CN107194894A - 一种视频去雾方法及其系统 - Google Patents
一种视频去雾方法及其系统 Download PDFInfo
- Publication number
- CN107194894A CN107194894A CN201710379449.7A CN201710379449A CN107194894A CN 107194894 A CN107194894 A CN 107194894A CN 201710379449 A CN201710379449 A CN 201710379449A CN 107194894 A CN107194894 A CN 107194894A
- Authority
- CN
- China
- Prior art keywords
- mrow
- transmissivity
- image
- luminous intensity
- defogging
- 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 44
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 239000003595 mist Substances 0.000 claims description 23
- 238000002834 transmittance Methods 0.000 claims description 13
- 238000011084 recovery Methods 0.000 claims 4
- 238000012544 monitoring process Methods 0.000 description 10
- 239000000523 sample Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004904 shortening Methods 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种视频去雾方法及其系统。本方法将视频每隔M帧,对1帧图片进行f倍缩小,对缩小后的图像利用暗原色先验算法得出大气光强度和透射率再将该透射率还原为原图像大小,利用还原后的透射率和大气光强度对本帧图像和其后M‑1帧图像进行去雾处理。本方案在保证视频质量前提下大大简化了计算量,降低了计算复杂程度,提高了帧图像处理速度和视频去雾处理效率,降低了视频处理硬件要求,降低了设备硬件成本。
Description
技术领域
本发明涉及一种视频去雾方法及其系统,属于图像/视频处理领域。
背景技术
雾霾天气下以电子眼为基础的户外监控系统几乎全部“瘫痪”,监控探头在记录中,由于雾霾的影响,导致拍摄所得的画面模糊不清,无法对区域实施有效的监控。
公布号为CN 103747213 A的中国专利文件公开了一种基于运动目标的交通监控视频实时去雾方法。该方法基于容差机制采用暗原色先验去雾算法,并将监控画面分为背景区域和前景运动目标区域,对上述两区域采取不同的方法进行去雾处理。重点处理前景目标区域,提高了处理速度,一定程度上满足了视频实时处理的需求。
但是,该方法对于前景运动部分的判断采取了相邻帧差法,即计算当前帧像素点RGB三通道与前一帧的差值是否落在一个预设阈值以内,若上述差值未落入所述阈值,则该像素点处于前景运动目标部分。而对于一个繁忙的监控区域来讲,采用相邻帧差法对前景运动部分判断计算量依然巨大。而且上述方案如同一般的暗原色先验视频去雾方法一样,对于视频依然采取了逐帧计算去雾处理的思路,对每帧视频图像计算透射率,无法从根本上解决现有技术去雾处理复杂程度高、计算量大、处理时间长的问题。另外复杂的处理方法和庞大的计算量意味着对图像处理芯片的要求更高,在产业上不利于降低成本。
发明内容
本发明的目的是提供一种视频去雾方法及其系统,用以解决现有技术复杂程度高,计算量大,视频去雾耗时的问题。
为实现上述目的,本发明的方案包括:
本发明的一种视频去雾方法,包括以下步骤:
每隔M帧原始图像,计算一次大气光强度和透射率,所述大气光强度和透射率是根据对应的一帧原始图像,结合大气散射模型和暗原色先验算法获得的;
根据所得透射率和大气光强度对该帧原始图像和其后M-1帧原始图像进行去雾处理。
进一步的,所述步骤1)中计算大气光强度和透射率时,首先将一帧原始图像缩小为原来的f倍,得到缩小后图像;然后对于缩小后图像,利用暗原色先验算法,获得大气光强度和缩小后透射率;最后将得到的透射率恢复为与原帧图像大小一致。
进一步的,所述对应的一帧原始图像为M个原始图像中的第一帧图像。
进一步的,步骤1)中,通过选取暗原色中亮度最高的0.1%的像素值作为大气光强度的估计值;透射率计算公式为:
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;ω为衰减系数,用于控制去雾的强度。
进一步的,步骤2)中的去雾处理采用基于容差机制的算法,
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;参数K定义为容差,当|I-A|<K时认为是明亮区域不满足暗原色先验,重新定义透射率;当|I-A|>K时认为满足暗原色先验,该区域透射率不变。
本发明的一种视频去雾系统,包括处理器,存储器,所述处理器用于执行实现下述方法的指令:
每隔M帧原始图像,计算一次大气光强度和透射率,所述大气光强度和透射率是根据对应的一帧原始图像,结合大气散射模型和暗原色先验算法获得的;
根据所得透射率和大气光强度对该帧原始图像和其后M-1帧原始图像进行去雾处理。
进一步的,所述步骤1)中计算大气光强度和透射率时,首先将一帧原始图像缩小为原来的f倍,得到缩小后图像;然后对于缩小后图像,利用暗原色先验算法,获得大气光强度和缩小后透射率;最后将得到的透射率恢复为与原帧图像大小一致。
进一步的,所述对应的一帧原始图像为M个原始图像中的第一帧图像。
进一步的,步骤1)中,通过选取暗原色中亮度最高的0.1%的像素值作为大气光强度的估计值;透射率计算公式为:
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;ω为衰减系数,用于控制去雾的强度。
进一步的,方法2)中去雾处理采用基于容差机制的算法,具体为
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;参数K定义为容差;当|I-A|<K时认为是明亮区域不满足暗原色先验,重新定义透射率;当|I-A|>K时认为满足暗原色先验,该区域透射率不变。
本发明的有益效果为:
本发明的监控视频去雾方法采用了跳跃机制,每隔M帧图像计算一次透射率,并将它用到往后M-1帧图像的去雾处理上。大大加快了图像处理速度。
其次,本方法还运用了收缩机制,将视频帧图像缩小进行透射率计算后再利用插值法放大到原图像,再用放大后的透射率进行去雾处理。减小了透射率的计算量。
本方案在保证去雾效果、满足监控需求的前提下,减小了计算量,缩短了处理时间,更加有利于视频的实时处理,同时也降低了对硬件的要求,降低了设备成本。
附图说明
图1是本发明视频去雾流程图;
图2是本发明监控实时去雾流程图。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
一种视频去雾方法及其系统的实施例1。
本发明在处理一段监控视频时流程如图1所示,具体包括以下步骤:
1)将带雾监控视频转化为帧图像;
2)将一系列有雾帧图像分为每M帧一组;
3)从第1组开始,将每组第1帧带雾图像Im(x),先将其缩小为原来的f倍,得到缩小后图像Ifm(x);
4)对于图像Ifm(x),利用暗原色先验算法,选取暗原色中亮度最高的0.1%像素值作为大气光的估计值Am;并计算出透射率tfm(x),透射率计算公式为;
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;ω为衰减系数,用于控制去雾的强度,0<ω≤1。
5)将缩小f倍后的图像透射率tfm(x)利用插值法恢复为原图大小得到该帧带雾图像透射率tm(x);
6)基于大气散射模型I(x)=J(x)t(x)+A(1-t(x)),采用容差机制,用透射率tm(x)和Am对该帧以及其后M-1帧带雾图像进行去雾处理,得到去雾图像为:
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;参数K定义为容差;当|I-A|<K时认为是明亮区域不满足暗原色先验,重新定义透射率;当|I-A|>K时认为满足暗原色先验,该区域透射率不变;
7)继续用相同方法对其余组帧视频进行去雾处理;
8)将处理后的去雾帧图像合成视频。
上述实施例中,在视频画面满足监控需求的前提下,尽可能大的取所述间隔M和所述缩小倍数f的值。实际上,视频的质量与所述间隔M和缩小倍数f的大小成反比关系,如若想获得高质量的监控视频,则应相应取较小的间隔M和缩小倍数f的值;如若想获得较快的图像处理速度而对处理后的监控视频质量要求不高,可相应取较大的间隔M和缩小倍数f的值。
一种视频去雾方法及其系统的实施例2。
本发明在监控过程中进行实时处理时流程如图2所示,具体包括以下步骤:
1)从监控探头传输过来的某一带雾帧开始,将该帧带雾图像Im(x)缩小为原来的f倍,得到缩小后图像Ifm(x);
2)对于图像Ifm(x),利用暗原色先验算法,选取暗原色中亮度最高的0.1%像素值作为大气光的估计值Am;并计算出透射率tfm(x),透射率计算公式为;
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;ω为衰减系数,用于控制去雾的强度,0<ω≤1。
3)将缩小f倍后的图像透射率tfm(x)利用插值法恢复为原图大小得到该帧带雾图像透射率tm(x);
4)基于大气散射模型I(x)=J(x)t(x)+A(1-t(x)),采用容差机制,用透射率tm(x)和Am对该帧以及其后M-1帧带雾图像进行去雾处理,得到去雾图像为:
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;参数K定义为容差;当|I-A|<K时认为是明亮区域不满足暗原色先验,重新定义透射率;当|I-A|>K时认为满足暗原色先验,该区域透射率不变;
5)继续用相同方法处理接下来视频探头传来的帧图像;也就是说,每隔M帧计算一次透射率和大气光强度值,然后对其和其后M-1帧进行处理。
上述实施例中,在视频画面满足监控需求的前提下,尽可能大的取所述间隔M和所述缩小倍数f的值。实际上,视频的质量与所述间隔M和缩小倍数f的大小成反比关系,如若想获得高质量的监控视频,则应相应取较小的间隔M和缩小倍数f的值;如若想获得较快的图像处理速度而对处理后的监控视频质量要求不高,可相应取较大的间隔M和缩小倍数f的值。
本发明中所采用的去雾算法具体可参考
龚昌来,罗聪.一种改进的容差机制图像去雾算法.《液晶与显示》.2016。
Claims (10)
1.一种视频去雾方法,其特征在于,包括以下步骤:
1)每隔M帧原始图像,计算一次大气光强度和透射率,所述大气光强度和透射率是根据对应的一帧原始图像,结合大气散射模型和暗原色先验算法获得的;
2)根据所得透射率和大气光强度对该帧原始图像和其后M-1帧原始图像进行去雾处理。
2.根据权利要求1所述的一种视频去雾方法,其特征在于,所述步骤1)中计算大气光强度和透射率时,首先将一帧原始图像缩小为原来的f倍,得到缩小后图像;然后对于缩小后图像,利用暗原色先验算法,获得大气光强度和缩小后透射率;最后将得到的透射率恢复为与原帧图像大小一致。
3.根据权利要求1所述的一种视频去雾方法,其特征在于,所述对应的一帧原始图像为M个原始图像中的第一帧图像。
4.根据权利要求1所述的一种视频去雾方法,其特征在于,步骤1)中,通过选取暗原色中亮度最高的0.1%的像素值作为大气光强度的估计值;透射率计算公式为:
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&omega;</mi>
<munder>
<mi>min</mi>
<mi>c</mi>
</munder>
<mrow>
<mo>(</mo>
<munder>
<mi>min</mi>
<mrow>
<mi>y</mi>
<mo>&Element;</mo>
<mi>&Omega;</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mo>(</mo>
<mfrac>
<msub>
<mi>J</mi>
<mi>c</mi>
</msub>
<msub>
<mi>A</mi>
<mi>c</mi>
</msub>
</mfrac>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;ω为衰减系数,用于控制去雾的强度。
5.根据权利要求1所述的一种视频去雾方法,其特征在于,步骤2)中的去雾处理采用基于容差机制的算法,
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>A</mi>
</mrow>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>(</mo>
<mfrac>
<mi>K</mi>
<mrow>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>A</mi>
<mo>|</mo>
</mrow>
</mfrac>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mfrac>
<mo>+</mo>
<mi>A</mi>
</mrow>
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;参数K定义为容差,当|I-A|<K时认为是明亮区域不满足暗原色先验,重新定义透射率;当|I-A|>K时认为满足暗原色先验,该区域透射率不变。
6.一种视频去雾系统,包括处理器,存储器,其特征在于,所述处理器用于执行实现下述方法的指令:
1)每隔M帧原始图像,计算一次大气光强度和透射率,所述大气光强度和透射率是根据对应的一帧原始图像,结合大气散射模型和暗原色先验算法获得的;
2)根据所得透射率和大气光强度对该帧原始图像和其后M-1帧原始图像进行去雾处理。
7.根据权利要求6所述的一种视频去雾系统,其特征在于,所述步骤1)中计算大气光强度和透射率时,首先将一帧原始图像缩小为原来的f倍,得到缩小后图像;然后对于缩小后图像,利用暗原色先验算法,获得大气光强度和缩小后透射率;最后将得到的透射率恢复为与原帧图像大小一致。
8.根据权利要求6所述的一种视频去雾系统,其特征在于,所述对应的一帧原始图像为M个原始图像中的第一帧图像。
9.根据权利要求6所述的一种视频去雾系统,其特征在于,步骤1)中,通过选取暗原色中亮度最高的0.1%的像素值作为大气光强度的估计值;透射率计算公式为:
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&omega;</mi>
<munder>
<mi>min</mi>
<mi>c</mi>
</munder>
<mrow>
<mo>(</mo>
<munder>
<mi>min</mi>
<mrow>
<mi>y</mi>
<mo>&Element;</mo>
<mi>&Omega;</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mo>(</mo>
<mfrac>
<msub>
<mi>J</mi>
<mi>c</mi>
</msub>
<msub>
<mi>A</mi>
<mi>c</mi>
</msub>
</mfrac>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;ω为衰减系数,用于控制去雾的强度。
10.根据权利要求6所述的一种视频去雾系统,其特征在于,方法2)中去雾处理采用基于容差机制的算法,具体为
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>A</mi>
</mrow>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>(</mo>
<mfrac>
<mi>K</mi>
<mrow>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>A</mi>
<mo>|</mo>
</mrow>
</mfrac>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mfrac>
<mo>+</mo>
<mi>A</mi>
</mrow>
其中,x表示图像上像素点位置坐标,I(x)表示带雾图像,t(x)表示透射率,J(x)表示要恢复的无雾图像,A表示大气光强度;参数K定义为容差;当|I-A|<K时认为是明亮区域不满足暗原色先验,重新定义透射率;当|I-A|>K时认为满足暗原色先验,该区域透射率不变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710379449.7A CN107194894A (zh) | 2017-05-25 | 2017-05-25 | 一种视频去雾方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710379449.7A CN107194894A (zh) | 2017-05-25 | 2017-05-25 | 一种视频去雾方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107194894A true CN107194894A (zh) | 2017-09-22 |
Family
ID=59874539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710379449.7A Pending CN107194894A (zh) | 2017-05-25 | 2017-05-25 | 一种视频去雾方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107194894A (zh) |
Cited By (2)
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 |
CN108093175A (zh) * | 2017-12-25 | 2018-05-29 | 北京航空航天大学 | 一种实时高清视频自适应去雾方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750674A (zh) * | 2012-04-26 | 2012-10-24 | 长春理工大学 | 基于自适应容差的视频图像去雾方法 |
CN103747213A (zh) * | 2014-01-15 | 2014-04-23 | 北京工业大学 | 一种基于运动目标的交通监控视频实时去雾方法 |
CN104732494A (zh) * | 2015-03-23 | 2015-06-24 | 无锡中科智能农业发展有限责任公司 | 一种基于图像去雾的组培监控方法及系统 |
CN105046666A (zh) * | 2015-07-24 | 2015-11-11 | 中国科学技术大学 | 一种基于暗原色先验的交通视频实时去雾的方法 |
CN106530257A (zh) * | 2016-11-22 | 2017-03-22 | 重庆邮电大学 | 一种基于暗通道先验模型的遥感图像去雾方法 |
-
2017
- 2017-05-25 CN CN201710379449.7A patent/CN107194894A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750674A (zh) * | 2012-04-26 | 2012-10-24 | 长春理工大学 | 基于自适应容差的视频图像去雾方法 |
CN103747213A (zh) * | 2014-01-15 | 2014-04-23 | 北京工业大学 | 一种基于运动目标的交通监控视频实时去雾方法 |
CN104732494A (zh) * | 2015-03-23 | 2015-06-24 | 无锡中科智能农业发展有限责任公司 | 一种基于图像去雾的组培监控方法及系统 |
CN105046666A (zh) * | 2015-07-24 | 2015-11-11 | 中国科学技术大学 | 一种基于暗原色先验的交通视频实时去雾的方法 |
CN106530257A (zh) * | 2016-11-22 | 2017-03-22 | 重庆邮电大学 | 一种基于暗通道先验模型的遥感图像去雾方法 |
Non-Patent Citations (2)
Title |
---|
吴城: "基于暗原色先验的视频去雾研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
王金艳: "基于改进的暗原色先验理论的监控视频去雾算法", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (3)
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 |
CN107767354B (zh) * | 2017-12-08 | 2020-07-07 | 福州大学 | 一种基于暗原色先验的图像去雾算法 |
CN108093175A (zh) * | 2017-12-25 | 2018-05-29 | 北京航空航天大学 | 一种实时高清视频自适应去雾方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
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 | |
Zheng et al. | Infrared traffic image enhancement algorithm based on dark channel prior and gamma correction | |
CN108093175B (zh) | 一种实时高清视频自适应去雾方法及装置 | |
CN105959510B (zh) | 一种视频快速去雾方法 | |
CN104766307A (zh) | 一种图像处理的方法及设备 | |
CN106127693A (zh) | 除雾系统和除雾方法 | |
CN104952045A (zh) | 除雾系统和除雾方法 | |
CN105787904A (zh) | 针对明亮区域的自适应全局暗原色先验的图像去雾方法 | |
CN108305225A (zh) | 基于暗通道先验的交通监控图像快速去雾方法 | |
CN107360344A (zh) | 监控视频快速去雾方法 | |
CN106373139A (zh) | 一种图像处理方法及装置 | |
CN107194894A (zh) | 一种视频去雾方法及其系统 | |
CN103226809B (zh) | 图像除雾装置和图像除雾方法 | |
CN115082350A (zh) | 频闪图像处理方法、装置、电子设备和可读存储介质 | |
CN104715456B (zh) | 一种图像的去雾方法 | |
CN105989583A (zh) | 一种图像去雾方法 | |
EP3796253B1 (en) | Compressing dynamic range in images using darkness gamma transfer function | |
CN108898566B (zh) | 一种利用时空照度图的低照度彩色视频增强方法 | |
US20230234509A1 (en) | Image processing method and apparatus | |
CN111835937A (zh) | 图像处理方法、装置及电子设备 | |
US20130286245A1 (en) | System and method for minimizing flicker | |
CN106339988B (zh) | 一种图像去雾方法及装置 | |
CN107203979A (zh) | 一种低照度图像增强的方法 | |
CN114529460A (zh) | 低照度场景智慧公路监测快速去雾方法、装置和电子设备 |
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: 20170922 |