CN107360344B - 监控视频快速去雾方法 - Google Patents
监控视频快速去雾方法 Download PDFInfo
- Publication number
- CN107360344B CN107360344B CN201710502958.4A CN201710502958A CN107360344B CN 107360344 B CN107360344 B CN 107360344B CN 201710502958 A CN201710502958 A CN 201710502958A CN 107360344 B CN107360344 B CN 107360344B
- Authority
- CN
- China
- Prior art keywords
- image
- foggy
- current frame
- transmissivity
- foggy image
- 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 47
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000002834 transmittance Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000219000 Populus Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
-
- G06T5/73—
Abstract
本发明公开了一种监控视频快速去雾方法，主要解决现有技术计算复杂度高，去雾后图像细节模糊的问题。其方案是：在计算大气光时，将有雾图像进行上下对半划分，并对有雾图像的上半部分采用暗通道先验求取大气光；在计算单帧有雾图像的透射率时，采用改进的引入自适应参数的快速透射率估计方法对透射率进行估计；在视频处理流程上，采用相邻帧差法以区分出背景和前景变动部分，只对前景变动部分的透射率进行计算，并用前一帧相同位置处的透射率计算结果作为当前帧背景部分的透射率。本发明不仅减小了计算透射率时的复杂性，而且提高去雾后图像的细节清晰度。可用于对包含复杂运动目标且运动位移较大的监控场合。
Description
技术领域
本发明属于视频、图像处理领域,涉及一种监控视频快速去雾方法,可用于对包含复杂运动目标且运动位移较大的监控场合。
背景技术
在有雾天气情况下，成像设备捕获的图像经常会出现色彩偏移、对比度下降、整体偏白等图像降质问题，使得户外视频监控系统的正常工作受到干扰，降低了该系统在目标检测、跟踪、识别等计算机视觉应用上所能发挥的效力。因此，对于监控视频去雾的研究具有较强的实际意义。
目前，基于大气散射模型的图像和视频去雾算法是研究关注的热点，其关键问题在于对大气光和透射率的求解。近年来提出的暗通道先验去雾算法(He K,Sun J,TangX.Single image haze removal using dark channel prior[C]//Computer Vision andPattern Recognition,2009.CVPR 2009.IEEE Conference on.IEEE,2009:1956-1963.)，对于单幅图像去雾取得了良好的效果。视频由图像序列组成，对于视频去雾，最基本的方法则为基于单帧暗通道先验的视频去雾方法，即对视频序列的每一帧采用暗通道先验进行去雾。该方法不仅处理效率较低，而且未考虑视频序列之间的连贯性，造成处理后视频出现闪烁、偏色问题。为提高视频去雾的效率并保证良好的效果，现有改进方法主要分为：(1)采用通用透射率的视频去雾算法；(2)基于硬件加速的视频去雾算法；(3)基于简化暗通道先验的视频去雾算法。下面依次介绍。
文章“Xie B,Guo F,Cai Z.Fast Haze Removal Algorithm for SurveillanceVideo[J].Lecture Notes in Electrical Engineering,2012,135:235-241.”对应改进方法(1)，其考虑到监控像机一般架设较高且固定，场景中的大气信息和背景信息相对稳定，因此采用通用透射率策略。首先进行场景的背景建模，得到背景图像，然后采用暗通道先验计算背景图像的透射率，最后将该透射率用于视频的每一帧进行去雾。该方法虽然简单高效，但忽略了场景中运动目标对每一帧透射率估计的影响，所以对视频中的运动物体及其周围处理效果较差。
文章“刘东辉,兰时勇,杨红雨,等.基于暗原色先验及运动检测的视频去雾方法[J].计算机工程与设计,2014,35(1):188-191.”对应方法(2)，其在暗通道先验的基础上，为提升处理速度并解决计算冗余，提出利用多线程及GPU加速技术分别求得背景和前景的透射率，然后进行透射率融合，最后根据融合后透射率进行去雾。该方法对于1280*720大小的高清视频处理速度可以达到20帧/s以上，可满足监控视频实时处理的需求，但其不足之处在于，首先对于复杂场景的背景建模不佳，另外暗通道先验规律不太适用于对包含大量较亮区域的场景进行去雾，再者额外的硬件增加了系统的应用成本。
申请号为“CN201410017407.5”的专利对应方法(3)，其公开了一种基于运动目标的交通监控视频实时去雾方法。该方法在对视频帧进行处理时，首先采用相邻帧差法来区分出前景运动目标和背景，对于背景部分直接采用上一帧的去雾结果，而对前景运动目标则采用简化暗通道先验方法重新估算透射率，再进行去雾。该方法在普通PC的VisualStudio下对于720*576的视频可以达到26帧/s的处理速度，对于1280*720的视频处理速度为13～14帧。简化暗通道先验视频去雾算法由于在对透射率估计时采用逐点估计方法，省去了求取块内最小值操作及后续的滤波过程，处理速度得到明显提升，但该简化方法在求取透射率时未能很好地满足暗通道先验统计规律，造成去雾后视频细节模糊。
发明内容
本发明目的在于针对上述现有技术的缺点，提出一种监控视频快速去雾方法，以降低透射率估计过程的复杂度，提高视频处理速度和去雾后图像的清晰度，满足监控视频快速去雾的需求。
为实现上述目的，本发明的技术方案包括如下：
(1)使用户外监控相机采集有雾视频；
(2)对有雾视频的第一帧进行去雾处理：
(2a)将当前帧有雾图像进行上下对半划分，并对该有雾图像的上半部分采用暗通道先验求取大气光；
(2b)对当前帧有雾图像在RGB三个通道上分别除以对应大气光进行归一化，并进一步求得三通道最小值；
(2c)采用具有自适应参数的线性公式估计得到归一化后无雾图像三通道最小值；
(2d)根据大气散射模型，利用归一化后有雾图像和无雾图像的三通道最小值估计得到当前帧有雾图像的透射率；
(2e)对当前帧有雾图像透射率计算过程中产生大于1或者小于0的透射率异常值，按如下判断公式进行修正：
t＝0.1,im(x)＞＝1
其中t表示透射率，im(x)表示当前的归一化后有雾图像三通道最小值。
(2f)将步骤(2a)求得的当前帧有雾图像的大气光和步骤(2e)求得的修正后透射率代入大气散射模型进行反解，恢复出当前帧有雾图像对应的无雾图像；
(3)对有雾视频第一帧以后的各视频帧进行处理：
(3a)将步骤(2a)求得的第一帧有雾图像的大气光作为当前帧有雾图像的大气光；
(3b)采用当前帧有雾图像的大气光对当前帧有雾图像在RGB三个通道上分别进行归一化，并求得三通道最小值；
(3c)将当前帧归一化后有雾图像的三通道最小值与前一帧归一化后有雾图像的三通道最小值作差，并取差值的绝对值，将取绝对值之后的差值与设定阈值T进行比较，小于阈值T的部分为背景部分，其余部分为前景变动部分；
(3d)计算当前帧有雾图像背景部分透射率，即用上一帧有雾图像相同位置处透射率作为当前帧有雾图像背景部分透射率；
(3e)计算当前帧有雾图像前景变动部分透射率：即依次采用步骤(2c)-(2e)对这部分透射率进行计算，得到当前帧有雾图像前景变动位置处的透射率；
(3f)将当前帧有雾图像背景和前景变动部分的透射率进行融合，得到当前帧有雾图像完整的透射率；
(3g)采用步骤(2f)对当前帧有雾图像进行去雾；
(3h)重复步骤(3a)-(3g)对后续的有雾视频帧依次进行去雾处理，直到处理完所有有雾视频帧；
(4)将所有去雾后视频帧连在一起，构成去雾视频。
本发明与现有技术相比具有以下优点：
第一，本发明由于利用有雾图像和无雾图像三通道最小值之间的近似线性关系对有雾视频帧的透射率进行估计，并对异常透射率值进行修正，相比现有技术有如下有点：一是相对于基于暗通道先验的视频去雾算法在计算透射率时降低了复杂度；二是相对于基于简化暗通道先验的视频去雾算法去雾后图像细节更加清晰。
第二，本发明在估计透射率时，由于在线性公式中采用了自适应量化参数，估计得到的透射率相比原始未采用自适应参数的方法，在对天空部分和近景较亮物体去雾时可表现出较好的去雾效果。
第三，本发明由于采用相邻帧差法并在判断前景和背景时采用了合理的阈值T，从而可适用于运动物体较多且运动位移较大的监控场合，并在保持较好处理效果的前提下，提高了处理速度。实验结果表明，在普通PC上处理640*480大小的视频可以达到45帧/s及以上,处理1280*720大小的视频可以达到14～15帧/s。
附图说明
图1是本发明的实现流程图；
图2为用本发明与现有视频去雾方法的效果对比图。
具体实施方式
下面结合附图对本发明的实施和效果做进一步详细描述。
参照图1，本发明实施步骤如下：
步骤1，获取有雾视频。
获取有雾视频有以下两种形式：一是用监控相机在雾霾天气条件下采集的有雾视频实时数据流；二是从已经完成采集并保存在电脑本地上的有雾监控视频中获取。
步骤2，对有雾视频的第一帧进行处理。
(2.1)估计当前帧有雾图像的大气光：
(2.1a)根据大气光选取的位置一般位于有雾图像中雾最浓地方的特点，将有雾图像上半部分作为图像感兴趣区域Iroi，以避免有雾图像近景中较亮物体对大气光选择的干扰，并对有雾图像的上半部分求取大气光；
(2.1b)对图像感兴趣区域
在RGB三通道上求最小值并进行最小值滤波，得到
的暗通道图：
其中Ω(x)表示以x为中心的15*15的像素邻域，
为Iroi的暗通道图；
(2.1c)在暗通道图
上，找到亮度在前0.1％的像素点的位置；
(2.1d)根据(2.1c)求得的位置，找出图像感兴趣区域
在这些位置处对应的像素，其中亮度值最大的像素即确定为大气光Ac。
(2.2)求当前帧有雾图像归一化后三通道的最小值：
对有雾图像在RGB三个通道上先除以对应大气光，再对三个通道取最小值，即按如下公式计算：
其中Ic(x)为有雾图像，Ac为有雾图像的大气光，im(x)表示归一化后有雾图像三通道最小值。
(2.3)估计归一化后无雾图像三通道最小值。
借助有雾图像和无雾图像三通道最小值之间的近似线性关系，在原有线性公式的基础上，将其中的量化参数δ取为归一化后有雾图像三通道最小值im(x)中的最大值q，再按如下公式计算：
其中im(x)为归一化后有雾图像三通道最小值，q和p分别为im(x)的最大值和最小值，jm(x)表示归一化后无雾图像三通道最小值，系数
用来描述im(x)与jm(x)之间的近似线性关系。
(2.4)估计当前帧有雾图像的透射率。
将im(x)与jm(x)代入大气散射模型中，按如下公式计算得到当前帧有雾图像的透射率：
其中im(x)为归一化后有雾图像三通道最小值，q和p分别为im(x)的最大值和最小值，jm(x)为归一化后无雾图像三通道最小值，t(x)表示当前帧有雾图像的透射率；
根据上述t(x)的计算公式，其计算结果最终只取决于im(x)，所以根据im(x)的取值范围可对采用上述t(x)计算公式得到的透射率是否需要修正进行判断：
当im(x)＜1时，则认为上述t(x)计算公式得到的透射率在0～1正常范围之内，无需进行修正；
当im(x)＞＝1时，则认为根据上述t(x)计算公式得到的t(x)不在0～1的正常范围之内，即为异常值，对于这种异常值需要修正。
(2.5)对当前帧有雾图像透射率计算过程中产生大于1或者小于0的异常值进行修正：
由于有雾图像透射率计算存在异常的这部分像素常常分布在天空区域或近景较亮的物体处，根据经验其透射率一般偏小，因此采用如下公式进行修正：
t＝0.1,im(x)＞＝1
这里t取0.1是为了防止过小的t造成去雾后图像失真；
(2.6)对当前帧有雾图像进行去雾：
将步骤(2.1)求得的大气光和步骤(2.5)求得到的修正后透射率代入大气散射模型，按如下公式计算得到去雾图像：
其中I(x)为有雾图像，A为有雾图像的大气光，J(x)表示去雾后图像，t(x)为有雾图像的透射率，max(t(x),0.1)表示将t(x)与0.1比较，取两者中的较大值。
步骤3，对有雾视频第一帧以后的各视频帧进行处理。
(3.1)估计当前帧有雾图像的大气光：
对于监控视频，因为场景相对固定，所以大气光在一段较长时间内应保持不变，因此不必对每一帧单独计算大气光，当前有雾视频帧的大气光即为在处理第一帧有雾视频帧时得到的大气光；
(3.2)按照步骤(2.2)中方法计算当前帧有雾图像归一化后三通道最小值；
(3.3)区分出当前帧有雾图像的背景和前景变动部分：
按如下公式确定阈值T：
其中AR、AG和AB分别代表大气光A的RGB三通道分量；
将当前帧与前一帧归一化后有雾图像的三通道最小值作差，并取差值的绝对值，将取绝对值之后的差值与设定阈值T进行比较，将小于阈值T的部分作为背景部分，其余部分作为前景变动部分；
(3.4)计算当前帧有雾图像背景部分透射率，即用上一帧有雾图像相同位置处的透射率作为当前帧有雾图像背景部分的透射率；
(3.5)计算当前帧有雾图像前景变动部分透射率：
对于前景变动部分的透射率，依次采用步骤(2.3)～(2.5)对这部分透射率进行计算，由于视频监控场景相对固定且各帧之间透射率具有较强相关性，步骤(2.4)中的q和p参数即为对第一帧有雾视频帧进行处理时得到的q和p参数；
(3.6)将当前帧背景和前景变动部分的透射率进行融合，得到当前帧有雾图像完整的透射率；
(3.7)根据步骤(3.1)得到的大气光和步骤(3.6)得到的完整透射率，采用步骤(2.6)对当前帧有雾图像进行去雾。
(3.8)重复步骤(3.1)～(3.7)对后续有雾视频帧依次进行处理，直到处理完所有有雾视频帧。
步骤4，将所有去雾后视频帧连在一起，即构成去雾后视频。
本发明的效果可通过以下仿真实验对比进一步说明：
用本发明方法和申请号为“CN201410017407.5”的专利申请方法分别对一幅有雾图像进行去雾处理，结果如图2。其中：
图2(a)为有雾监控视频中的一帧图像；
图2(b)为申请号为“CN201410017407.5”的专利申请方法的处理结果；
图2(c)为本发明的处理结果；
图2(d)为图2(b)处理结果对应局部1的放大图；
图2(e)为图2(c)处理结果对应局部1的放大图；
图2(f)为图2(b)处理结果对应局部2的放大图；
图2(g)为图2(c)处理结果对应局部2的放大图；
图2(h)为图2(b)处理结果对应局部3的放大图；
图2(i)为图2(c)处理结果对应局部3的放大图。
从图2中的整幅图像以及图中局部1、2、3的对比可以看出，本发明处理后图像更加自然清晰，局部细节更为明显。在处理速度上，申请号为“CN201410017407.5”的专利方法在普通PC上对于1280*720的监控视频处理速度为13-14帧/s，而本发明在普通PC上对于1280*720的监控视频处理速度可达14-15帧/s，与现有技术相比,本发明的处理速度更快。另外，本发明在普通PC上对于640*480的监控视频处理速度可达45帧/s及以上，满足监控视频快速去雾的需求。
Claims (4)
1.一种监控视频快速去雾方法，包括:
(1)使用户外监控相机采集有雾视频；
(2)对有雾视频的第一帧进行去雾处理：
(2a)将当前帧有雾图像进行上下对半划分，并对该有雾图像的上半部分采用暗通道先验求取大气光；
(2b)对当前帧有雾图像在RGB三个通道上分别除以对应大气光进行归一化，并进一步求得三通道最小值；
(2c)采用具有自适应参数的线性公式估计得到归一化后无雾图像三通道最小值，即先将线性公式中的量化参数δ取为归一化后有雾图像三通道最小值im(x)中的最大值q，再按如下公式计算：
其中im(x)表示归一化后有雾图像三通道最小值，q和p分别表示im(x)中的最大值和最小值，jm(x)表示归一化后无雾图像三通道最小值；
(2d)根据大气散射模型，利用归一化后有雾图像和无雾图像的三通道最小值估计得到当前帧有雾图像的透射率：
其中，im(x)表示归一化后有雾图像三通道最小值，q和p分别表示im(x)的最大值和最小值，jm(x)表示归一化后无雾图像三通道最小值，t(x)表示当前帧有雾图像的透射率；
(2e)对当前帧有雾图像透射率计算过程中产生大于1或者小于0的透射率异常值，按如下判断公式进行修正：
t＝0.1,im(x)＞＝1
其中t表示透射率，im(x)表示当前的归一化后有雾图像三通道最小值；
(2f)将步骤(2a)求得的当前帧有雾图像的大气光和步骤(2e)求得的修正后透射率代入大气散射模型进行反解，恢复出当前帧有雾图像对应的无雾图像，通过如下公式计算：
其中I(x)表示有雾图像，A表示有雾图像的大气光，J(x)表示去雾后图像，t(x)表示有雾图像的透射率，max(t(x),0.1)表示将t(x)与0.1比较，取两者中的较大值；
(3)对有雾视频第一帧以后的各视频帧进行处理：
(3a)将步骤(2a)求得的第一帧有雾图像的大气光作为当前帧有雾图像的大气光；
(3b)采用当前帧有雾图像的大气光对当前帧有雾图像在RGB三个通道上分别进行归一化，并求得三通道最小值；
(3c)将当前帧归一化后有雾图像的三通道最小值与前一帧归一化后有雾图像的三通道最小值作差，并取差值的绝对值，将取绝对值之后的差值与设定阈值T进行比较，小于阈值T的部分为背景部分，其余部分为前景变动部分；
(3d)计算当前帧有雾图像背景部分透射率，即用上一帧有雾图像相同位置处透射率作为当前帧有雾图像背景部分透射率；
(3e)计算当前帧有雾图像前景变动部分透射率：即依次采用步骤(2c)-(2e)对这部分透射率进行计算，得到当前帧有雾图像前景变动位置处的透射率；
(3f)将当前帧有雾图像背景和前景变动部分的透射率进行融合，得到当前帧有雾图像完整的透射率；
(3g)采用步骤(2f)对当前帧有雾图像进行去雾；
(3h)重复步骤(3a)-(3g)对后续的有雾视频帧依次进行去雾处理，直到处理完所有有雾视频帧；
(4)将所有去雾后视频帧连在一起，构成去雾视频。
2.根据权利要求1所述的方法，其特征在于，步骤(2a)中对当前帧有雾图像的上半部分采用暗通道先验求取大气光，步骤如下：
(2a1)将有雾图像上半部分定义为感兴趣区域
(2a2)对有雾图像上半部分
在RGB三通道上求最小值并进行最小值滤波，得到有雾图像上半部分的暗通道图：
其中Ω(x)表示以位置x为中心的15*15的像素邻域，即为
的暗通道图；
(2a3)在暗通道图
上，找到亮度值在前0.1％的像素点的位置；
(2a4)根据步骤2a3求得的位置，找出原始有雾图像上半部分在这些位置处对应的像素，其中亮度值最大的像素即为大气光Ac。
3.根据权利要求1所述的方法，其特征在于，步骤(2b)中求有雾图像经归一化后三个通道的最小值，按如下公式计算：
其中Ic(x)表示有雾图像，Ac表示有雾图像的大气光，im(x)表示归一化后有雾图像三通道最小值。
4.根据权利要求1所述的方法，其特征在于，步骤(3c)中的阈值T，按如下公式确定：
其中AR、AG和AB分别代表大气光A的RGB三通道分量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710502958.4A CN107360344B (zh) | 2017-06-27 | 2017-06-27 | 监控视频快速去雾方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710502958.4A CN107360344B (zh) | 2017-06-27 | 2017-06-27 | 监控视频快速去雾方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107360344A CN107360344A (zh) | 2017-11-17 |
| CN107360344B true CN107360344B (zh) | 2020-02-21 |
Family
ID=60273148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710502958.4A Active CN107360344B (zh) | 2017-06-27 | 2017-06-27 | 监控视频快速去雾方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107360344B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108259708B (zh) * | 2018-01-17 | 2020-05-12 | 国家安全生产监督管理总局通信信息中心 | 有雾视频处理方法及计算机可读存储介质 |
| CN108830803A (zh) * | 2018-05-17 | 2018-11-16 | 昆明理工大学 | 一种交通视频图像去雾优化算法 |
| CN110910319B (zh) * | 2019-10-30 | 2022-10-21 | 中国医学科学院北京协和医院 | 一种基于大气散射模型的手术视频实时去雾增强方法 |
| CN112616049B (zh) * | 2020-12-15 | 2022-12-02 | 南昌欧菲光电技术有限公司 | 监控设备水雾霜处理方法、装置、设备和介质 |
| CN113012062A (zh) * | 2021-03-04 | 2021-06-22 | 西安电子科技大学 | 一种高清视频实时快速去雾方法 |
| CN113364937B (zh) * | 2021-05-13 | 2022-10-25 | 西安交通大学 | 一种有监督的视频真实去雾数据集的采集方法及系统 |
| CN114331920B (zh) * | 2022-03-09 | 2022-06-24 | 浙江大华技术股份有限公司 | 图像处理方法及装置、存储介质、电子装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130012749A (ko) * | 2011-07-26 | 2013-02-05 | (주)영훈전자 | 환경 자동 적응 비디오 인핸서 및 비디오 이미지의 처리 방법 |
| 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 |
| CN105959510A (zh) * | 2016-04-22 | 2016-09-21 | 湖南工学院 | 一种视频快速去雾方法 |
-
2017
- 2017-06-27 CN CN201710502958.4A patent/CN107360344B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130012749A (ko) * | 2011-07-26 | 2013-02-05 | (주)영훈전자 | 환경 자동 적응 비디오 인핸서 및 비디오 이미지의 처리 방법 |
| 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 |
| CN105959510A (zh) * | 2016-04-22 | 2016-09-21 | 湖南工学院 | 一种视频快速去雾方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107360344A (zh) | 2017-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107360344B (zh) | 监控视频快速去雾方法 | |
| CN106846263B (zh) | 基于融合通道且对天空免疫的图像去雾方法 | |
| 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 | |
| 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 | |
| CN109255759B (zh) | 基于天空分割和透射率自适应修正的图像去雾方法 | |
| Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
| CN106530257A (zh) | 一种基于暗通道先验模型的遥感图像去雾方法 | |
| CN111292258A (zh) | 一种基于暗通道和亮通道先验的图像去雾方法 | |
| CN111161167B (zh) | 基于中通道补偿和自适应大气光估计的单幅图像去雾方法 | |
| CN110782407A (zh) | 一种基于天空区域概率分割的单幅图像去雾方法 | |
| CN110827221A (zh) | 一种基于双通道先验和侧窗导向滤波的单幅图像去雾方法 | |
| CN106846258A (zh) | 一种基于加权最小平方滤波的单幅图像去雾方法 | |
| Kim et al. | Temporally x real-time video dehazing | |
| CN108305225A (zh) | 基于暗通道先验的交通监控图像快速去雾方法 | |
| CN115170619B (zh) | 一种基于密集光流法的云遮挡预测方法 | |
| Pang et al. | A novel framework for enhancement of the low lighting video | |
| Kenk et al. | Visibility enhancer: adaptable for distorted traffic scenes by dusty weather | |
| CN111325688A (zh) | 融合形态学聚类优化大气光的无人机图像去雾方法 | |
| CN114693548A (zh) | 一种基于亮区域检测的暗通道去雾方法 | |
| Zhang et al. | Dehazing with improved heterogeneous atmosphere light estimation and a nonlinear color attenuation prior model | |
| CN108898566B (zh) | 一种利用时空照度图的低照度彩色视频增强方法 | |
| Shi et al. | Image haze removal using dark channel prior and minimizing energy function | |
| CN107203979B (zh) | 一种低照度图像增强的方法 | |
| Naseeba et al. | KP Visibility Restoration of Single Hazy Images Captured in Real-World Weather Conditions | |
| CN107437240B (zh) | 一种抑制高亮区域的低照度图像增强方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |