CN107067386B - 一种基于相对全局直方图拉伸的浅海水下图像增强方法 - Google Patents
一种基于相对全局直方图拉伸的浅海水下图像增强方法 Download PDFInfo
- Publication number
- CN107067386B CN107067386B CN201710272512.7A CN201710272512A CN107067386B CN 107067386 B CN107067386 B CN 107067386B CN 201710272512 A CN201710272512 A CN 201710272512A CN 107067386 B CN107067386 B CN 107067386B
- Authority
- CN
- China
- Prior art keywords
- image
- stretching
- channel
- histogram
- module
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012937 correction Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 239000006185 dispersion Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 239000011435 rock Substances 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明涉及一种基于相对全局直方图拉伸的浅海水下图像增强方法,所述的浅海水下图像增强方法包括输入图像模块、图像RGB直方图分布分析模块、相对全局直方图拉伸模块、全局拉伸模块、输出图像模块。其优点在于,图像增强计算复杂度低,获得的效果更好,鲁棒性好,适用于包括水下植物、浅海人员、海底岩石等多累浅海水下图像;计算相对拉伸范围的参数,并自动选择拉伸范围,可以精确定位需要被拉伸范围;利用颜色纠正方法,运用HSV色彩空间对S、V的全局拉伸弥补颜色损失;可以有效的增强水下图像的对比度、饱和度、可见度。
Description
技术领域
本发明涉及水下图像增强技术领域,具体地说,是一种基于相对全局直方图拉伸的浅海水下图像增强方法。
背景技术
人们为了探索水下渔业资源、矿产资源、地质结构,需要通过水下图像还原水下真实情况。但是水下图像可见度低、对比度低,近些年,越来越多的人都在研究关于如何增强水下图像,但是兼顾有效性、实时性和鲁棒性的图像增强技术仍面临挑战。由于水下图像受到光线色散和吸收,图像的质量降低主要体现在图像对比度饱和度上的损失。
还原清晰、真实的水下图像、视频对于海洋生态、水下考古、水下生物识别、水下机器人等研究具有重要意义。然而,与自然环境下的图像相比,水下图像更加复杂、可视性较差。主要原因有两方面:一是受水下光线吸收和散射影响,二是受水下环境和水体浑浊度的影响。从而导致水下图像具有对比度低、模糊、色调暗、色彩淡的特点。目前经典的图像增强算法中包括有从图像本身考虑提出的基于暗原色先验图像去雾(DCP)、基于大气散射现象的物理成像模型提出通过波长弥补和去雾方法实现水下图像增强(WCID)。
一种使用集成的颜色模型进行水下图像增强(ICM)方法,从图像的直方图分布入手通过拉伸各个通道使其分布均匀提高图像的对比度。此外,在ICM基础上对直方图拉伸前进行了各通道直方图再分布的猜想,得到一种对高低处能量分别增强的无监督模式下的色彩校正水下图像增强(UCM)。基于经典DCP算法的图像增强方法,如单一图像去雾算法及其衍生算法。首先计算一个图像的暗原色先验的分布,后基于场景的反照率和媒介传播估算传输t,然后要消除边缘soft matting。这一系列进程复杂、耗时。
WCID算法结合自然光和人造光在传播中的损失进行波长弥补和水下图像去雾能够有效地恢复图像色彩平衡和可视度,但是获取损失的能量很难,在获取垂直深度和水平距离上也存在偏差,因此可知波长弥补很容易出现误差甚至是错误。简单又有实效的ICM在早期就被人提出,并且采用全局直方图拉伸算法增强图像的对比度。由于光线在水下传播存在衰减和色散,RGB三个波段的波长不同,不同波长的光线在水中传播的色散情况不同并且蓝色波长最短,因此在水下图像主要由绿色和蓝色主导。UCM是在ICM基础上提出的增强算法,通过适当修改这两个通道的强度,能够突出图像中的目标物。虽然输出水下图像中的目标对象能有效地区别于背景,但是其中蓝-绿色部分仍然存在很多。
中国发明专利CN201610123603.X,公开日为2016.07.13,公开了一种基于暗通道先验与白平衡的水下图像增强方法,步骤如下,背景光预处理阶段、暗通道先验阶段、使用暗通道先验算法得到抠图后细化的透射率以及去雾处理后的图片、由透射率导出深度图、得到掩膜、剔除感兴趣区域、白平衡阶段。该方法通过对背景光进行修改,使图片清晰度、对比度提高,达到图像优化的目的。但是这种方法无法应用在水下图像增强处理,导致处理结果不清晰、色彩不饱和。
中国发明专利CN201310628073.0,公开日为2014.03.26,公开了一种水下图像增强处理方法,包括以下步骤,将水下获得的原图像进行对数运算,进行离散傅里叶变换,进行同态滤波处理,进行傅里叶逆变换,进行指数运算,获得处理后的图像,运用双正交小波阈值滤波法对图像进行处理。该方法去除图像噪声,提高图像对比度,处理后的水下图像光照均匀性得到改善。但是该方法运算复杂,需要进行多次运算,且无法保证处理后的图像清晰度、色彩饱和度。
因此,亟需一种计算复杂度不高、能够根据图像自身的特性进行自适应图像增强、提高对比度、清晰度、色彩饱和度的水下图像增强方法,而目前关于这种增强方法还未见报道。
发明内容
本发明的目的是针对现有技术中的不足,提供一种基于相对全局直方图拉伸的浅海水下图像增强方法。
为实现上述目的,本发明采取的技术方案是:
一种基于相对全局直方图拉伸的浅海水下图像增强方法,所述的浅海水下图像增强方法包括输入图像模块、图像RGB直方图分布分析模块、相对全局直方图拉伸模块、全局拉伸模块、输出图像模块,其中,
所述的输入图像模块,获取水下图像;
所述的图像RGB直方图分布分析模块,将每一个图像拆分为三个通道并生成对应的直方图;
所述的相对全局直方图拉伸模块,根据不同通道的直方图分布特性,自适应获取直方图拉伸范围;
所述的全局拉伸模块,对图像进行颜色纠正,再对图像进行全局拉伸;
所述的输出图像模块,将进行全局拉伸后的图像输出。
作为一种优选的技术方案,所述的图像RGB直方图分布分析模块的工作流程为:
S21:将每一个图像拆分为三个通道并生成相应的直方图,即红色直方图、绿色直方图、蓝色直方图;
S22:分析直方图分布范围,并获得相应的分布规律。
作为一种优选的技术方案,所述的相对全局直方图拉伸模块的工作流程为:
S31:计算RGB通道的相关参数,包括平均值、方差、均差;
S311:计算RGB通道的平均值,其计算公式如(1)所示,
其中,Ravg、Gavg、Bavg分别为R通道、G通道、B通道的平均值,M*N为显示一个通道像素值的数量,IR(i,j)、IG(i,j)、IB(i,j)分别代表R通道上(i,j)处的值、G通道上(i,j)处的值、B通道上(i,j)处的值;
S312:计算RGB通道的方差,其计算公式如(2)所示,
S313:计算RGB通道的拉伸输出最小值,其计算公式如(3)所示,
其中,Ormin、Ogmin、Obmin分别为R通道、G通道、B通道的输出最小值,Irmin、Igmin、Ibmin分别为R通道、G通道、B通道的被拉伸最小值,为像素值的0.2%,σR、σG、σB分别为R通道、G通道、B通道的均差;
S314:计算RGB通道的拉伸输出最大值,其计算公式如(4)所示,
其中,Ormax、Ogmax、Obmax分别为R通道、G通道、B通道的输出最大值,Irmax、Igmax、Ibmax分别为R通道、G通道、B通道的被拉伸最大值,为像素值的99.8%,tλ(x)代表一个像素点从起始位置到照相机传输过程中的残余比率,d(x)代表目标对象到照相机的距离;
此外,由于可见光在水中船舶的色散程度与垂直距离和水下的水平距离是有关的,排除可见光在水中垂直传播的衰减,只考虑光线传播到照相机之间的传输损失;
S32:对图像进行相对全局直方图拉伸,其计算公式如(5)所示,
其中,Pout是对比度纠正像素值,Pin是考虑拉伸的像素点,Omin是图像中需要拉伸的最小值(0),Omax是图像中需要拉伸的最大值(255),Imin是图像中被拉伸最小值为I×0.2%,Imax是图像中被拉伸最大值I×99.8%。
作为一种优选的技术方案,所述的全局拉伸模块的工作流程为:
S41:对图像进行颜色纠正,将图像从RGB表现形式转换成HSV表现形式;
S42:对S部分和V部分进行全局拉伸;
S43:将图像从HSV表现形式转换呈RGB表现形式。
作为一种优选的技术方案,所述的直方图分布为红色直方图集中分布在[0,50],绿色、蓝色直方图集中分布在[100,150]。
作为一种优选的技术方案,所述的相对全局直方图拉伸模块中,计算时,为了保证有效性,剔除RGB三个通道里前后各0.2%的像素值。
作为一种优选的技术方案,所述的全局拉伸模块中,计算时,为了保证有效性,剔除前后各0.1%的像素值。
本发明优点在于:
1、图像增强计算复杂度低,获得的效果更好,鲁棒性好,适用于包括水下植物、浅海人员、海底岩石等多累浅海水下图像;
2、计算相对拉伸范围的参数,并自动选择拉伸范围,可以精确定位需要被拉伸范围;
3、利用颜色纠正方法,运用HSV色彩空间对S、V的全局拉伸弥补颜色损失;
4、可以有效的增强水下图像的对比度、饱和度、可见度。
附图说明
附图1是本发明的结构示意图。
附图2是本发明的工作流程示意图。
附图3是各图像增强方法的直方图分布结果图。
具体实施方式
下面结合附图对本发明提供的具体实施方式作详细说明。
实施例1
参照图1,本发明的一种基于相对全局直方图拉伸的浅海水下图像增强方法,包括分析水下图像RGB直方图分布模块,相对全局直方图拉伸模块,转化为HSV模型并全局拉伸模块,其中,
输入图像模块,获取水下图像;
图像RGB直方图分布分析模块,将图像拆分为三个通道并生成对应的直方图;
相对全局直方图拉伸模块,根据不同通道的直方图分布特性,自适应获取直方图拉伸范围;
全局拉伸模块,对图像进行颜色纠正,再对图像进行全局拉伸;
输出图像模块,将进行全局拉伸后的图像输出。
实施例2
参照图2,本发明的一种基于相对全局直方图拉伸的浅海水下图像增强方法的工作流程如下:
S1:输入图像模块
获取水下图像;
S2:图像RGB直方图分布分析模块
S21:将每一个图像拆分为三个通道并生成相应的直方图,即红色直方图、绿色直方图、蓝色直方图;
S22:分析直方图分布范围,并获得相应的分布规律,红色直方图集中分布在[0,50],绿色、蓝色直方图集中分布在[100,150];
S3:相对全局直方图拉伸模块
S31:计算RGB通道的相关参数,包括平均值、方差、均差;
S311:计算RGB通道的平均值,其计算公式如(1)所示,
其中,Ravg、Gavg、Bavg分别为R通道、G通道、B通道的平均值,M*N为显示一个通道像素值的数量,IR(i,j)、IG(i,j)、IB(i,j)分别代表R通道上(i,j)处的值、G通道上(i,j)处的值、B通道上(i,j)处的值;
为了保证有效性,剔除RGB三个通道里前后各0.2%的像素值;
S312:计算RGB通道的方差,其计算公式如(2)所示,
S313:计算RGB通道的拉伸输出最小值,其计算公式如(3)所示,
其中,Ormin、Ogmin、Obmin分别为R通道、G通道、B通道的输出最小值,Irmin、Igmin、Ibmin分别为R通道、G通道、B通道的被拉伸最小值,为像素值的0.2%,σR、σG、σB分别为R通道、G通道、B通道的均差;
S314:计算RGB通道的拉伸输出最大值,其计算公式如(4)所示,
其中,Ormax、Ogmax、Obmax分别为R通道、G通道、B通道的输出最大值,Irmax、Igmax、Ibmax分别为R通道、G通道、B通道的被拉伸最大值,为像素值的99.8%,tλ(x)代表一个像素点从起始位置到照相机传输过程中的残余比率,d(x)代表目标对象到照相机的距离;
此外,由于可见光在水中船舶的色散程度与垂直距离和水下的水平距离是有关的,排除可见光在水中垂直传播的衰减,只考虑光线传播到照相机之间的传输损失;
S32:对图像进行相对全局直方图拉伸,其计算公式如(5)所示,
其中,Pout是对比度纠正像素值,Pin是考虑拉伸的像素点,Omin是图像中需要拉伸的最小值(0),Omax是图像中需要拉伸的最大值(255),Imin是图像中被拉伸最小值为I×0.2%,Imax是图像中被拉伸最大值I×99.8%;
S4:全局拉伸模块
S41:对图像进行颜色纠正,将图像从RGB表现形式转换成HSV表现形式;
S42:对S部分和V部分进行全局拉伸,为保证有效性,剔除前后各0.1%的像素值;
S43:将图像从HSV表现形式转换呈RGB表现形式;
S5:输出图像模块
将进行全局拉伸后的图像输出。
本发明的一种基于相对全局直方图拉伸的浅海水下图像增强方法的优点在于,图像增强计算复杂度低,获得的效果更好,鲁棒性好,适用于包括水下植物、浅海人员、海底岩石等多累浅海水下图像;计算相对拉伸范围的参数,并自动选择拉伸范围,可以精确定位需要被拉伸范围;利用颜色纠正方法,运用HSV色彩空间对S、V的全局拉伸弥补颜色损失;可以有效的增强水下图像的对比度、饱和度、可见度。
实施例3
本发明的一种基于相对全局直方图拉伸的浅海水下图像增强方法的对比实验。
将本发明的方法与ICM、UCM进行对比,其直方图分布结果如图3所示。
图3中(a)、(b)、(c)、(d)分别为原图像、ICM处理、UCM处理、本发明处理后的同一图像的直方图分布图。
从图中可以看出,本发明处理后的图像,颜色分布更宽更均匀,相较于原图像和经过ICM或UCM处理的图像更加清晰,颜色更加饱满。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明方法的前提下,还可以做出若干改进和补充,这些改进和补充也应视为本发明的保护范围。
Claims (4)
1.一种基于相对全局直方图拉伸的浅海水下图像增强方法,其特征在于,所述的浅海水下图像增强方法包括输入图像模块、图像RGB直方图分布分析模块、相对全局直方图拉伸模块、全局拉伸模块、输出图像模块,其中,
所述的输入图像模块,获取水下图像;
所述的图像RGB直方图分布分析模块,将每一个图像拆分为三个通道并生成对应的直方图;
所述的相对全局直方图拉伸模块,根据不同通道的直方图分布特性,自适应获取直方图拉伸范围;
所述的全局拉伸模块,对图像进行颜色纠正,再对图像进行全局拉伸;
所述的输出图像模块,将进行全局拉伸后的图像输出;
所述的图像RGB直方图分布分析模块的工作流程为:
S21:将每一个图像拆分为三个通道并生成相应的直方图,即红色直方图、绿色直方图、蓝色直方图;
S22:分析直方图分布范围,并获得相应的分布规律;
所述的相对全局直方图拉伸模块的工作流程为:
S31:计算RGB通道的相关参数,包括平均值、方差、均差;
S311:计算RGB通道的平均值,其计算公式如(1)所示,
其中,Ravg、Gavg、Bavg分别为R通道、G通道、B通道的平均值,M*N为显示一个通道像素值的数量,IR(i,j)、IG(i,j)、IB(i,j)分别代表R通道上(i,j)处的值、G通道上(i,j)处的值、B通道上(i,j)处的值;
S312:计算RGB通道的方差,其计算公式如(2)所示,
S313:计算RGB通道的拉伸输出最小值,其计算公式如(3)所示,
其中,Ormin、Ogmin、Obmin分别为R通道、G通道、B通道的输出最小值,Irmin、Igmin、Ibmin分别为R通道、G通道、B通道的被拉伸最小值,为像素值的0.2%,σR、σG、σB分别为R通道、G通道、B通道的均差;
S314:计算RGB通道的拉伸输出最大值,其计算公式如(4)所示,
其中,Ormax、Ogmax、Obmax分别为R通道、G通道、B通道的输出最大值,Irmax、Igmax、Ibmax分别为R通道、G通道、B通道的被拉伸最大值,为像素值的99.8%,tλ(x)代表一个像素点从起始位置到照相机传输过程中的残余比率,d(x)代表目标对象到照相机的距离;
此外,由于可见光在水中船舶的色散程度与垂直距离和水下的水平距离是有关的,排除可见光在水中垂直传播的衰减,只考虑光线传播到照相机之间的传输损失;
S32:对图像进行相对全局直方图拉伸,其计算公式如(5)所示,
其中,Pout是对比度纠正像素值,Pin是考虑拉伸的像素点,Omin是图像中需要拉伸的最小值0,Omax是图像中需要拉伸的最大值255,Imin是图像中被拉伸最小值为I×0.2%,Imax是图像中被拉伸最大值I×99.8%;
所述的全局拉伸模块的工作流程为:
S41:对图像进行颜色纠正,将图像从RGB表现形式转换成HSV表现形式;
S42:对S部分和V部分进行全局拉伸;
S43:将图像从HSV表现形式转换呈RGB表现形式。
2.根据权利要求1所述的水下图像增强方法,其特征在于,所述的直方图分布为红色直方图集中分布在[0,50],绿色、蓝色直方图集中分布在[100,150]。
3.根据权利要求2所述的水下图像增强方法,其特征在于,所述的相对全局直方图拉伸模块中,计算时,为了保证有效性,剔除RGB三个通道里前后各0.2%的像素值。
4.根据权利要求3所述的水下图像增强方法,其特征在于,所述的全局拉伸模块中,计算时,为了保证有效性,剔除前后各0.1%的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710272512.7A CN107067386B (zh) | 2017-04-24 | 2017-04-24 | 一种基于相对全局直方图拉伸的浅海水下图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710272512.7A CN107067386B (zh) | 2017-04-24 | 2017-04-24 | 一种基于相对全局直方图拉伸的浅海水下图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107067386A CN107067386A (zh) | 2017-08-18 |
CN107067386B true CN107067386B (zh) | 2020-05-01 |
Family
ID=59603427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710272512.7A Active CN107067386B (zh) | 2017-04-24 | 2017-04-24 | 一种基于相对全局直方图拉伸的浅海水下图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107067386B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507145B (zh) * | 2017-08-25 | 2021-04-27 | 上海海洋大学 | 一种基于不同颜色空间自适应直方图拉伸的水下图像增强方法 |
CN108921887B (zh) * | 2018-06-07 | 2022-06-24 | 上海海洋大学 | 基于水下光线衰减先验性的水下场景深度地图估计方法 |
CN109272475B (zh) * | 2018-08-31 | 2022-02-18 | 深圳纳瓦科技有限公司 | 一种快速有效修复与强化水下图像颜色的方法 |
CN112330548A (zh) * | 2020-10-14 | 2021-02-05 | 北京理工大学珠海学院 | 基于多尺度融合的水下图像修复方法、装置、设备及介质 |
CN113160053B (zh) * | 2021-04-01 | 2022-06-14 | 华南理工大学 | 一种基于位姿信息的水下视频图像复原与拼接方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1892697A (zh) * | 2005-07-08 | 2007-01-10 | 杭州波导软件有限公司 | 一种彩色图像增强方法 |
CN101576951A (zh) * | 2009-05-20 | 2009-11-11 | 电子科技大学 | 一种基于灰度梯度和分类器的虹膜外边界定位方法 |
CN103996178A (zh) * | 2014-05-30 | 2014-08-20 | 天津大学 | 一种沙尘天气彩色图像增强方法 |
CN104766285A (zh) * | 2015-04-17 | 2015-07-08 | 河海大学常州校区 | 一种水下降质图像的自适应增强方法 |
CN104794726A (zh) * | 2015-05-04 | 2015-07-22 | 清华大学深圳研究生院 | 一种水下图像并行分割方法及装置 |
CN105139366A (zh) * | 2015-09-23 | 2015-12-09 | 成都融创智谷科技有限公司 | 一种基于空间域的图像增强方法 |
CN105184759A (zh) * | 2015-09-22 | 2015-12-23 | 中国科学院西安光学精密机械研究所 | 一种基于直方图紧致性变换的图像自适应增强方法 |
CN105205792A (zh) * | 2015-09-18 | 2015-12-30 | 天津大学 | 一种基于亮度色度分离的水下图像增强方法 |
CN106548463A (zh) * | 2016-10-28 | 2017-03-29 | 大连理工大学 | 基于暗通道与Retinex的海雾图像自动去雾方法及系统 |
CN106570839A (zh) * | 2016-11-04 | 2017-04-19 | 天津大学 | 基于Red Channel先验的水下图像清晰化方法 |
-
2017
- 2017-04-24 CN CN201710272512.7A patent/CN107067386B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1892697A (zh) * | 2005-07-08 | 2007-01-10 | 杭州波导软件有限公司 | 一种彩色图像增强方法 |
CN101576951A (zh) * | 2009-05-20 | 2009-11-11 | 电子科技大学 | 一种基于灰度梯度和分类器的虹膜外边界定位方法 |
CN103996178A (zh) * | 2014-05-30 | 2014-08-20 | 天津大学 | 一种沙尘天气彩色图像增强方法 |
CN104766285A (zh) * | 2015-04-17 | 2015-07-08 | 河海大学常州校区 | 一种水下降质图像的自适应增强方法 |
CN104794726A (zh) * | 2015-05-04 | 2015-07-22 | 清华大学深圳研究生院 | 一种水下图像并行分割方法及装置 |
CN105205792A (zh) * | 2015-09-18 | 2015-12-30 | 天津大学 | 一种基于亮度色度分离的水下图像增强方法 |
CN105184759A (zh) * | 2015-09-22 | 2015-12-23 | 中国科学院西安光学精密机械研究所 | 一种基于直方图紧致性变换的图像自适应增强方法 |
CN105139366A (zh) * | 2015-09-23 | 2015-12-09 | 成都融创智谷科技有限公司 | 一种基于空间域的图像增强方法 |
CN106548463A (zh) * | 2016-10-28 | 2017-03-29 | 大连理工大学 | 基于暗通道与Retinex的海雾图像自动去雾方法及系统 |
CN106570839A (zh) * | 2016-11-04 | 2017-04-19 | 天津大学 | 基于Red Channel先验的水下图像清晰化方法 |
Non-Patent Citations (3)
Title |
---|
"Enhancement of low quality underwater image through integrated global and local contrast correction;Ahmad Shahrizan Abdul Ghani等;《Applied Soft Computing》;20150828;正文第4节,图4 * |
Underwater image enhancement using an integrated colour model;Kashif Iqbal等;《IAENG International Journal of Computer Science》;20071117;239-244 * |
Underwater image quality enhancement through composition of dual-intensity images and Rayleigh stretching;Ahmad Shahrizan Abdul Ghani等;《SpringerPlus》;20141220;1-14 * |
Also Published As
Publication number | Publication date |
---|---|
CN107067386A (zh) | 2017-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067386B (zh) | 一种基于相对全局直方图拉伸的浅海水下图像增强方法 | |
US11127122B2 (en) | Image enhancement method and system | |
Bai et al. | Underwater image enhancement based on global and local equalization of histogram and dual-image multi-scale fusion | |
Muniraj et al. | Underwater image enhancement by combining color constancy and dehazing based on depth estimation | |
CN107798661B (zh) | 一种自适应的图像增强方法 | |
CN106548463A (zh) | 基于暗通道与Retinex的海雾图像自动去雾方法及系统 | |
CN110570360B (zh) | 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法 | |
CN107203977A (zh) | 一种基于暗原色先验和稀疏表示的水下图像复原方法 | |
CN104574293A (zh) | 基于有界运算的多尺度Retinex图像清晰化算法 | |
CN104299196A (zh) | 一种图像处理装置及方法、显示设备 | |
CN111861896A (zh) | 一种面向uuv的水下图像色彩补偿与恢复方法 | |
CN111598812B (zh) | 一种基于rgb和hsv双颜色空间的图像去雾方法 | |
Mathur et al. | Enhancement of underwater images using white balancing and Rayleigh-stretching | |
Mathur et al. | Enhancement of nonuniformly illuminated underwater images | |
CN111833258A (zh) | 一种基于双透射率水下成像模型的图像颜色校正方法 | |
Li et al. | Adaptive weighted multiscale retinex for underwater image enhancement | |
Huang et al. | Underwater image enhancement based on color restoration and dual image wavelet fusion | |
Wei et al. | Sidgan: Single image dehazing without paired supervision | |
Yang et al. | Underwater image enhancement method based on golden jackal optimization | |
Wang et al. | Rapid nighttime haze removal with color-gray layer decomposition | |
Yuan et al. | Defogging Technology Based on Dual‐Channel Sensor Information Fusion of Near‐Infrared and Visible Light | |
Karuppusamy | Techniques for enhancement and denoising of underwater images: a review | |
CN113379631B (zh) | 一种图像去雾的方法及装置 | |
Dhanya et al. | L-CLAHE intensification filter (L-CIF) algorithm for underwater image enhancement and colour restoration | |
Khan | Underwater Image Restoration Using Fusion and Wavelet Transform Strategy. |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |