CN108921805B - 一种图像及视频去雾霾方法、计算机装置及存储介质 - Google Patents
一种图像及视频去雾霾方法、计算机装置及存储介质 Download PDFInfo
- Publication number
- CN108921805B CN108921805B CN201810736227.0A CN201810736227A CN108921805B CN 108921805 B CN108921805 B CN 108921805B CN 201810736227 A CN201810736227 A CN 201810736227A CN 108921805 B CN108921805 B CN 108921805B
- Authority
- CN
- China
- Prior art keywords
- image
- haze
- value
- dark channel
- transmittance
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000002834 transmittance Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000011176 pooling Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 238000012163 sequencing technique Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G06T5/73—
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Abstract
本发明涉及一种图像及视频去雾霾方法、计算机装置及存储介质，所述图像去雾霾方法中包括以下步骤：对有雾霾图像划分为若干大小相等的矩形子块，引入适应度因子和邻域暗通道池化操作，计算出透射率，各个子块透射率的计算采用多线程进行，从而提高算法的实时性；采用基数排序法估计有雾图像的大气光值，获取前百分之0.1的高亮度像素值，作为大气光值的估计；根据前述透射率和大气光值，对图像进行去雾霾处理。本发明通过结合多线程处理、局部透射率计算和基数排序等处理方案，有效地提高了图像和视频的去雾霾处理速度，满足了去雾霾处理的实时性需求。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种图像及视频去雾霾方法、计算机装置及存储介质。
背景技术
雨雾天气或者雾霾天气造成拍摄的图片和视频图像质量差，清晰度低的问题，影响了图片和视频的视觉效果。在智能监控与模式识别领域，雾霾图片或视频往往严重降低了识别的精度，针对雾霾图片的去雾霾预处理成为识别系统必不可少的环节，去雾霾算法对于智能系统识别精度的提高具有重大的作用和意义。而且，对有雾霾图像的去雾霾处理具有广阔的应用前景，可应用于水下拍摄、航拍、遥感、户外监控、智能交通甚至是医学图像等，经过去雾霾处理的图像和视频更具有价值，有利于许多图像理解和计算机视觉应用，图像分类，图像/视频检索，遥感和视频分析和识别，给人们的生活带来很多的便利。
目前，何凯明博士提出的基于暗通道先验的图像去雾方法在实践中取得了很好的效果。暗通道先验是通过对户外无雾图像数据库进行统计得出的，即除天空之外的大多数户外无雾霾图像的每个局部区域中都存在这样的像素，该像素的至少一个颜色通道的灰度值很低。利用暗通道先验建立的去雾霾模型可直接估算雾霾的浓度并且可将有雾霾图像复原为高质量的去除雾霾干扰后的图像。但该方法在图像分辨率高时，所需运算量大，无法做到高分辨率视频的实时去雾霾，限制了其应用范围。因此，亟需一种可实时处理的图像与视频去雾霾方法。
发明内容
针对上述问题，本发明旨在提供一种图像及视频去雾霾方法、计算机装置及存储介质，提高图像及视频去雾霾的计算速度和计算效率。具体方案如下：
一种图像去雾霾方法，包括以下步骤：
S110：采集图像I(x)，将该图像I(x)划分为大小相同的矩形的子块Is(x)，其中x为像素点，下标s为子块序号，以下步骤中对子块的处理均采用多线程方式；
S120：分别计算每个子块的透射率ts(x)，其中下标s为对应的子块Is(x)的子块序号；
所述透射率ts(x)的计算方法如步骤S121-S126所示：
S121：根据公式
计算子块中每个像素点的暗通道值，得到该子块的暗通道图像，其中
为x像素点的暗通道值，
为x像素点在c∈{R,G,B}通道的值；
S122：将暗通道图像进行边缘补零；
S123：计算子块中每个像素点在边缘补零后的暗通道图像中的邻域最小值，所述邻域最小值为像素点x在Ω(x)的邻域中暗通道值的最小值，其中Ω(x)表示以像素点x为中心的方形邻域，其计算公式为：
其中，xj表示以像素点x为中心的方形邻域中的元素；
S124：利用公式
计算每个像素点的池化值ds(x)，根据池化值将暗通道图像转换为池化图像ds；
S125：根据公式
计算池化图像中每个像素点的均值，其中|Ω(x)|为x像素点的邻域个数，xi表示x像素点的周围邻域像素点，rs(x)表示x像素点的均值；
S126：根据公式
计算每个像素点的透射率，其中ts(x)为x像素点的透射率，
是适应度因子；
S130：采用基数排序法计算子块Is(x)的大气光值Ac；
S140：根据公式Js(x)＝(Is(x)-Ac)/max(ts(x),t0)+Ac进行去雾霾处理，获得无雾霾图像，其中t0为透射率阈值。
进一步的，步骤S126中所述适应度因子的取值范围为[0.85-1]。
进一步的，步骤S130中所述基数排序法的计算步骤为：
S131：设置队列数组T[256]，用来依序存储暗通道值为0～255的像素点；
S132：取出占总数0.1％的最亮的暗通道像素点存储在L数组中；
S133：根据公式
计算大气光值Ac。
进一步的，步骤S140中所述透射率阈值t0的取值范围为[0.05-0.2]。
一种视频去雾霾方法，基于本发明实施例一所述图像去雾霾方法，其特征在于，包括以下步骤：
S210：获取视频的第一帧图像；
S220：将图像按照权利要求1-4任一所述图像去雾霾方法进行去雾霾处理以获得无雾霾图像，判断是否存在下一帧图像，如存在，获取下一帧图像，进入S230，否则，进入S250；
S230：利用步骤S220计算得到的透射率ts(x)和大气光值Ac，将该帧图像通过步骤S140的方法进行去雾霾以获得无雾霾图像；
S240：判断是否存在下一帧图像，如存在，获取下一帧图像，返回S220，否则，进入S250；
S250：输出去雾霾后的视频。
一种计算机装置，包括视频输入模块、视频输出模块、处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例一所述方法的步骤。
一种计算机装置，包括视频输入模块、视频输出模块、处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例二所述方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本发明实施例一所述方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本发明实施例二所述方法的步骤。
本发明采用如上技术方案，并具有有益效果：本发明较于暗通道先验法，结合多线程处理、局部透射率计算和基数排序等处理方案，有效地提高了图像和视频的去雾霾处理速度，满足了去雾霾处理的实时性需求。
附图说明
图1所示为本发明实施例一的流程示意图。
图2所示为本发明实施例二的流程示意图。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一：
参考图1所示，本发明提供了一种图像去雾霾方法，其为一种基于暗通道先验法而改进的方案，主要是在透射率及大气光的计算上进行了算法运算速度的提升,主要包括以下步骤：
S110：采集图像I(x)，其中x为像素点，I(x)包含了R，G，B三通道的值，将该图像I(x)划分为大小相同的矩形子块，设子块为Is(x)，其中下标s为子块序号，以下步骤中对子块的处理均采用多线程方式。
S120：分别计算每个子块的透射率ts(x)，其中下标s为对应的子块Is(x)的子块序号。
所述子块的透射率ts(x)的计算方法如下面步骤S121-S126所示：
S121：根据公式
计算子块中每个像素点的暗通道值，得到该子块的暗通道图像，其中
为x像素点的暗通道值，
为x像素点在c∈{R,G,B}通道的值。
具体说明如下：比如C＝R，那么
表示x像素点在R通道的值；x像素点的暗通道值
则等于x像素点在R、G、B三个通道中的最小值。该实施例中，设某子块有9个像素点，表示为x1、x2、x3、…、x9，这个子块的R、G、B三个通道的值
分别为：
| 30 | 25 | 89 |
| 110 | 120 | 95 |
| 15 | 40 | 28 |
| 20 | 125 | 127 |
| 220 | 30 | 121 |
| 35 | 50 | 18 |
| 60 | 221 | 67 |
| 10 | 90 | 75 |
| 230 | 210 | 65 |
根据暗通道计算公式
计算，该子块中9个像素点的暗通道值分别为：
组成的暗通道图像
为：
| 20 | 25 | 67 |
| 10 | 30 | 75 |
| 15 | 40 | 18 |
S122：将暗通道图像进行边缘补零。
该实施例中，上述的暗通道图像
补零后为：
| 0 | 0 | 0 | 0 | 0 |
| 0 | 20 | 25 | 67 | 0 |
| 0 | 10 | 30 | 75 | 0 |
| 0 | 15 | 40 | 18 | 0 |
| 0 | 0 | 0 | 0 | 0 |
S123：计算子块中每个像素点在补零后的暗通道图像中的邻域最小值，所述邻域最小值为像素点x在Ω(x)的邻域中暗通道值的最小值，其中Ω(x)表示以像素点x为中心的方形邻域，其计算公式为：
其中，xj表示以像素点x为中心的方形邻域中的元素；
该实施例中，x1的暗通道值为20，即：
设定Ω(x)为3*3的方形邻域，则Ω(x1)为x1的3*3的方形邻域，具体为：
| 0 | 0 | 0 |
| 0 | 20 | 25 |
| 0 | 10 | 30 |
则像素点x1的邻域最小值为：
x5的暗通道值为30，即：
Ω(x5)为x5的3*3方形邻域，具体为：
| 20 | 25 | 67 |
| 10 | 30 | 75 |
| 15 | 40 | 18 |
则像素点x5的邻域最小值为：
S124：利用公式
计算每个像素点的池化值ds(x)，根据池化值将暗通道图像转换为池化图像ds。
该实施例中，x1的暗通道值为20，即：
步骤S123已计算
则
x5的暗通道值为30，即：
步骤S123已计算
则
依次论推，池化图像ds中的9个像素点的值分别为：ds(x1)＝20，ds(x2)＝25，ds(x3)＝67，ds(x4)＝10，ds(x5)＝20，ds(x6)＝75，ds(x7)＝15，ds(x8)＝40，ds(x9)＝18。
则上述的暗通道图像
经池化后为池化图像ds：
| 20 | 25 | 67 |
| 10 | 20 | 75 |
| 15 | 40 | 18 |
ds
S125：根据公式
计算池化图像中每个像素点的均值，其中|Ω(x)|为x像素点的邻域个数，xi表示x像素点的周围邻域像素点，rs(x)表示x像素点的均值。
该实施例中，Ω(x)为3*3的邻域，因此|Ω(x)|＝9。
S126：根据公式
计算每个像素点的透射率，其中ts(x)为x像素点的透射率，
是适应度因子。
适应度因子取值范围为[0.85-1]，具体的
值可以根据经验和实验结果确定。
S130：采用基数排序法计算子块Is(x)的大气光值Ac，
本实施例中采用的基数排序法的具体步骤如下：
S131：设置队列数组T[256]，用来依序存储暗通道值为0～255的像素点。
具体的，暗通道值为0的像素点存储在队列T[0]，暗通道值为1的像素点存储在队列T[1]，…，暗通道值为255的像素点存储在队列T[255]。
S132：取出占总数0.1％的最亮的暗通道像素点存储在L数组中。
该实施例中，经过上述步骤的基数排序后，可知暗通道灰度值最亮的像素点存储在队列T[255]中，次之存储在T[254]中。
S133：根据公式
计算大气光值Ac。
本领域技术人员根据上述可知，L数组中像素点对应的有雾霾图像中像素点的最大通道值，本领域人员也可以采用其他的排序方式提取最亮的像素点。
S140：根据公式Js(x)＝(Is(x)-Ac)/max(ts(x),t0)+Ac进行去雾霾处理，获得无雾霾图像，其中t0为透射率阈值。
透射率阈值t0取值范围为[0.05-0.2]，具体的阈值t0可以根据经验和实验结果确定。
实施例二
本领域技术人员可知，视频实际上有若干帧具有顺序关系的图像组合而成，而每一帧图像都可以利用本发明的图像去雾霾方法进行去雾霾处理。因此，本发明的图像去雾霾方法可用于视频的去雾霾处理。
如图2所示，本发明提供了一种视频去雾霾方法，基于实施例一种的图像去雾霾方法，包括以下步骤：
S210，获取视频的第一帧图像。
需要说明的是，本步骤开始前还包括通过无线方式或者网线接口或者HDMI接口或者DVI接口或者VGA接口等方式来接收视频。
S220，将图像按照实施例一种所述方法进行去雾霾处理以获得无雾霾图像，判断是否存在下一帧图像，如存在，获取视频的下一帧图像，进入S230，否则，进入S250。
S230：利用步骤S220中计算得到的透射率ts(x)和大气光值Ac，将该帧图像通过实施例一种步骤S140的方法进行去雾霾以获得无雾霾图像。
因透射率的计算需耗费大量计算时间，且前后帧图像相差不大，因此使相邻的两帧图像之间共享相同的透射率和大气光值，这样计算的速度可以得到提高。
S240：判断是否存在下一帧图像，如存在，获取视频的下一帧图像，返回S220，否则，进入S250。
S250：输出去雾霾后的视频。
所述输出为通过视频输出接口输出，所述输出接口可以为无线方式、网线接口、HDMI接口、DVI接口和VGA接口等。
实施例三：
本发明还提供一种计算机装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。为了实现图像的输入和输出，所述计算机装置还可以额外包括用于接收图像/视频的输入模块和用于输出图像/视频的输出模块。
进一步地，作为一个可执行方案，所述的用于图像/视频去雾霾的计算机装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机装置可包括但不仅限于，处理器、存储器。本领域技术人员可以理解，上述计算机装置的组成结构仅仅是一种示例，并不构成对具体所采用的计算机装置硬件条件的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述用于图像/视频去雾霾的计算机装置还可以包括输入输出设备、网络接入设备、总线等，本发明实施例中对此不做限定。
进一步地，作为一个可执行方案，所述输入模块可以包括无线方式或有线方式输入，其中无线方式可以采用5G或4G网络或WIFI网络，有线方式则可以采用网线接口、DVI接口、HDMI接口或VGA接口。所述输出模块也可以包括无线方式或有线方式输出，其中无线方式可以采用5G或4G网络或WIFI网络，有线方式则可以采用网线接口、DVI接口、HDMI接口或VGA接口。
所称处理器可以是中央处理单元(Centran Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digitan Signan Processor，DSP)、专用集成电路(Appnication Specific Integrated Circuit，ASIC)、现成可编程门阵列(Fiend-Programmabne Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述用于图像/视频去雾霾的计算机装置的控制中心，利用各种接口和线路连接其他的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述用于图像/视频去雾霾的计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digitan,SD)卡，闪存卡(Fnash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述用于图像/视频去雾霾的计算机装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Onny Memory)、随机存取存储器(RAM，Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。
Claims (9)
1.一种图像去雾霾方法，其特征在于，包括以下步骤：
S110：采集图像I(x)，将该图像I(x)划分为大小相同的矩形的子块Is(x)，其中x为像素点，下标s为子块序号，以下步骤中对子块的处理均采用多线程方式；
S120：分别计算每个子块的透射率ts(x)，其中下标s为对应的子块Is(x)的子块序号；
所述透射率ts(x)的计算方法如步骤S121-S126所示：
S121：根据公式
计算子块中每个像素点的暗通道值，得到该子块的暗通道图像，其中
为x像素点的暗通道值，
为x像素点在c∈{R,G,B}通道的值；
S122：将暗通道图像进行边缘补零；
S123：计算子块中每个像素点在边缘补零后的暗通道图像中的邻域最小值，所述邻域最小值为像素点x在Ω(x)的邻域中暗通道值的最小值，其中Ω(x)表示以像素点x为中心的方形邻域，其计算公式为：
其中，xj表示以像素点x为中心的方形邻域中的元素，j表示子块中像素点的序号；
S124：利用公式
计算每个像素点的池化值ds(x)，根据池化值将暗通道图像转换为池化图像ds；
S125：根据公式
计算池化图像中每个像素点的均值，其中|Ω(x)|为x像素点的邻域个数，xi表示x像素点的周围邻域像素点，i∈[1,|Ω(x)|]表示周围邻域中的像素点的序号，rs(x)表示x像素点的均值；
S126：根据公式
计算每个像素点的透射率，其中ts(x)为x像素点的透射率，
是适应度因子；
S130：采用基数排序法计算子块Is(x)的大气光值Ac；
S140：根据公式Js(x)＝(Is(x)-Ac)/max(ts(x),t0)+Ac进行去雾霾处理，获得无雾霾图像，其中t0为透射率阈值。
2.根据权利要求1所述的图像去雾霾方法，其特征在于：步骤S126中所述适应度因子
的取值范围为[0.85-1]。
3.根据权利要求1所述的图像去雾霾方法，其特征在于：步骤S130中所述基数排序法的计算步骤为：
S131：设置队列数组T[256]，用来依序存储暗通道值为0～255的像素点；
S132：取出占总数0.1％的最亮的暗通道像素点存储在数组L中；
S133：根据公式
计算大气光值Ac。
4.根据权利要求1所述的图像去雾霾方法，其特征在于：步骤S140中所述透射率阈值t0的取值范围为[0.05-0.2]。
5.一种视频去雾霾方法，基于权利要求1-4任一所述图像去雾霾方法，其特征在于，包括以下步骤：
S210：获取视频的第一帧图像；
S220：将图像按照权利要求1-4任一所述图像去雾霾方法进行去雾霾处理以获得无雾霾图像，判断是否存在下一帧图像，如存在，获取下一帧图像，进入S230，否则，进入S250；
S230：利用步骤S220计算得到的透射率ts(x)和大气光值Ac，将该帧图像通过步骤S140的方法进行去雾霾以获得无雾霾图像；
S240：判断是否存在下一帧图像，如存在，获取下一帧图像，返回S220，否则，进入S250；
S250：输出去雾霾后的视频。
6.一种计算机装置，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～4任一所述方法的步骤。
7.一种计算机装置，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求5所述方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～4任一所述方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求5所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810736227.0A CN108921805B (zh) | 2018-07-06 | 2018-07-06 | 一种图像及视频去雾霾方法、计算机装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810736227.0A CN108921805B (zh) | 2018-07-06 | 2018-07-06 | 一种图像及视频去雾霾方法、计算机装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108921805A CN108921805A (zh) | 2018-11-30 |
| CN108921805B true CN108921805B (zh) | 2020-11-03 |
Family
ID=64425018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810736227.0A Expired - Fee Related CN108921805B (zh) | 2018-07-06 | 2018-07-06 | 一种图像及视频去雾霾方法、计算机装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108921805B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020181510A1 (zh) * | 2019-03-12 | 2020-09-17 | 深圳市大疆创新科技有限公司 | 一种图像数据处理方法、装置及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8350933B2 (en) * | 2009-04-08 | 2013-01-08 | Yissum Research Development Company Of The Hebrew University Of Jerusalem, Ltd. | Method, apparatus and computer program product for single image de-hazing |
| 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 |
| CN104299198A (zh) * | 2014-10-14 | 2015-01-21 | 嘉应学院 | 基于像素点暗通道的快速图像去雾方法 |
| CN106530246A (zh) * | 2016-10-28 | 2017-03-22 | 大连理工大学 | 基于暗通道与非局部先验的图像去雾方法及系统 |
| CN107292837A (zh) * | 2017-06-05 | 2017-10-24 | 天津大学 | 基于误差补偿的图像去雾算法 |
-
2018
- 2018-07-06 CN CN201810736227.0A patent/CN108921805B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8350933B2 (en) * | 2009-04-08 | 2013-01-08 | Yissum Research Development Company Of The Hebrew University Of Jerusalem, Ltd. | Method, apparatus and computer program product for single image de-hazing |
| 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 |
| CN104299198A (zh) * | 2014-10-14 | 2015-01-21 | 嘉应学院 | 基于像素点暗通道的快速图像去雾方法 |
| CN106530246A (zh) * | 2016-10-28 | 2017-03-22 | 大连理工大学 | 基于暗通道与非局部先验的图像去雾方法及系统 |
| CN107292837A (zh) * | 2017-06-05 | 2017-10-24 | 天津大学 | 基于误差补偿的图像去雾算法 |
Non-Patent Citations (2)
| Title |
|---|
| Polarization Filtering for Automatic Image Dehazing Based on Contrast;Xiaoming Li et al;《2017 9th IEEE International Conference on Communication Software and Networks》;20171221;全文 * |
| 基于暗通道边缘细化的图像快速去雾算法研究;冯辉 等;《中南民族大学学报(自然科学版)》;20170930;第36卷(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108921805A (zh) | 2018-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110544213B (zh) | 一种基于全局和局部特征融合的图像去雾方法 | |
| US20210158488A1 (en) | Image edge processing method, electronic device, and computer readable storage medium | |
| WO2021068330A1 (zh) | 智能图像分割及分类方法、装置及计算机可读存储介质 | |
| US11156564B2 (en) | Dirt detection on screen | |
| CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
| US10609303B2 (en) | Method and apparatus for rapid improvement of smog/low-light-level image using mapping table | |
| KR20150031241A (ko) | 이미지의 색 조화를 위한 장치 및 방법 | |
| CN110991310B (zh) | 人像检测方法、装置、电子设备及计算机可读介质 | |
| CN110570435A (zh) | 用于对车辆损伤图像进行损伤分割的方法及装置 | |
| WO2019090580A1 (en) | System and method for image dynamic range adjusting | |
| CN110717864B (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
| CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN109118441B (zh) | 一种低照度图像及视频增强方法、计算机装置及存储介质 | |
| CN108921805B (zh) | 一种图像及视频去雾霾方法、计算机装置及存储介质 | |
| CN113012068B (zh) | 图像去噪方法、装置、电子设备及计算机可读存储介质 | |
| CN110378860A (zh) | 修复视频的方法、装置、计算机设备和存储介质 | |
| CN107424134B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
| CN107292892B (zh) | 视频帧图像的分割方法及装置 | |
| CN110570441B (zh) | 一种超高清低延时视频控制方法及系统 | |
| CN108416815B (zh) | 大气光值的测定方法、设备及计算机可读存储介质 | |
| CN114418848B (zh) | 视频处理方法、装置、存储介质及电子设备 | |
| CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 | |
| CN115631108A (zh) | 一种基于rgbd的图像去雾方法及相关设备 | |
| Guo et al. | Single Image Dehazing Using Adaptive Sky Segmentation | |
| CN107317968A (zh) | 图像去雾方法、装置、计算机可存储介质和移动终端 |
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: 20201103 Termination date: 20210706 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |