CN108416741A - 基于亮度对比度增强和饱和度补偿的快速图像去雾方法 - Google Patents
基于亮度对比度增强和饱和度补偿的快速图像去雾方法 Download PDFInfo
- Publication number
- CN108416741A CN108416741A CN201810065836.8A CN201810065836A CN108416741A CN 108416741 A CN108416741 A CN 108416741A CN 201810065836 A CN201810065836 A CN 201810065836A CN 108416741 A CN108416741 A CN 108416741A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- indicate
- channel
- color
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000002834 transmittance Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 12
- 239000003595 mist Substances 0.000 claims description 12
- 239000003086 colorant Substances 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000003706 image smoothing Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 239000002932 luster Substances 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000000126 substance Substances 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Of Color Television Signals (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明涉及计算机视觉领域中图像去雾方法，特别是涉及一种基于亮度对比度增强和饱和度补偿的快速图像去雾方法，包括如下步骤，1)基于偏色检测的白平衡预处理，2)基于亮度通道的对比度增强，3)基于大气散射模型的饱和度补偿，本发明采用基于偏色检测的白平衡校正方法，解决了去雾过程中产生颜色畸变的问题。在L单通道内进行透射率计算，能够有效缩短去雾处理时间，大大减少算法运行耗时。本发明提出了基于大气散射模型的饱和度补偿公式，有效的补偿了复原结果的饱和度，使无雾图像色彩鲜艳，画面栩栩如生。
Description
技术领域
本发明涉及计算机视觉领域中图像去雾方法，特别是涉及一种基于亮度对比度增强和饱和度补偿的快速图像去雾方法。
背景技术
在雾天环境下，大气中有许多灰尘颗粒和水滴，所以光线在传播的过程中会发生散射、折射、吸收等反应。图像去雾方法中，通常假定雾为白色透明的物质，但是由于相机、空气介质等因素的影响，会导致摄取的有雾图像出现偏色的现象。雾天的空气中含有的大量液滴会吸收光线，使光线散射，降低了摄取图像的可见度和对比度。雾不但会降低图像的对比度，由于雾对物体光线的遮挡，还会使图像画面苍白、饱和度降低，使图像内的物体缺乏生机。这些问题给视频监控等领域带来了技术困扰，亟待得到解决。因此，图像去雾技术具有重要的应用价值，而且也已经成为图像视频处理、计算机视觉和计算机图形学等领域的热点研究问题。
发明内容
本发明的目的在于提供一种基于亮度对比度增强和饱和度补偿的快速图像去雾方法。
本发明解决其技术问题采用的技术方案如下：
1.一种基于亮度对比度增强和饱和度补偿的快速图像去雾方法，其特征在于：
1)基于偏色检测的白平衡预处理
步骤一：将有雾彩色图像I从RGB色彩空间转换到Lab色彩空间[1]，获得亮度通道L、色彩通道a和b。
步骤二：基于颜色畸变因子对图像I进行偏色检测。
图像I的平均色度通过下式计算：
其中：Ma和Mb分别表示色彩通道a和b的均值，M表示图像I的平均色度。Ma和Mb分别通过下式计算：
其中：x代表图像I中的一个像素，N表示图像I的像素总数，a(x)和b(x)分别表示像素x在色彩通道a和b中的值，Ma和Mb分别表示色彩通道a和b的均值。
图像I的中心偏离程度通过下式计算：
其中：Va和Vb分别表示色彩通道a和b的中心偏离程度，V表示图像I的中心偏离程度。Va和Vb分别通过下式计算：
其中：x代表图像I中的一个像素，N表示图像I的像素总数，a(x)和b(x)分别表示像素x在色彩通道a和b中的值，Ma和Mb分别表示色彩通道a和b的均值，Va和Vb分别表示色彩通道a和b的中心偏离程度。
衡量图像偏色程度的颜色畸变因子K如下：
其中：M为图像I的平均色度，V表示图像I的中心偏离程度，K为颜色畸变因子。对于K>1的图像，认为该图像偏色。
步骤三：对于判断为偏色的图像I，本文利用基于完美反射的白平衡方法[2]对偏色图像进行白平衡处理，输出无偏色的有雾图像I′。如果判断图像I无偏色，则I′＝I。
2)基于亮度通道的对比度增强
步骤一：将图像I′从RGB色彩空间转换到Lab色彩空间，获得亮度通道L′、色彩通道a′和b′。
步骤二：计算大气光值A。
暗通道dc通过下式计算：
其中：x代表图像I′中的一个像素，Ω(x)表示(2*r+1)*(2*r+1)大小的块内所有像素的集合，窗口半径r＝round(0.02*min(h,w))，其中，h和w分别表示图像I′的高和宽，min()表示求最小值的函数，round()表示四舍五入取整函数。y表示Ω(x)中的一个像素，L′(y)表示像素y的亮度通道值，dc(x)表示像素x的暗通道值。
将图像I′的全部像素按照暗通道dc的值从大到小排序，获得前0.1％的像素并求得对应像素L′的平均值,即大气光值A。
步骤三：计算初始透射率t。
初始透射率t通过下式计算：
其中：x代表图像I′中的一个像素，Ω(x)表示(2*r+1)*(2*r+1)大小的块内所有像素的集合，窗口半径r＝round(0.02*min(h,w))，其中，h和w分别表示图像I′的高和宽，min()表示求最小值的函数，round()表示四舍五入取整函数。y表示Ω(x)中的一个像素，L′(y)表示像素y的亮度通道值，A表示大气光值，t(x)表示像素x的初始透射率值。
步骤四：使用零范数梯度最小化的图像平滑方法[3]对图像I′的亮度通道L′进行纹理滤波处理，滤波系数设置为0.01，获得了消除纹理的亮度通道L0。以L0作为引导图，采用导向滤波[4]对初始透射率t进行精细化操作，其中滤波半径设置为64，滤波系数设置为0.001。输出导向滤波后的透射率t′。
步骤五：通过大气散射模型获得对比度增强的亮度通道：
L′(x)＝Lr(x)t′(x)+A(1-t′(x))
其中：x代表图像I′中的一个像素，L′(x)表示像素x的亮度通道值，A表示大气光值，t′(x)表示像素x导向滤波后的透射率值，Lr(x)表示像素x对比度增强后的亮度通道值。
步骤六：通过对比度增强后的亮度通道Lr、色彩通道a′和b′，将图像从Lab色彩空间转换到RGB色彩空间，获得了初始去雾图像Ir。
3)基于大气散射模型的饱和度补偿
步骤一：将Ir从RGB色彩空间转换到HSV色彩空间，获得了色调通道Hr、饱和度通道Sr和明度通道Vr。
步骤二：通过下式补偿图像饱和度：
其中：x代表图像I′中的一个像素，Sr(x)表示像素x补偿前的饱和度通道值，S′(x)表示像素x补偿后的饱和度通道值。μ(x)表示像素x的饱和度增强因子，其表示为：
其中：x代表图像I′中的一个像素，I′(x)表示像素x在图像I′中的值,c表示R、G、B三个通道，A表示大气光值，t′(x)表示导向滤波后像素x的透射率值，max()表示求最大值的函数，μ(x)表示像素x的饱和度增强因子。
对溢出的饱和度进行截断：
其中：x代表图像I′中的一个像素，S′(x)表示像素x补偿后的饱和度通道值，S″(x)表示像素x截断后的饱和度通道值。
步骤三：通过截断后的饱和度通道S″、色调通道Hr和明度通道Vr，将图像从HSV色彩空间转换到RGB色彩空间，获得了最终的去雾图像Ifree。
本发明与背景技术相比，具有有益的效果是：
本发明采用基于偏色检测的白平衡校正方法，解决了去雾过程中产生颜色畸变的问题。在L单通道内进行透射率计算，能够有效缩短去雾处理时间，大大减少算法运行耗时。本发明提出了基于大气散射模型的饱和度补偿公式，有效的补偿了复原结果的饱和度，使无雾图像色彩鲜艳，画面栩栩如生。
附图说明
图1是本发明实施例的结构示意图。
具体实施方式
在实施彩色有雾图像去雾技术时，通过亮度对比度增强和饱和度补偿的快速图像去雾方法实现有雾图像清晰化处理。
实现彩色有雾图像去雾的具体过程如下：
1)基于偏色检测的白平衡预处理
步骤一：将有雾彩色图像I从RGB色彩空间转换到Lab色彩空间[1]，获得亮度通道L、色彩通道a和b。
步骤二：基于颜色畸变因子对图像I进行偏色检测。
图像I的平均色度通过下式计算：
其中：Ma和Mb分别表示色彩通道a和b的均值，M表示图像I的平均色度。Ma和Mb分别通过下式计算：
其中：x代表图像I中的一个像素，N表示图像I的像素总数，a(x)和b(x)分别表示像素x在色彩通道a和b中的值，Ma和Mb分别表示色彩通道a和b的均值。
图像I的中心偏离程度通过下式计算：
其中：Va和Vb分别表示色彩通道a和b的中心偏离程度，V表示图像I的中心偏离程度。Va和Vb分别通过下式计算：
其中：x代表图像I中的一个像素，N表示图像I的像素总数，a(x)和b(x)分别表示像素x在色彩通道a和b中的值，Ma和Mb分别表示色彩通道a和b的均值，Va和Vb分别表示色彩通道a和b的中心偏离程度。
衡量图像偏色程度的颜色畸变因子K如下：
其中：M为图像I的平均色度，V表示图像I的中心偏离程度，K为颜色畸变因子。对于K>1的图像，认为该图像偏色。
步骤三：对于判断为偏色的图像I，本文利用基于完美反射的白平衡方法[2]对偏色图像进行白平衡处理，输出无偏色的有雾图像I′。如果判断图像I无偏色，则I′＝I。
2)基于亮度通道的对比度增强
步骤一：将图像I′从RGB色彩空间转换到Lab色彩空间，获得亮度通道L′、色彩通道a′和b′。
步骤二：计算大气光值A。
暗通道dc通过下式计算：
其中：x代表图像I′中的一个像素，Ω(x)表示(2*r+1)*(2*r+1)大小的块内所有像素的集合，窗口半径r＝round(0.02*min(h,w))，其中，h和w分别表示图像I′的高和宽，min()表示求最小值的函数，round()表示四舍五入取整函数。y表示Ω(x)中的一个像素，L′(y)表示像素y的亮度通道值，dc(x)表示像素x的暗通道值。
将图像I′的全部像素按照暗通道dc的值从大到小排序，获得前0.1％的像素并求得对应像素L′的平均值,即大气光值A。
步骤三：计算初始透射率t。
初始透射率t通过下式计算：
其中：x代表图像I′中的一个像素，Ω(x)表示(2*r+1)*(2*r+1)大小的块内所有像素的集合，窗口半径r＝round(0.02*min(h,w))，其中，h和w分别表示图像I′的高和宽，min()表示求最小值的函数，round()表示四舍五入取整函数。y表示Ω(x)中的一个像素，L′(y)表示像素y的亮度通道值，A表示大气光值，t(x)表示像素x的初始透射率值。
步骤四：使用零范数梯度最小化的图像平滑方法[3]对图像I′的亮度通道L′进行纹理滤波处理，滤波系数设置为0.01，获得了消除纹理的亮度通道L0。以L0作为引导图，采用导向滤波[4]对初始透射率t进行精细化操作，其中滤波半径设置为64，滤波系数设置为0.001。输出导向滤波后的透射率t′。
步骤五：通过大气散射模型获得对比度增强的亮度通道：
L′(x)＝Lr(x)t′(x)+A(1-t′(x))
其中：x代表图像I′中的一个像素，L′(x)表示像素x的亮度通道值，A表示大气光值，t′(x)表示像素x导向滤波后的透射率值，Lr(x)表示像素x对比度增强后的亮度通道值。
步骤六：通过对比度增强后的亮度通道Lr、色彩通道a′和b′，将图像从Lab色彩空间转换到RGB色彩空间，获得了初始去雾图像Ir。
3)基于大气散射模型的饱和度补偿
步骤一：将Ir从RGB色彩空间转换到HSV色彩空间，获得了色调通道Hr、饱和度通道Sr和明度通道Vr。
步骤二：通过下式补偿图像饱和度：
其中：x代表图像I′中的一个像素，Sr(x)表示像素x补偿前的饱和度通道值，S′(x)表示像素x补偿后的饱和度通道值。μ(x)表示像素x的饱和度增强因子，其表示为：
其中：x代表图像I′中的一个像素，I′(x)表示像素x在图像I′中的值,c表示R、G、B三个通道，A表示大气光值，t′(x)表示导向滤波后像素x的透射率值，max()表示求最大值的函数，μ(x)表示像素x的饱和度增强因子。
对溢出的饱和度进行截断：
其中：x代表图像I′中的一个像素，S′(x)表示像素x补偿后的饱和度通道值，S″(x)表示像素x截断后的饱和度通道值。
步骤三：通过截断后的饱和度通道S″、色调通道Hr和明度通道Vr，将图像从HSV色彩空间转换到RGB色彩空间，获得了最终的去雾图像Ifree。
[1](美)卜纳特(William K.Pratt)著；邓鲁华等译.数字图像处理[M].机械工业出版社,2005.ISBN 7-111-15587-4.P46-47.
[2]Gasparini F,Schettini R.Color balancing of digital photos usingsimple image statistics[J].Pattern Recognition,2004,37(6):1201-1217.
[3]Xu L,Lu C,Xu Y,et al.Image smoothing via L0 gradient minimization[J].ACM Transactions on Graphics,2011,30(6):Article No.174
[4]He K M,Sun J Tang X O.Guided image filtering[J].IEEE Transactionson Pattern Analysis and Machine Intelligence,2013,35(6):1397-1409.
Claims (1)
1.一种基于亮度对比度增强和饱和度补偿的快速图像去雾方法，其特征在于：
1)基于偏色检测的白平衡预处理
步骤一：将有雾彩色图像I从RGB色彩空间转换到Lab色彩空间，获得亮度通道L、色彩通道a和b；
步骤二：基于颜色畸变因子对图像I进行偏色检测；
图像I的平均色度通过下式计算：
其中：Ma和Mb分别表示色彩通道a和b的均值，M表示图像I的平均色度；Ma和Mb分别通过下式计算：
其中：x代表图像I中的一个像素，N表示图像I的像素总数，a(x)和b(x)分别表示像素x在色彩通道a和b中的值，Ma和Mb分别表示色彩通道a和b的均值；
图像I的中心偏离程度通过下式计算：
其中：Va和Vb分别表示色彩通道a和b的中心偏离程度，V表示图像I的中心偏离程度；Va和Vb分别通过下式计算：
其中：x代表图像I中的一个像素，N表示图像I的像素总数，a(x)和b(x)分别表示像素x在色彩通道a和b中的值，Ma和Mb分别表示色彩通道a和b的均值，Va和Vb分别表示色彩通道a和b的中心偏离程度；
衡量图像偏色程度的颜色畸变因子K如下：
其中：M为图像I的平均色度，V表示图像I的中心偏离程度，K为颜色畸变因子；对于K＞1的图像，认为该图像偏色；
步骤三：对于判断为偏色的图像I，本文利用基于完美反射的白平衡方法对偏色图像进行白平衡处理，输出无偏色的有雾图像I′；如果判断图像I无偏色，则I′＝I；
2)基于亮度通道的对比度增强
步骤一：将图像I′从RGB色彩空间转换到Lab色彩空间，获得亮度通道L′、色彩通道a′和b′；
步骤二：计算大气光值A；
暗通道dc通过下式计算：
其中：x代表图像I′中的一个像素，Ω(x)表示(2*r+1)*(2*r+1)大小的块内所有像素的集合，窗口半径r＝round(0.02*min(h,w))，其中，h和w分别表示图像I′的高和宽，min()表示求最小值的函数，round()表示四舍五入取整函数；y表示Ω(x)中的一个像素，L′(y)表示像素y的亮度通道值，dc(x)表示像素x的暗通道值；
将图像I′的全部像素按照暗通道dc的值从大到小排序，获得前0.1％的像素并求得对应像素L′的平均值,即大气光值A；
步骤三：计算初始透射率t；
初始透射率t通过下式计算：
其中：x代表图像I′中的一个像素，Ω(x)表示(2*r+1)*(2*r+1)大小的块内所有像素的集合，窗口半径r＝round(0.02*min(h,w))，其中，h和w分别表示图像I′的高和宽，min()表示求最小值的函数，round()表示四舍五入取整函数；y表示Ω(x)中的一个像素，L′(y)表示像素y的亮度通道值，A表示大气光值，t(x)表示像素x的初始透射率值；
步骤四：使用零范数梯度最小化的图像平滑方法对图像I′的亮度通道L′进行纹理滤波处理，滤波系数设置为0.01，获得了消除纹理的亮度通道L0；以L0作为引导图，采用导向滤波对初始透射率t进行精细化操作，其中滤波半径设置为64，滤波系数设置为0.001；输出导向滤波后的透射率t′；
步骤五：通过大气散射模型获得对比度增强的亮度通道：
L′(x)＝Lr(x)t′(x)+A(1-t′(x))
其中：x代表图像I′中的一个像素，L′(x)表示像素x的亮度通道值，A表示大气光值，t′(x)表示像素x导向滤波后的透射率值，Lr(x)表示像素x对比度增强后的亮度通道值；
步骤六：通过对比度增强后的亮度通道Lr、色彩通道a′和b′，将图像从Lab色彩空间转换到RGB色彩空间，获得了初始去雾图像Ir；
3)基于大气散射模型的饱和度补偿
步骤一：将Ir从RGB色彩空间转换到HSV色彩空间，获得了色调通道Hr、饱和度通道Sr和明度通道Vr；
步骤二：通过下式补偿图像饱和度：
其中：x代表图像I′中的一个像素，Sr(x)表示像素x补偿前的饱和度通道值，S′(x)表示像素x补偿后的饱和度通道值；μ(x)表示像素x的饱和度增强因子，其表示为：
其中：x代表图像I′中的一个像素，I′(x)表示像素x在图像I′中的值,c表示R、G、B三个通道，A表示大气光值，t′(x)表示导向滤波后像素x的透射率值，max()表示求最大值的函数，μ(x)表示像素x的饱和度增强因子；
对溢出的饱和度进行截断：
其中：x代表图像I′中的一个像素，S′(x)表示像素x补偿后的饱和度通道值，S″(x)表示像素x截断后的饱和度通道值；
步骤三：通过截断后的饱和度通道S″、色调通道Hr和明度通道Vr，将图像从HSV色彩空间转换到RGB色彩空间，获得了最终的去雾图像Ifree。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810065836.8A CN108416741B (zh) | 2018-01-23 | 2018-01-23 | 基于亮度对比度增强和饱和度补偿的快速图像去雾方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810065836.8A CN108416741B (zh) | 2018-01-23 | 2018-01-23 | 基于亮度对比度增强和饱和度补偿的快速图像去雾方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108416741A true CN108416741A (zh) | 2018-08-17 |
| CN108416741B CN108416741B (zh) | 2021-10-12 |
Family
ID=63126333
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810065836.8A Active CN108416741B (zh) | 2018-01-23 | 2018-01-23 | 基于亮度对比度增强和饱和度补偿的快速图像去雾方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108416741B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636739A (zh) * | 2018-11-09 | 2019-04-16 | 深圳市华星光电半导体显示技术有限公司 | 图像饱和度增强的细节处理方法及装置 |
| CN110060222A (zh) * | 2019-04-29 | 2019-07-26 | 重庆金山医疗器械有限公司 | 一种图像校正方法、装置及内窥镜系统 |
| CN110211065A (zh) * | 2019-05-23 | 2019-09-06 | 九阳股份有限公司 | 一种食材图像的颜色校正方法和装置 |
| CN110660026A (zh) * | 2019-08-08 | 2020-01-07 | 西安电子科技大学 | 一种基于Retinex理论和高饱和度先验的图像去雾方法 |
| CN111160271A (zh) * | 2019-12-30 | 2020-05-15 | 哈尔滨商业大学 | 一种基于深度学习的室内养鸡场病鸡检测系统 |
| 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 |
| CN111598812A (zh) * | 2020-05-25 | 2020-08-28 | 中国科学院长春光学精密机械与物理研究所 | 一种基于rgb和hsv双颜色空间的图像去雾方法 |
| CN111612702A (zh) * | 2020-04-07 | 2020-09-01 | 杭州电子科技大学 | 一种颜色迁移的中性色矫正后处理方法 |
| CN112002264A (zh) * | 2020-09-08 | 2020-11-27 | 广州云也科技有限公司 | 一种智能社区用快速搭建式临时宣传栏 |
| CN116843681A (zh) * | 2023-08-30 | 2023-10-03 | 临沂鑫诺彩印包装有限公司 | 一种纸箱表面着色质量智能检测方法 |
| CN117710275A (zh) * | 2024-02-06 | 2024-03-15 | 江苏无右微创医疗科技有限公司 | 一种图像低亮区域改善方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766307A (zh) * | 2015-03-13 | 2015-07-08 | 青岛海信电器股份有限公司 | 一种图像处理的方法及设备 |
| US20160005152A1 (en) * | 2014-07-01 | 2016-01-07 | Adobe Systems Incorporated | Multi-Feature Image Haze Removal |
| CN105574830A (zh) * | 2016-02-04 | 2016-05-11 | 沈阳工业大学 | 极端天气条件下低质图像增强方法 |
| CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
| CN106056557A (zh) * | 2016-06-12 | 2016-10-26 | 南京邮电大学 | 一种基于改进大气散射模型的单幅图像快速去雾方法 |
-
2018
- 2018-01-23 CN CN201810065836.8A patent/CN108416741B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160005152A1 (en) * | 2014-07-01 | 2016-01-07 | Adobe Systems Incorporated | Multi-Feature Image Haze Removal |
| CN104766307A (zh) * | 2015-03-13 | 2015-07-08 | 青岛海信电器股份有限公司 | 一种图像处理的方法及设备 |
| CN105574830A (zh) * | 2016-02-04 | 2016-05-11 | 沈阳工业大学 | 极端天气条件下低质图像增强方法 |
| CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
| CN106056557A (zh) * | 2016-06-12 | 2016-10-26 | 南京邮电大学 | 一种基于改进大气散射模型的单幅图像快速去雾方法 |
Non-Patent Citations (8)
| Title |
|---|
| CHUNXIAO LIU ET AL.: "Sky detection- and texture smoothing-based high-visibility haze removal from images and videos", 《SKY DETECTION- AND TEXTURE SMOOTHING-BASED HIGH-VISIBILITY HAZE REMOVAL FROM IMAGES AND VIDEOS》 * |
| FRANCESCA GASPARINI ET AL.: "Color balancing of digital photos using simple image statistics", 《PATTERN RECOGNITION》 * |
| LI XU ET AL.: "Image Smoothing via L0 Gradient Minimization", 《ACM TRANS.GRAPH》 * |
| XIPAN LU ET AL.: "Single Image Dehazing Based on Multiple Scattering Model", 《 2014 IEEE INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING, COMMUNICATIONS AND COMPUTING》 * |
| 凡遵林 等: "基于饱和度运算的快速图像去雾算法", 《计算机仿真》 * |
| 沈逸云 等: "结合天空检测与纹理平滑的图像去雾", 《中国图象图形学报》 * |
| 沈逸云 等: "鲁棒图像去雾的大气光校正与透射率优化算法", 《计算机辅助设计与图形学学报》 * |
| 赵锦威 等: "暗通道先验图像去雾的大气光校验和光晕消除", 《中国图象图形学报》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636739A (zh) * | 2018-11-09 | 2019-04-16 | 深圳市华星光电半导体显示技术有限公司 | 图像饱和度增强的细节处理方法及装置 |
| CN109636739B (zh) * | 2018-11-09 | 2020-07-10 | 深圳市华星光电半导体显示技术有限公司 | 图像饱和度增强的细节处理方法及装置 |
| CN110060222B (zh) * | 2019-04-29 | 2022-05-06 | 重庆金山医疗技术研究院有限公司 | 一种图像校正方法、装置及内窥镜系统 |
| CN110060222A (zh) * | 2019-04-29 | 2019-07-26 | 重庆金山医疗器械有限公司 | 一种图像校正方法、装置及内窥镜系统 |
| CN110211065A (zh) * | 2019-05-23 | 2019-09-06 | 九阳股份有限公司 | 一种食材图像的颜色校正方法和装置 |
| CN110211065B (zh) * | 2019-05-23 | 2023-10-20 | 九阳股份有限公司 | 一种食材图像的颜色校正方法和装置 |
| CN110660026A (zh) * | 2019-08-08 | 2020-01-07 | 西安电子科技大学 | 一种基于Retinex理论和高饱和度先验的图像去雾方法 |
| CN110660026B (zh) * | 2019-08-08 | 2023-04-18 | 西安电子科技大学 | 一种基于Retinex理论和高饱和度先验的图像去雾方法 |
| 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 |
| CN111160271A (zh) * | 2019-12-30 | 2020-05-15 | 哈尔滨商业大学 | 一种基于深度学习的室内养鸡场病鸡检测系统 |
| CN111160271B (zh) * | 2019-12-30 | 2023-08-18 | 哈尔滨商业大学 | 一种基于深度学习的室内养鸡场病鸡检测系统 |
| CN111612702A (zh) * | 2020-04-07 | 2020-09-01 | 杭州电子科技大学 | 一种颜色迁移的中性色矫正后处理方法 |
| CN111598812B (zh) * | 2020-05-25 | 2022-03-01 | 中国科学院长春光学精密机械与物理研究所 | 一种基于rgb和hsv双颜色空间的图像去雾方法 |
| CN111598812A (zh) * | 2020-05-25 | 2020-08-28 | 中国科学院长春光学精密机械与物理研究所 | 一种基于rgb和hsv双颜色空间的图像去雾方法 |
| CN112002264A (zh) * | 2020-09-08 | 2020-11-27 | 广州云也科技有限公司 | 一种智能社区用快速搭建式临时宣传栏 |
| CN116843681A (zh) * | 2023-08-30 | 2023-10-03 | 临沂鑫诺彩印包装有限公司 | 一种纸箱表面着色质量智能检测方法 |
| CN116843681B (zh) * | 2023-08-30 | 2023-11-14 | 临沂鑫诺彩印包装有限公司 | 一种纸箱表面着色质量智能检测方法 |
| CN117710275A (zh) * | 2024-02-06 | 2024-03-15 | 江苏无右微创医疗科技有限公司 | 一种图像低亮区域改善方法及系统 |
| CN117710275B (zh) * | 2024-02-06 | 2024-04-30 | 江苏无右微创医疗科技有限公司 | 一种图像低亮区域改善方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108416741B (zh) | 2021-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108416741A (zh) | 基于亮度对比度增强和饱和度补偿的快速图像去雾方法 | |
| CN107507138B (zh) | 一种基于Retinex模型的水下图像增强方法 | |
| Shi et al. | Let you see in sand dust weather: A method based on halo-reduced dark channel prior dehazing for sand-dust image enhancement | |
| CN108596849B (zh) | 一种基于天空区域分割的单幅图像去雾方法 | |
| CN106296612B (zh) | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 | |
| WO2019205707A1 (zh) | 基于暗通道的线状自适应改进全局大气光的图像去雾方法 | |
| 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 | |
| Zhang et al. | Nighttime haze removal based on a new imaging model | |
| CN104036466B (zh) | 一种视频去雾方法与系统 | |
| CN111292258B (zh) | 一种基于暗通道和亮通道先验的图像去雾方法 | |
| CN105488793B (zh) | 图像显示方法以及图像处理方法 | |
| CN107767354A (zh) | 一种基于暗原色先验的图像去雾算法 | |
| CN109191390A (zh) | 一种基于不同颜色空间多算法融合的图像增强算法 | |
| CN104867121B (zh) | 基于暗原色先验和Retinex理论的图像快速去雾法 | |
| 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 | |
| CN107451966A (zh) | 一种采用灰度图引导滤波实现的实时视频去雾方法 | |
| CN102289791A (zh) | 一种快速单幅图像去雾方法 | |
| CN109961415A (zh) | 一种基于hsi空间光学成像模型的自适应增益水下图像增强方法 | |
| CN105989583B (zh) | 一种图像去雾方法 | |
| CN108648160B (zh) | 一种水下海参图像去雾增强方法及系统 | |
| CN106023110B (zh) | 一种高保真度的图像去雾方法 | |
| CN111598814A (zh) | 基于极端散射通道的单图像去雾方法 | |
| CN103226809A (zh) | 图像除雾装置和图像除雾方法 | |
| CN110335210A (zh) | 一种水下图像复原方法 | |
| CN112465720B (zh) | 一种基于图像天空分割的图像去雾方法、装置和存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210910 Address after: 310012 149 Xihu District teachers' road, Hangzhou, Zhejiang Applicant after: ZHEJIANG GONGSHANG University Applicant after: ZHEJIANG UNIVIEW TECHNOLOGIES Co.,Ltd. Applicant after: Hangzhou yunqi smart Vision Technology Co., Ltd Address before: 310018, No. 18 Jiao Tong Street, Xiasha Higher Education Park, Hangzhou, Zhejiang Applicant before: ZHEJIANG GONGSHANG University |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |