CN108898561B - 一种含天空区域雾天图像的去雾方法、服务器及系统 - Google Patents

一种含天空区域雾天图像的去雾方法、服务器及系统 Download PDF

Info

Publication number
CN108898561B
CN108898561B CN201810644926.2A CN201810644926A CN108898561B CN 108898561 B CN108898561 B CN 108898561B CN 201810644926 A CN201810644926 A CN 201810644926A CN 108898561 B CN108898561 B CN 108898561B
Authority
CN
China
Prior art keywords
image
sky
sky area
foggy
region
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.)
Expired - Fee Related
Application number
CN201810644926.2A
Other languages
English (en)
Other versions
CN108898561A (zh
Inventor
杨峰
白荣鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Normal University
Original Assignee
Shandong Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Normal University filed Critical Shandong Normal University
Priority to CN201810644926.2A priority Critical patent/CN108898561B/zh
Publication of CN108898561A publication Critical patent/CN108898561A/zh
Application granted granted Critical
Publication of CN108898561B publication Critical patent/CN108898561B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • G06T2207/30192—Weather; Meteorology

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明公开了一种含天空区域雾天图像的去雾方法、服务器及系统。其中，该方法包括：利用梯度和亮度阈值对包含天空区域雾天图像进行分割，得到天空区域图像和非天空区域图像；对于非天空区域图像，采用图像融合的方法细化透射率，得到去雾图像；对于天空区域图像，采用含天空区域雾天图像的大气光值来代替去雾后的天空区域亮度值，设定修正参数来增大透射率得到去雾图像，将非天空区域图像和天空区域图像去雾后得到的去雾图像进行融合，得到最终的去雾图像。其能够改善包含天空区域的雾天图像处理效果不佳的问题。

Description

一种含天空区域雾天图像的去雾方法、服务器及系统
技术领域
本发明属于数字图像处理领域，尤其涉及一种含天空区域雾天图像的去雾方法、服务器及系统。
背景技术
雾霾天气中，出行无法观看到清晰的道路路线，科研采集的重要图像无法提取有效信息，视觉系统等都会受到影响，因此对图像的去雾处理研究有重要的意义。
根据去雾算法原理的不同，可以将主要的图像的去雾算法分为两大类：
第一类是图像增强的方法，这类方法不考虑雾霾图像的降质过程。其最终目的是提升视觉效果，因此直接考虑提升雾天图像的对比度，将图像经过各种锐化处理来实现。其主要代表方法有直方图均衡化，Retinex算法，同态滤波的方法以及小波变化的方法。其中：
方图均衡化算法能较好地增强局部信息，但是要对图像中的像素逐点进行运算，算法耗时较长，并且处理后的图像中存在局部块状效应；Retinex算法可改善图像颜色恒常性，提高图像对比度，有效地显示图像中暗区域的细节信息，但是处理后的图像易产生边缘模糊且色彩失真的问题；同态滤波的方法主要通过两次傅里叶变换采用适合的高通滤波器对图像进行滤波，保留反映图像的原始面貌，增强图像的全局对比度，但是不能有效增强图像的局部细节，导致处理后的图像细节信息不突出，视觉效果不理想；小波变换算法能够较好地增强图像的细节，但是无法解决图像过亮、过暗或是光照不均匀的情况。
另一类是基于物理模型的去雾算法，它是根据大气散射模型建立的。在此模型中，需要求解的未知变量过多，但有效信息较少，是一个病态求解。如何判断大气传输和环境光照是解决这一病态问题的关键。
综上所述，现有的图像去雾方法均存在处理后图像视觉效果不佳的问题，亟需一种能够改善包含天空区域的雾天图像视觉效果的去雾方法。
发明内容
为了解决现有技术的不足，本发明的第一目的是提供一种含天空区域雾天图像的去雾方法，其能够改善包含天空区域的雾天图像处理效果不佳的问题。
本发明的一种含天空区域雾天图像的去雾方法，包括：
利用梯度和亮度阈值对包含天空区域雾天图像进行分割，得到天空区域图像和非天空区域图像；
对于非天空区域图像，采用图像融合的方法细化透射率，得到去雾图像；
对于天空区域图像，采用含天空区域雾天图像的大气光值来代替去雾后的天空区域亮度值，设定修正参数来增大透射率得到去雾图像；
将非天空区域图像和天空区域图像去雾后得到的去雾图像进行融合，得到最终的去雾图像。
进一步的，对于梯度阈值的选取过程为：
统计包含天空区域雾天图像的梯度概率信息，选择出现概率最大的梯度为梯度阈值以避免误检。
进一步的，亮度阈值为包含天空区域雾天图像中雾的浓度大小相关且预先设置的。
进一步的，利用四分法求得含天空区域雾天图像的大气光值。
进一步的，对非天空区域透射率还通过加权图像融合的方法细化透射率。
本发明的第二目的是提供一种含天空区域雾天图像的去雾服务器。
本发明的一种含天空区域雾天图像的去雾服务器，包括：
图像分割模块，其被配置为：利用梯度和亮度阈值对包含天空区域雾天图像进行分割，得到天空区域图像和非天空区域图像；
非天空区域图像处理模块，其被配置为：对于非天空区域图像，采用图像融合的方法细化透射率，得到去雾图像；
天空区域图像处理模块，其被配置为：对于天空区域图像，采用含天空区域雾天图像的大气光值来代替去雾后的天空区域亮度值，设定修正参数来增大透射率得到去雾图像；
图像融合模块，其被配置为：将非天空区域图像和天空区域图像去雾后得到的去雾图像进行融合，得到最终的去雾图像。
进一步的，在所述图像分割模块中，对于梯度阈值的选取过程为：
统计包含天空区域雾天图像的梯度概率信息，选择出现概率最大的梯度为梯度阈值以避免误检；
或/和
在所述图像分割模块中，亮度阈值为包含天空区域雾天图像中雾的浓度大小相关且预先设置的。
进一步的，在所述天空区域图像处理模块中，利用四分法求得含天空区域雾天图像的大气光值。
进一步的，在所述非天空区域图像处理模块中，对非天空区域透射率还通过加权图像融合的方法细化透射率。
本发明的第三目的是提供一种含天空区域雾天图像的去雾系统。
本发明的一种含天空区域雾天图像的去雾系统，包括上述所述的含天空区域雾天图像的去雾服务器。
与现有技术相比，本发明的有益效果是：
(1)本发明可以处理包含大面积天空区域的雾天图像，并取得良好的去雾效果。
(2)本发明得到的去雾图像，天空区域的色彩偏移明显减弱，而且图像整体色彩接近于实际物体的色彩，整体效果看起来较为明亮，清晰自然。
(3)本发明有效地效减弱了非天空区域的块效应现象。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明的一种含天空区域雾天图像的去雾方法实施例流程图；
图2(a)为待处理的原始有雾图像；
图2(b)为本发明处理后得到的无雾图像；
图3(a)为待处理的原始有雾图像；
图3(b)为直方图均衡化方法处理结果；
图3(c)为何凯明的方法处理后结果；
图3(d)为本发明的处理结果。
图4为本发明的一种含天空区域雾天图像的去雾服务器结构示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明所提供的一种含天空区域雾天图像的去雾方法，能够改善包含天空区域的雾天图像处理效果不佳的问题。
如图1所示，本发明的一种含天空区域雾天图像的去雾方法实施之前，获取包含天空区域的雾天图像J(x)。
具体地，本发明采用的技术方案是：
步骤1：利用梯度和亮度阈值对包含天空区域雾天图像进行分割，得到天空区域图像和非天空区域图像；
对于梯度阈值的选取，统计包含天空区域雾天图像的梯度概率信息，选择出现概率最大的梯度为梯度阈值以避免误检。
在具体实施中，也可适当调整出现概率最大的梯度后作为梯度阈值，目的是为了避免误检。
其中，亮度阈值为包含天空区域雾天图像中雾的浓度大小相关且预先设置的。
例如：当待处理的雾天图像其天空区域部分所占整幅图像比例要在5％之上时，亮度阈值的选取采取有以下的计算方式：
(1)计算亮度直方图，平均分为20份，并计算平均亮度记为L mean，和最大亮度Lmax；
(2)在亮度较大的区域[Lmax-50,Lmax]之间统计出现频率最大的亮度值记为L1；
(3)在平均亮度与最大频率亮度[Lmean,L1]之间统计出现频率最小的亮度值记为L2；
(4)计
Figure BDA0001703287990000051
若Lmax-L3≥30，则设定亮度阈值为L3+10；若Lmax-L3≤10，则设定阈值为L3-10；否则设定阈值为L3。
步骤2：对于非天空区域图像，采用图像融合的方法细化透射率，得到去雾图像；
具体地，首先对目标图像进行下采样处理，随后对采样后的图像求取透射率图像和灰度值图像，然后进行融合，最后采用插值得方法恢复到原图结构，得到细化的透射率图像，利用公式(1)计算去雾图像。
Figure BDA0001703287990000052
其中，I(x)表示待处理的含雾图像，A表示大气光值，t(x)表示光线透射率，t0为避免求取的透射率值过小设定的阈值，设定为0.1。
本发明还对非天空区域进行细化处理。对非天空区域透射率还通过加权图像融合的方法细化透射率。
其具体过程为：
首先求得待细化的透射率图像，然后与图像的灰度图进行融合得到细化后的透射率，代入公式(1)计算。
步骤3：对于天空区域图像，采用含天空区域雾天图像的大气光值来代替去雾后的天空区域亮度值，设定修正参数来增大透射率得到去雾图像，
利用四分法求得大气光值，其过程为：
首先将输入图像J(x)划分为四部分，然后分别计算每部分的比重，然后选择比重最高的区域进一步进行划分，再次计算各部分的比重，继续选择比重大的区域划分，重复操作，直到最终划分的区域小于我们预先设定的阈值，最后选择比重最大的区域作为大气光值预估值的最终区域。最终区域内像素点的均值作为大气光值的估计值。
除了四分法外，还还可直接选取图像中最大亮度像素值作为大气光值的方法。
采用四分法的好处在于可以求取最接近大气光值的像素区域，保证估计大气光值的准确性，尽可能的减小复原误差。
在本发明中，定义一个差值K＝|Isky-A|，因为去雾前后天空区域都要满足接近大气光值，也就是两者之间与大气光值之间的差值要小，所以用大气光值来近似代替去雾后的天空区域亮度值。并引入一个阈值T，将透射率放大一定的倍数，如公式(2)所示：
Figure BDA0001703287990000061
其中，y表示局部区域内的像素值，Ω(x)表示某一局部区域，c代表R,G,B三种颜色通道中的一种；Ic(y)和Ac分别代表某一颜色通道中局部区域内的含雾图像和大气光值。
为了避免透射率被过度放大，设定了最大阈值1。所以天空区域透射率采用公式(2)进行计算，代入公式(1)得到去雾图像。
步骤4：将非天空区域图像和天空区域图像去雾后得到的去雾图像进行融合，得到最终的去雾图像。
本发明的一种含天空区域雾天图像的去雾方法，其优势在于：
(1)本发明可以处理包含大面积天空区域的雾天图像，并取得良好的去雾效果。由图2(a)和图2(b)对比发现，经过本发明的该方法得到的去雾图像，天空区域的色彩偏移明显减弱，而且图像整体色彩接近于实际物体的色彩，整体效果看起来较为明亮，清晰自然。有雾图像在经过暗通道去雾算法处理后，在非天空区域得到很好地处理效果，细节还原较为清晰，但是在天空区域的结果却出现了偏差，色彩偏移的效果在图3(a)中尤为明显。
(2)本发明有效减弱了非天空区域的块效应现象。图3(b)和图3(c)中的非天空区域偏离了真实场景，如图3(b)中非天空区域细节不清晰，图3(c)中细节偏白，过于明亮，而图3(d)中是最符合真实场景的。
本发明还提供了一种含天空区域雾天图像的去雾服务器。
如图4所示，本发明的一种含天空区域雾天图像的去雾服务器，包括：
(1)图像分割模块，其被配置为：利用梯度和亮度阈值对包含天空区域雾天图像进行分割，得到天空区域图像和非天空区域图像；
具体地，在所述图像分割模块中，对于梯度阈值的选取过程为：
统计包含天空区域雾天图像的梯度概率信息，选择出现概率最大的梯度为梯度阈值以避免误检。
在所述图像分割模块中，亮度阈值为包含天空区域雾天图像中雾的浓度大小相关且预先设置的。
例如：当待处理的雾天图像其天空区域部分所占整幅图像比例要在5％之上时，亮度阈值的选取采取有以下的计算方式：
(1)计算亮度直方图，平均分为20份，并计算平均亮度记为L mean，和最大亮度Lmax；
(2)在亮度较大的区域[Lmax-50,Lmax]之间统计出现频率最大的亮度值记为L1；
(3)在平均亮度与最大频率亮度[Lmean,L1]之间统计出现频率最小的亮度值记为L2；
(4)计
Figure BDA0001703287990000071
若Lmax-L3≥30，则设定亮度阈值为L3+10；若Lmax-L3≤10，则设定阈值为L3-10；否则设定阈值为L3。
(2)非天空区域图像处理模块，其被配置为：对于非天空区域图像，采用图像融合的方法细化透射率，得到去雾图像；
具体地，在所述非天空区域图像处理模块中，对非天空区域透射率还通过加权图像融合的方法细化透射率。
(3)天空区域图像处理模块，其被配置为：对于天空区域图像，采用含天空区域雾天图像的大气光值来代替去雾后的天空区域亮度值，设定修正参数来增大透射率得到去雾图像，
具体地，在所述天空区域图像处理模块中，利用四分法求得含天空区域雾天图像的大气光值。
(4)图像融合模块，其被配置为：将非天空区域图像和天空区域图像去雾后得到的去雾图像进行融合，得到最终的去雾图像。
本发明还提供了一种含天空区域雾天图像的去雾系统。
本发明的一种含天空区域雾天图像的去雾系统，包括如图4所示的含天空区域雾天图像的去雾服务器。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.一种含天空区域雾天图像的去雾方法，其特征在于，包括：
利用梯度和亮度阈值对包含天空区域雾天图像进行分割，得到天空区域图像和非天空区域图像；
对于非天空区域图像，采用图像融合的方法细化透射率，得到去雾图像；
对非天空区域透射率还通过加权图像融合的方法细化透射率；
对于天空区域图像，采用含天空区域雾天图像的大气光值来代替去雾后的天空区域亮度值，设定修正参数来增大透射率得到去雾图像；将透射率放大一定的倍数，公式为
Figure FDA0003057390760000011
将非天空区域图像和天空区域图像去雾后得到的去雾图像进行融合，得到最终的去雾图像；
利用四分法求得含天空区域雾天图像的大气光值；
首先将输入图像J(x)划分为四部分，然后分别计算每部分的比重，然后选择比重最高的区域进一步进行划分，再次计算各部分的比重，继续选择比重大的区域划分，重复操作，直到最终划分的区域小于预先设定的阈值，最后选择比重最大的区域作为大气光值预估值的最终区域，最终区域内像素点的均值作为大气光值的估计值。
2.如权利要求1所述的一种含天空区域雾天图像的去雾方法，其特征在于，对于梯度阈值的选取过程为：
统计包含天空区域雾天图像的梯度概率信息，选择出现概率最大的梯度为梯度阈值以避免误检。
3.如权利要求1所述的一种含天空区域雾天图像的去雾方法，其特征在于，亮度阈值为包含天空区域雾天图像中雾的浓度大小相关且预先设置的。
4.一种含天空区域雾天图像的去雾服务器，其特征在于，包括：
图像分割模块，其被配置为：利用梯度和亮度阈值对包含天空区域雾天图像进行分割，得到天空区域图像和非天空区域图像；
非天空区域图像处理模块，其被配置为：对于非天空区域图像，采用图像融合的方法细化透射率，得到去雾图像；
对非天空区域透射率还通过加权图像融合的方法细化透射率；
天空区域图像处理模块，其被配置为：对于天空区域图像，采用含天空区域雾天图像的大气光值来代替去雾后的天空区域亮度值，设定修正参数来增大透射率得到去雾图像，将透射率放大一定的倍数，公式为
Figure FDA0003057390760000021
图像融合模块，其被配置为：将非天空区域图像和天空区域图像去雾后得到的去雾图像进行融合，得到最终的去雾图像；
利用四分法求得含天空区域雾天图像的大气光值；
首先将输入图像J(x)划分为四部分，然后分别计算每部分的比重，然后选择比重最高的区域进一步进行划分，再次计算各部分的比重，继续选择比重大的区域划分，重复操作，直到最终划分的区域小于预先设定的阈值，最后选择比重最大的区域作为大气光值预估值的最终区域，最终区域内像素点的均值作为大气光值的估计值。
5.如权利要求4所述的一种含天空区域雾天图像的去雾服务器，其特征在于，在所述图像分割模块中，对于梯度阈值的选取过程为：
统计包含天空区域雾天图像的梯度概率信息，选择出现概率最大的梯度为梯度阈值以避免误检。
6.如权利要求4所述的一种含天空区域雾天图像的去雾服务器，其特征在于，在所述图像分割模块中，亮度阈值为包含天空区域雾天图像中雾的浓度大小相关且预先设置的。
7.一种含天空区域雾天图像的去雾系统，其特征在于，包括如权利要求4-6中任一项所述的含天空区域雾天图像的去雾服务器。
CN201810644926.2A 2018-06-21 2018-06-21 一种含天空区域雾天图像的去雾方法、服务器及系统 Expired - Fee Related CN108898561B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810644926.2A CN108898561B (zh) 2018-06-21 2018-06-21 一种含天空区域雾天图像的去雾方法、服务器及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810644926.2A CN108898561B (zh) 2018-06-21 2018-06-21 一种含天空区域雾天图像的去雾方法、服务器及系统

Publications (2)

Publication Number Publication Date
CN108898561A CN108898561A (zh) 2018-11-27
CN108898561B true CN108898561B (zh) 2021-10-19

Family

ID=64345252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810644926.2A Expired - Fee Related CN108898561B (zh) 2018-06-21 2018-06-21 一种含天空区域雾天图像的去雾方法、服务器及系统

Country Status (1)

Country Link
CN (1) CN108898561B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465720B (zh) * 2020-11-27 2024-02-23 南京邮电大学 一种基于图像天空分割的图像去雾方法、装置和存储介质
CN112581411B (zh) * 2021-02-26 2021-06-15 深圳金三立视频科技股份有限公司 一种图像去雾的方法及终端
CN113516602B (zh) * 2021-07-14 2022-11-22 广东汇天航空航天科技有限公司 一种图像去雾方法、图像去雾装置、电子设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065285A (zh) * 2012-12-30 2013-04-24 信帧电子技术（北京）有限公司 图像数据的去雾方法及装置
US9288458B1 (en) * 2015-01-31 2016-03-15 Hrl Laboratories, Llc Fast digital image de-hazing methods for real-time video processing
CN106204494B (zh) * 2016-07-15 2019-11-22 潍坊学院 一种包含大面积天空区域的图像去雾方法及系统

Also Published As

Publication number Publication date
CN108898561A (zh) 2018-11-27

Similar Documents

Publication Publication Date Title
CN110148095B (zh) 一种水下图像增强方法及增强装置
CN108876743B (zh) 一种图像快速去雾方法、系统、终端及存储介质
Gao et al. Sand-dust image restoration based on reversing the blue channel prior
Liu et al. Single image dehazing via large sky region segmentation and multiscale opening dark channel model
CN108898561B (zh) 一种含天空区域雾天图像的去雾方法、服务器及系统
CN108133462B (zh) 一种基于梯度场区域分割的单幅图像的复原方法
Pei et al. Effective image haze removal using dark channel prior and post-processing
Ehsan et al. A single image dehazing technique using the dual transmission maps strategy and gradient-domain guided image filtering
CN114331873A (zh) 一种基于区域划分的非均匀光照彩色图像校正方法
CN111598814B (zh) 基于极端散射通道的单图像去雾方法
CN114219732A (zh) 基于天空区域分割和透射率细化的图像去雾方法及系统
Park et al. Nighttime image dehazing with local atmospheric light and weighted entropy
CN103729828A (zh) 视频去雨方法
Yuan et al. A confidence prior for image dehazing
Fuh et al. Mcpa: A fast single image haze removal method based on the minimum channel and patchless approach
CN112200755B (zh) 一种图像去雾方法
Sun et al. Fast single image dehazing using iterative bilateral filter
Hong et al. Single image dehazing based on pixel-wise transmission estimation with estimated radiance patches
CN112825189B (zh) 一种图像去雾方法及相关设备
Abbaspour et al. A new fast method for foggy image enhancement
CN107203979B (zh) 一种低照度图像增强的方法
Shi et al. Image haze removal using dark channel prior and minimizing energy function
Negru et al. Exponential image enhancement in daytime fog conditions
CN111028184B (zh) 一种图像增强方法及系统
Li et al. Laplace dark channel attenuation-based single image defogging in ocean scenes

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211019