方法 | |
CN112053298A (zh) | 一种图像去雾方法 | |
CN112200755B (zh) | 一种图像去雾方法 | |
CN108898561B (zh) | 一种含天空区域雾天图像的去雾方法、服务器及系统 | |
CN114004850A (zh) | 一种天空分割方法、图像去雾方法、电子设备和存储介质 | |
CN105913391A (zh) | 一种基于形状可变形态学重构的去雾方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170818 |