CN108447028A - 基于多尺度融合的水下图像质量改善方法 - Google Patents
基于多尺度融合的水下图像质量改善方法 Download PDFInfo
- Publication number
- CN108447028A CN108447028A CN201810146485.3A CN201810146485A CN108447028A CN 108447028 A CN108447028 A CN 108447028A CN 201810146485 A CN201810146485 A CN 201810146485A CN 108447028 A CN108447028 A CN 108447028A
- Authority
- CN
- China
- Prior art keywords
- image
- weight
- formula
- indicate
- underwater picture
- 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 68
- 230000004927 fusion Effects 0.000 title claims abstract description 18
- 230000002708 enhancing effect Effects 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 8
- 230000015556 catabolic process Effects 0.000 abstract description 7
- 238000006731 degradation reaction Methods 0.000 abstract description 7
- 230000004075 alteration Effects 0.000 abstract description 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003412 degenerative effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000007850 degeneration Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
- 238000005303 weighing 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
为了解决现有水下图像质量改善方法过程复杂或者过于依赖退化型模型的技术问题,本发明提出了一种基于多尺度融合的水下图像质量改善方法,主要用于改善水下图像噪声大、色差大、对比度低的问题,以提高图像质量。本发明先对原始图像进行颜色修正,消除各种光源给图像造成的色偏,再对图像进行对比度增强,降低由体积散射引起的质量退化,最后对它们进行多尺度融合,可以得到细节和边缘显著增强、噪声减少、黑暗区域更清楚以及全局对比度更高的水下图像,计算成本低廉,能够在通用硬件上执行相对较快的速度。
Description
技术领域
本发明属于图像处理技术领域,涉及一种水下图像质量改善方法。本发明可应用于海洋资源勘探开发、海洋生态监测以及水下军事侦察等领域。
背景技术
水对光有着严重的吸收和散射作用,吸收会减少光能,而散射会引起光方向的变化,使得光随着距离和深度呈指数衰减,造成很大的图像噪声,使图像质量降低。并且光在水下的传播距离有限,对一般的水下成像系统的像差有影响,使得色差和畸变增大、成像质量差、图像质量低。虽然可以通过使用多幅图像、专用硬件和偏振滤波器等方法来改善水下图像的质量,但由于使用多幅图像的方法需要在不同环境条件下拍摄同一场景的多个图像,使用硬件的方法比较昂贵和复杂,使用偏振滤波器的方法对于水下情况而言相机设置比较麻烦等因素,这些用来改善水下图像质量的方法实用性不高。因此,研究方便、有效的水下图像质量改善方法具有重要的意义。
现有已公开中的水下图像质量改善方法大致可以分为两类:图像增强与图像复原。
图像增强是指根据特定的需求,来突出图像中的某些信息,并减弱甚至去除某些不需要的信息。图像增强的优点是使图像的某些特性方面更加突出,使处理后的图像更符合人眼视觉特性。缺点是局部区域的增强效果常常不够理想,噪声滤波和边缘增强这两者的矛盾较难得到解决;由于图像增强不考虑图像退化的原因,增强的结果不一定逼近原图像。
图像增强的方法主要包括:基于颜色恒常性的方法,该类方法涉及的技术有白平衡等;基于空域增强的方法,该类方法涉及的技术有灰度变换、直方图均衡化、对比度拉伸、平滑和锐化等;基于频域增强的方法,该类方法涉及的技术有低通滤波、高通滤波和同态滤波等;综合方法,即以上几种方法的组合。例如Qing等人在文献“C.Qing C,W.Huang,S.Zhu,and X.Xu,“Underwater image enhancement with an adaptive dehazing framework,”IEEE International Conference on Digital Signal Processing,pp.338-342,2015.”中提出了一种自适应的去雾框架来进行水下图像增强,该方法包含自适应估计和局部自适应水下亮度的直方图均衡化这两部分,得到的图像特点是对比度更强、细节更精细以及边缘显著增强。由于图像通常存在一定噪声,经过增强处理后噪声往往也增强,这就需要对图像进行去噪处理,而去噪时图像边缘又会变模糊,噪声滤波和边缘增强这两者的矛盾难以协调,故该方法具有过程较复杂的缺点。
图像复原是指利用退化先验来恢复原图像;图像复原的优点是恢复的图像接近原图像,缺点是必须先根据一定的先验知识对图像的退化过程建立相应的退化模型,然后通过求解该逆问题来恢复图像,该类方法过于依赖退化模型。
图像复原的目的在于,用有关点扩散函数和噪声特性的知识,将退化的图像恢复至原始图像。图像复原的方法主要包括:点扩散函数估计方法、反卷积方法、基于湍流模型的方法、基于散射传输模型的方法、利用偏振技术的方法等。例如Kanaev等人在文献“A.V.Kanaev,W.Hou,S.R.Restaino,S.Matt,et al,“Restoration of images degradedby underwater turbulence using structure tensor oriented image quality(STOIQ)metric,”Optics Express,vol.23,no.13,pp.17077–17090,2015.”中提出了一种基于湍流模型的水下图像复原方法,参考了大气湍流图像复原的算法,省略了盐分的影响,只考虑水中波动引起的湍流对水下成像的影响,应用一种自适应的平均各向异性的度量标准进行水下图像复原,该方法可以提高了水下目标物的可见性。由于该方法试图利用退化过程的先验知识使已退化的图像恢复本来面貌,必须先根据一定的先验知识对图像的退化过程建立相应的退化模型,故该方法具有过于依赖退化模型的缺点。
综上所述,现有的水下图像质量改善方法具有过程较复杂或过于依赖退化模型等缺点,存在一定的局限性。
发明内容
为了解决现有水下图像质量改善方法过程复杂或者过于依赖退化型模型的技术问题,本发明提出了一种基于多尺度融合的水下图像质量改善方法,主要用于改善水下图像噪声大、色差大、对比度低的问题,以提高图像质量。
本发明的技术解决方案是:
基于多尺度融合的水下图像质量改善方法,其特殊之处在于,包括以下步骤:
步骤1、对原始水下图像进行颜色修正,消除图像色偏,恢复图像的白色和灰色阴影,将所得图像记作图像I1;
步骤2、对所述图像I1进行对比度增强,将所得图像记作图像I2;
步骤3、多尺度融合:
步骤3.1分别计算图像I1和图像I2的拉普拉斯对比权重WL、局部对比权重WLC、显著性权重WS和暴露性权重WE:
步骤3.1.1利用下述式1)-4)计算图像I1和图像I2所有像素点的拉普拉斯对比权重WL(x,y)、局部对比权重WLC(x,y)、显著性权重WS(x,y)和暴露性权重WE(x,y):
WL(x,y)=|F(Ik)|, 式1)
WS(x,y)=||Iμ-Ig(x,y)||, 式3)
式1)-4)中,(x,y)表示像素的位置;
Ik表示输入的亮度通道;
F表示拉普拉斯滤波;
F(Ik)表示对输入的亮度通道进行拉普拉斯滤波后的结果;
表示Ik的低通形式;
Iμ表示输入的图像的特征平均值;
Ig(x,y)表示(x,y)位置的像素值经过高斯模糊后的像素值;
表示输入的图像;
表示(x,y)位置的像素值;
σ表示标准差,σ=0.25;
步骤3.1.2根据图像I1和I2中所有像素点的上述四种权重,分别换算得到图像I1和I2的四种权重:WL1、WLC1、WS1、WE1和WL2、WLC2、WS2、WE2;
步骤3.2分别计算图像I1和图像I2的归一化权重W1和W2:
步骤3.3用拉普拉斯金字塔分解法,将图像I1和I2分别分解,得到Ll{I1(x,y)}和Ll{I2(x,y)};用高斯金字塔分解法,将归一化权重W1和W2分解,得到Gl{W1(x,y)}和Gl{W2(x,y)};
其中,l表示尺度的大小,取≥4的正整数;
Ll{I1(x,y)}表示将图像I1分解成l张不同尺度大小的图像的集合;
Ll{I2(x,y)}表示将图像I2分解成l张不同尺度大小的图像的集合;
Gl{W1(x,y)}表示将权重W1分解成l个不同尺度大小的权重的集合;
Gl{W2(x,y)}表示将权重W2分解成l个不同尺度大小的权重的集合;
步骤3.4按照式7)对图像I1和图像I2分别进行融合,得到l张尺度大小不同的图像Rl(x,y),按照尺度从大到小依次记为R1、R2……Rl:
Rl(x,y)=Gl{W1(x,y)}Ll{I1(x,y)}+Gl{W2(x,y)}Ll{I2(x,y)}, 式7)
步骤3.5根据步骤3.4的结果,按照下述式8)-11),得到最终改善后的图像R;
Rl-1′=Rl-1+resize(Rl), 式8)
Rl-2′=Rl-2+resize(Rl-1′), 式9)
依次类推,
R1′=R1+resize(R2′), 式10)
R=R1′, 式11)
其中,resize(Rl)表示把Rl上采样成和Rl-1相同尺度大小的图像;
resize(Rl-1′)表示把Rl-1′上采样成和Rl-2相同尺度大小的图像;
resize(R2′)表示把R2′上采样成和R1相同尺度大小的图像。
进一步地,所述步骤1具体为:
步骤1.1对原始水下图像进行白平衡处理;
步骤1.2将白平衡处理后的图像从RGB颜色空间转换到Lab颜色空间,将所得图像记作图像I1。
进一步地,所述步骤2具体为:
步骤2.1对图像I1进行限制对比度直方图均衡化;
步骤2.2将限制对比度直方图均衡化后得到的图像从Lab颜色空间转换到RGB颜色空间,将所得图像记作图像I2。
进一步地,所述步骤3.1.2中的换算方法具体为:首先将图像以矩阵的形式表示,所述矩阵中第x行第y列的元素表示图像中位置(x,y)的像素点,然后将矩阵中所有元素用其对应像素点的拉普拉斯对比权重、局部对比权重、显著性权重和暴露性权重依次替换,替换后所得四个矩阵即为图像的所述四种权重。
进一步地,所述步骤3.3)-3.5)中的l=5。
与现有方法相比,本发明具有以下有益效果:
本发明不需要特殊的硬件设备和水下环境的先验知识,用基于多尺度融合的方法对低质量的水下图像进行质量改善,先对原始图像进行颜色修正,消除各种光源给图像造成的色偏,再对图像进行对比度增强,降低由体积散射引起的质量退化,最后对它们进行多尺度融合,可以得到细节和边缘显著增强、噪声减少、黑暗区域更清楚以及全局对比度更高的水下图像,计算成本低廉,能够在通用硬件上执行相对较快的速度。
本发明可应用于海洋资源勘探开发、海洋生态监测以及水下军事侦察等领域。
附图说明
图1为本发明基于多尺度融合的水下图像质量改善方法的流程图;
图2-图7为经本发明处理前后的水下图像对比;其中,图2、4、6为处理前的原始水下图像;图3、5、7为处理后的水下图像。
具体实施方式
以下结合附图,对本发明作进一步说明。
参见图1,本发明所提供的基于多尺度融合的水下图像质量改善方法,包括以下步骤:
步骤1、对原始水下图像(低质量的水下图像)进行颜色修正,以消除各种光源造成的图像色偏,恢复图像的白色和灰色阴影,具体方法为:
步骤1.1对原始水下图像进行白平衡处理。
步骤1.2将白平衡处理后的图像从RGB颜色空间转换到Lab颜色空间,将所得图像记作图像I1。
步骤2、对所述图像I1进行对比度增强,降低由体积散射引起的图像质量退化,具体方法为:
步骤2.1对图像I1进行限制对比度直方图均衡化。
步骤2.2将限制对比度直方图均衡化后得到的图像从Lab颜色空间转换到RGB颜色空间,将所得图像记作图像I2。
步骤3、多尺度融合,技术构思为:先计算出所述图像I1和图像I2的几种权重,然后分别用拉普拉斯金字塔分解法和高斯金字塔分解法把图像和权重分解到多个不同尺度,然后在不同尺度上对图像I1和图像I2分别进行融合,得到细节和边缘显著增强、噪声减少、黑暗区域更清楚以及全局对比度更高的水下图像。多尺度融合的具体方法为:
步骤3.1分别计算图像I1和图像I2的拉普拉斯对比权重WL、局部对比权重WLC、显著性权重WS和暴露性权重WE:
步骤3.1.1利用下述式1)-4)计算图像I1和图像I2所有像素点的拉普拉斯对比权重WL(x,y)、局部对比权重WLC(x,y)、显著性权重WS(x,y)和暴露性权重WE(x,y):
WL(x,y)=|F(Ik)|, 式1)
式1)中,(x,y)表示像素的位置,Ik表示输入的亮度通道,F表示拉普拉斯滤波,F(Ik)表示对输入的亮度通道进行拉普拉斯滤波后的结果。
式2)中,(x,y)表示像素的位置,Ik表示输入的亮度通道,表示Ik的低通形式;
WS(x,y)=||Iμ-Ig(x,y)||, 式3)
式3)中,(x,y)表示像素的位置,Iμ表示输入的图像(图像I1或I2)的特征平均值,Ig(x,y)表示(x,y)位置的像素值经过高斯模糊后的像素值。
式4)中,(x,y)表示像素的位置,表示输入的图像(图像I1或I2),表示(x,y)位置的像素值,σ表示标准差,这里取σ=0.25。
步骤3.1.2根据图像I1和I2中所有像素点的上述四种权重,分别换算得到图像I1和I2的四种权重:WL1、WLC1、WS1、WE1和WL2、WLC2、WS2、WE2。,具体换算方法为:
首先将图像以矩阵的形式表示,矩阵中第x行第y列的元素表示图像中位置(x,y)的像素点,然后将矩阵中所有元素用其对应像素点的上述四种权重依次替换,则替换后所得四个矩阵即为图像的四种权重。
步骤3.2分别计算所述图像I1和图像I2的归一化权重W1和W2:
步骤3.3用拉普拉斯金字塔分解法,将图像I1和I2分别分解,得到Ll{I1(x,y)}和Ll{I2(x,y)},其中l表示尺度的大小,按实际需求取正整数,为提高改善质量,通常取≥4的正整数;Ll{I1(x,y)}表示将图像I1分解成l张不同尺度大小的图像的集合;Ll{I2(x,y)}表示将图像I2分解成l张不同尺度大小的图像的集合;
用高斯金字塔分解法,将归一化权重W1和W2分解,得到Gl{W1(x,y)}和Gl{W2(x,y)},其中l表示尺度的大小,按实际需求取正整数,为提高改善质量,通常取≥4的正整数;Gl{W1(x,y)}表示将权重W1分解成l个不同尺度大小的权重的集合;Gl{W2(x,y)}表示将权重W2分解成l个不同尺度大小的权重的集合;本实施例中取l=5;
步骤3.4按照式7)对图像I1和图像I2进行融合,得到五张尺度大小不同的图像Rl(x,y),按照尺度从大到小依次记为R1、R2……R5;
Rl(x,y)=Gl{W1(x,y)}Ll{I1(x,y)}+Gl{W2(x,y)}Ll{I2(x,y)}, 式7)
步骤3.5根据步骤3.4的结果,按照下述式8)-11),得到最终改善后的图像R;
R4′=R4+resize(R5), 式8)
R3′=R3+resize(R4′), 式9)
R2′=R2+resize(R3′), 式10)
R1′=R1+resize(R2′), 式11)
R=R1′, 式12)
其中,resize(R5)表示把R5上采样成和R4相同尺度大小的图像;resize(R4′)表示把R4′上采样成和R3相同尺度大小的图像;resize(R3′)表示把R3′上采样成和R2相同尺度大小的图像;resize(R2′)表示把R2′上采样成和R1相同尺度大小的图像。
以下通过具体仿真实验说明本发明对水下图像的改善效果。
1、仿真条件
本发明是在中央处理器为Intel(R)Core(TM)i5-6500 3.2GHZ、内存16G、WINDOWS7操作系统上,运用MATLAB软件进行的仿真。
2、仿真内容
从国际公开水下图像质量改善数据库中选取三张代表图像分别为图2、4、6,利用本发明的方法处理后分别得到图3、5、7。从处理前后的图像对比可以看出,本发明能够很好地提高水下图像的质量。
Claims (5)
1.基于多尺度融合的水下图像质量改善方法,其特征在于,包括以下步骤:
步骤1、对原始水下图像进行颜色修正,消除图像色偏,恢复图像的白色和灰色阴影,将所得图像记作图像I1;
步骤2、对所述图像I1进行对比度增强,将所得图像记作图像I2;
步骤3、多尺度融合:
步骤3.1分别计算图像I1和图像I2的拉普拉斯对比权重WL、局部对比权重WLC、显著性权重WS和暴露性权重WE:
步骤3.1.1利用下述式1)-4)计算图像I1和图像I2所有像素点的拉普拉斯对比权重WL(x,y)、局部对比权重WLC(x,y)、显著性权重WS(x,y)和暴露性权重WE(x,y):
WL(x,y)=|F(Ik)|, 式1)
WS(x,y)=||Iμ-Ig(x,y)||, 式3)
式1)-4)中,(x,y)表示像素的位置;
Ik表示输入的亮度通道;
F表示拉普拉斯滤波;
F(Ik)表示对输入的亮度通道进行拉普拉斯滤波后的结果;
表示Ik的低通形式;
Iμ表示输入的图像的特征平均值;
Ig(x,y)表示(x,y)位置的像素值经过高斯模糊后的像素值;
表示输入的图像;
表示(x,y)位置的像素值;
σ表示标准差,σ=0.25;
步骤3.1.2根据图像I1和I2中所有像素点的上述四种权重,分别换算得到图像I1和I2的四种权重:WL1、WLC1、WS1、WE1和WL2、WLC2、WS2、WE2;
步骤3.2分别计算图像I1和图像I2的归一化权重W1和W2:
步骤3.3用拉普拉斯金字塔分解法,将图像I1和I2分别分解,得到Ll{I1(x,y)}和Ll{I2(x,y)};用高斯金字塔分解法,将归一化权重W1和W2分解,得到Gl{W1(x,y)}和Gl{W2(x,y)};
其中,l表示尺度的大小,取≥4的正整数;
Ll{I1(x,y)}表示将图像I1分解成l张不同尺度大小的图像的集合;
Ll{I2(x,y)}表示将图像I2分解成l张不同尺度大小的图像的集合;
Gl{W1(x,y)}表示将权重W1分解成l个不同尺度大小的权重的集合;
Gl{W2(x,y)}表示将权重W2分解成l个不同尺度大小的权重的集合;
步骤3.4按照式7)对图像I1和图像I2进行融合,得到l张尺度大小不同的图像Rl(x,y),按照尺度从大到小依次记为R1、R2……Rl;
Rl(x,y)=Gl{W1(x,y)}Ll{I1(x,y)}+Gl{W2(x,y)}Ll{I2(x,y)}, 式7)
步骤3.5根据步骤3.4的结果,按照下述式8)-11),得到最终改善后的图像R;
Rl-1′=Rl-1+resize(Rl), 式8)
Rl-2′=Rl-2+resize(Rl-1′), 式9)
依次类推,
R1′=R1+resize(R2′), 式10)
R=R1′, 式11)
其中,resize(Rl)表示把Rl上采样成和Rl-1相同尺度大小的图像;
resize(Rl-1′)表示把Rl-1′上采样成和Rl-2相同尺度大小的图像;
resize(R2′)表示把R2′上采样成和R1相同尺度大小的图像。
2.根据权利要求1所述的基于多尺度融合的水下图像质量改善方法,其特征在于,所述步骤1具体为:
步骤1.1对原始水下图像进行白平衡处理;
步骤1.2将白平衡处理后的图像从RGB颜色空间转换到Lab颜色空间,将所得图像记作图像I1。
3.根据权利要求1所述的基于多尺度融合的水下图像质量改善方法,其特征在于,所述步骤2具体为:
步骤2.1对图像I1进行限制对比度直方图均衡化;
步骤2.2将限制对比度直方图均衡化后得到的图像从Lab颜色空间转换到RGB颜色空间,将所得图像记作图像I2。
4.根据权利要求1所述的基于多尺度融合的水下图像质量改善方法,其特征在于,所述步骤3.1.2中的换算方法具体为:首先将图像以矩阵的形式表示,所述矩阵中第x行第y列的元素表示图像中位置(x,y)的像素点,然后将矩阵中所有元素用其对应像素点的拉普拉斯对比权重、局部对比权重、显著性权重和暴露性权重依次替换,替换后所得四个矩阵即为图像的所述四种权重。
5.根据权利要求1所述的基于多尺度融合的水下图像质量改善方法,其特征在于,所述步骤3.3)-3.5)中的l=5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810146485.3A CN108447028A (zh) | 2018-02-12 | 2018-02-12 | 基于多尺度融合的水下图像质量改善方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810146485.3A CN108447028A (zh) | 2018-02-12 | 2018-02-12 | 基于多尺度融合的水下图像质量改善方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108447028A true CN108447028A (zh) | 2018-08-24 |
Family
ID=63192694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810146485.3A Pending CN108447028A (zh) | 2018-02-12 | 2018-02-12 | 基于多尺度融合的水下图像质量改善方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108447028A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949233A (zh) * | 2019-02-18 | 2019-06-28 | 深圳蓝韵医学影像有限公司 | 滤除x射线图像中散射线的方法、系统、设备及存储介质 |
CN110728647A (zh) * | 2019-10-16 | 2020-01-24 | 紫光展讯通信(惠州)有限公司 | 水下图像的增强方法及装置、存储介质、终端 |
CN111047530A (zh) * | 2019-11-29 | 2020-04-21 | 大连海事大学 | 基于多特征融合的水下图像颜色校正和对比度增强方法 |
CN111080537A (zh) * | 2019-11-25 | 2020-04-28 | 厦门大学 | 水下机器人智能控制方法、介质、设备及系统 |
CN112329796A (zh) * | 2020-11-12 | 2021-02-05 | 北京环境特性研究所 | 基于视觉显著性的红外成像卷云检测方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9224362B2 (en) * | 2013-03-14 | 2015-12-29 | Microsoft Technology Licensing, Llc | Monochromatic edge geometry reconstruction through achromatic guidance |
CN106897972A (zh) * | 2016-12-28 | 2017-06-27 | 南京第五十五所技术开发有限公司 | 一种白平衡与暗原色的自适应直方图水下图像增强方法 |
CN106971379A (zh) * | 2017-03-02 | 2017-07-21 | 天津大学 | 一种基于分层加权融合的水下图像增强方法 |
-
2018
- 2018-02-12 CN CN201810146485.3A patent/CN108447028A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9224362B2 (en) * | 2013-03-14 | 2015-12-29 | Microsoft Technology Licensing, Llc | Monochromatic edge geometry reconstruction through achromatic guidance |
CN106897972A (zh) * | 2016-12-28 | 2017-06-27 | 南京第五十五所技术开发有限公司 | 一种白平衡与暗原色的自适应直方图水下图像增强方法 |
CN106971379A (zh) * | 2017-03-02 | 2017-07-21 | 天津大学 | 一种基于分层加权融合的水下图像增强方法 |
Non-Patent Citations (2)
Title |
---|
COSMIN ANCUTI等: "Enhancing Underwater Images and Videos by Fusion", 《CVPR》 * |
邓蓉: "基于图像融合的水下图像增强研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949233A (zh) * | 2019-02-18 | 2019-06-28 | 深圳蓝韵医学影像有限公司 | 滤除x射线图像中散射线的方法、系统、设备及存储介质 |
CN110728647A (zh) * | 2019-10-16 | 2020-01-24 | 紫光展讯通信(惠州)有限公司 | 水下图像的增强方法及装置、存储介质、终端 |
CN111080537A (zh) * | 2019-11-25 | 2020-04-28 | 厦门大学 | 水下机器人智能控制方法、介质、设备及系统 |
CN111080537B (zh) * | 2019-11-25 | 2023-09-12 | 厦门大学 | 水下机器人智能控制方法、介质、设备及系统 |
CN111047530A (zh) * | 2019-11-29 | 2020-04-21 | 大连海事大学 | 基于多特征融合的水下图像颜色校正和对比度增强方法 |
CN111047530B (zh) * | 2019-11-29 | 2023-05-23 | 大连海事大学 | 基于多特征融合的水下图像颜色校正和对比度增强方法 |
CN112329796A (zh) * | 2020-11-12 | 2021-02-05 | 北京环境特性研究所 | 基于视觉显著性的红外成像卷云检测方法和装置 |
CN112329796B (zh) * | 2020-11-12 | 2023-05-23 | 北京环境特性研究所 | 基于视觉显著性的红外成像卷云检测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A survey of restoration and enhancement for underwater images | |
CN108447028A (zh) | 基于多尺度融合的水下图像质量改善方法 | |
CN111275626A (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
US20080253678A1 (en) | Denoise method on image pyramid | |
Ju et al. | BDPK: Bayesian dehazing using prior knowledge | |
Hassan et al. | The Retinex based improved underwater image enhancement | |
CN110544213A (zh) | 一种基于全局和局部特征融合的图像去雾方法 | |
Gao et al. | Detail preserved single image dehazing algorithm based on airlight refinement | |
CN105513025B (zh) | 一种改进的快速去雾方法 | |
Liu et al. | Rank-one prior: Real-time scene recovery | |
Tsutsui et al. | Halo artifacts reduction method for variational based realtime retinex image enhancement | |
Kumari et al. | Fast and efficient visibility restoration technique for single image dehazing and defogging | |
Wang et al. | Single Underwater Image Enhancement Based on $ L_ {P} $-Norm Decomposition | |
Yang et al. | A model-driven deep dehazing approach by learning deep priors | |
Anantrasirichai et al. | Mitigating the effects of atmospheric distortion using DT-CWT fusion | |
Liu et al. | Single image defogging method based on image patch decomposition and multi-exposure image fusion | |
CN114926367A (zh) | 煤矿降质图像的全息图生成方法 | |
Kumari et al. | Real time image and video deweathering: The future prospects and possibilities | |
Maik et al. | Blind deconvolution using maximum a posteriori (MAP) estimation with directional edge based priori | |
Gasparyan et al. | Iterative retinex-based decomposition framework for low light visibility restoration | |
Goel | The implementation of image enhancement techniques using Matlab | |
Menon et al. | An enhanced digital image processing based dehazing techniques for haze removal | |
Wang et al. | Fast visibility restoration using a single degradation image in scattering media | |
Jin et al. | Color Correction and Local Contrast Enhancement for Underwater Image Enhancement | |
Zeng et al. | Single image motion deblurring based on modified denseNet |
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: 20180824 |