CN109360169B - 一种单幅图像去雨除雾的信号处理方法 - Google Patents

一种单幅图像去雨除雾的信号处理方法 Download PDF

Info

Publication number
CN109360169B
CN109360169B CN201811242065.1A CN201811242065A CN109360169B CN 109360169 B CN109360169 B CN 109360169B CN 201811242065 A CN201811242065 A CN 201811242065A CN 109360169 B CN109360169 B CN 109360169B
Authority
CN
China
Prior art keywords
rain
image
fog
color space
frequency domain
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
Application number
CN201811242065.1A
Other languages
English (en)
Other versions
CN109360169A (zh
Inventor
李东泰
张洁
何理
张博
曹品
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201811242065.1A priority Critical patent/CN109360169B/zh
Publication of CN109360169A publication Critical patent/CN109360169A/zh
Application granted granted Critical
Publication of CN109360169B publication Critical patent/CN109360169B/zh
Active 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
    • 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
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种单幅图像去雨除雾的信号处理方法，提供了一种无需对雨、雾天气做分类的通用型单幅图像快速去雨除雾方法，它以雨、雾天气光学成像过程为计算依据，基于雨、雾天气的大气粒子传播分布特性生成调制传播函数，对原始雨雾降质图像进行空间域解混，同时去除雨、雾信号分量，能有效消除雨、雾造成的图像退化，可以大大提高图像复原的处理速度、色彩保真度和细节清晰度。

Description

一种单幅图像去雨除雾的信号处理方法
技术领域
本发明属于计算机视觉技术领域，具体涉及一种单幅图像去雨除雾的信号处理方法。
背景技术
雨天常常伴有雾气，在雨、雾恶劣天气拍摄的户外图像中，由于大气粒子对光的吸收和散射影响，导致图像细节特征模糊、信息可辨识度降低、色彩保真度下降。
现有的单幅图像复原研究成果或只适于去雨，或只能用于除雾，需要根据天气类型的不同对图像进行分类，再采取不同方法分别进行雨、雾的去除处理，存在误检测和误分类的问题，影响户外图像处理的质量与效率。
当前对于雨天图像的处理方法大致分为频域滤波法、雨滴成像模型法、颜色先验法；对于雾天图像的处理方法主要包括Retinex增强法、暗通道先验法、颜色统计法。雨天的频域滤波法与雾天的Retinex增强法是对原始图像滤去低频成份而保留高频信息，这类方法在计算时，不考虑雨、雾天气光学成像过程，只采用图像增强手段来改善视觉效果，缺乏理论模型的支撑，处理结果难以达到动态范围压缩、细节增强和颜色保真度很多方面的折中平衡；其他几类方法则需要开展大规模稀疏矩阵运算，具有较高的时间复杂度和空间复杂度，存在计算速度过慢的问题，不适用于自动驾驶、移动机器人导航与视觉伺服系统等实时性要求较高的领域。
发明内容
针对现有技术中的上述不足，本发明提供的单幅图像去雨除雾的信号处理方法解决了现有的相关图像处理方法中缺乏理论模型的支撑，时间复杂度和空间复杂度高，处理结果难以达到动态范围压缩、细节增强和颜色保真度等方面的折中平衡的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种单幅图像去雨除雾的信号处理方法，包括以下步骤：
S1、在雨天采集含有雨雾的雨雾降质图像，并对其进行形态学腐蚀处理；
S2、对形态学腐蚀处理后的图像计算生成暗通道图像；
S3、根据生成的暗通道图进行径向基函数插值拟合，得到大气调制传播特性的平滑曲面函数；
S4、对平滑曲面函数和雨雾降质图像的各颜色空间分量分别进行二维傅里叶变换，得到平滑曲面函数频域信号和雨雾降质图像各颜色空间分量的频域信号；
S5、对平滑曲面函数频域信号和雨雾降质图像各颜色空间分量的频域信号进行频域相乘滤波和逆傅里叶变换，得到雨雾降质图像各颜色空间雨雾入射光亮度的空间域信号；
S6、在对数域中，结合雨雾降质图像各颜色空间雨雾入射光亮度的空间域信号和雨雾降质图像中的各颜色空间分量，对其进行解混分离，得到各颜色空间对数域去雨除雾信号分量；
S7、对各颜色空间对数域去雨除雾信号分量进行指数变化与对比度拉伸，得到去雨除雾后的清晰图像。
进一步地，所述步骤S1中：
将雨雾降质图像I中结构元素确定为
Figure BDA0001839585390000021
对雨雾降质图像进行形态学腐蚀处理的公式具体为：
Figure BDA0001839585390000022
其中，I’为形态学腐蚀处理后的图像；
Figure BDA0001839585390000031
为图像形态学腐蚀操作运算符。
进一步地，所述步骤S2中：
计算生成的暗通道图像中各个像素点z的取值Idark(z)为：
Figure BDA0001839585390000032
其中，Ic(q)为雨雾降质图像I在颜色通道c中坐标q处的取值；
c∈{r,g,b}，对应于红、绿和蓝颜色空间；
Ω(z)为以z为中心的局部区域。
进一步地，所述步骤S3中进行径向基函数插值拟合的函数表达式为：
Figure BDA0001839585390000033
其中，h(z)为得到的大气调制传播特性的平滑曲面函数；
c0、c1和λi为拟合系数；
zi为观测的n个数据点集；
Figure BDA0001839585390000034
为径向基函数，且
Figure BDA0001839585390000035
r为空间点z与zi之间的距离。
进一步地，所述步骤S4中：
对平滑曲面函数h(z)进行二维傅里叶变换得到平滑曲面函数频域信号H(s)的公式为：
Figure BDA0001839585390000036
对雨雾降质图像的红、绿和蓝颜色空间分量R(z)、G(z)和B(z)分别进行二维傅里叶变换得到雨雾降质图像红、绿和蓝颜色空间分量的频域信号RF(s)、GF(s)和BF(s)的公式为：
Figure BDA0001839585390000037
Figure BDA0001839585390000038
Figure BDA0001839585390000041
其中，
Figure BDA0001839585390000042
为对[·]进行二维傅里叶变换，且
Figure BDA0001839585390000043
的二维傅里叶变换公式为：
Figure BDA0001839585390000044
其中，x为图像的空间域横坐标；
y为图像的空间域纵坐标；
M为图像的行数；
N为图像的列数；
u为图像的频率域横坐标；
v为图像的频率域纵坐标；
j为虚数单位；
π为圆周率。
进一步地，所述步骤S5中，进行频域相乘滤波和逆傅里叶变换得到雨雾降质图像红、绿和蓝颜色空间雨雾入射光亮度的空间域信号DR(z)、DG(z)和DB(z)的公式为：
Figure BDA0001839585390000045
Figure BDA0001839585390000046
Figure BDA0001839585390000047
其中，
Figure BDA0001839585390000048
为对[·]进行频域相乘滤波和逆傅里叶变换，且
Figure BDA0001839585390000049
具体计算公式为：
Figure BDA00018395853900000410
进一步地，所述步骤S6中结合雨雾降质图像红、绿和蓝颜色空间雨雾入射光亮度的空间域信号DR(z)、DG(z)、DB(z)和雨雾降质图像中的各颜色空间分量R(z)、G(z)和B(z)，对其进行解混分离得到红、绿和蓝颜色空间对数域去雨除雾信号分量Rr(z)、Gg(z)和Bb(z)的公式为：
Rr(z)←log[R(z)+1]-log[DR(z)+1]；
Gg(z)←log[G(z)+1]-log[DG(z)+1]；
Bb(z)←log[B(z)+1]-log[DB(z)+1]。
进一步地，所述步骤S7中进行对比度拉伸的公式为：
Figure BDA0001839585390000051
其中，f(p)为对比度拉伸后的颜色空间函数值；
p为对比度拉伸前的颜色空间函数值；
p1为首段输入颜色空间函数值上边界；
q1为首段输出颜色空间函数值上边界；
p2为末段输入颜色空间函数值下边界；
q2为末段输出颜色空间函数值下边界。
本发明提供的单幅图像去雨除雾的信号处理方法具有以下优点：
(1)以雨滴成像模型和雾气粒子散射模型为计算依据，有正确的物理数学理论模型支撑；
(2)统一了去雨、除雾图像处理的计算框架，无需对降质图像的天气状况做分类处理，是通用的单幅图像去雨除雾方法；
(3)在频域进行反射图像与大气粒子传播图像的分离，不需要进行精细化软抠图、图像分割处理等耗时操作，可以大幅提高计算效率；
(4)针对降质图像的去雨除雾效果好、图像细节增强显著、颜色保真度高。
附图说明
图1为本发明提供的实施例中单幅图像去雨除雾的信号处理方法实现流程图。
图2为本发明提供的实施例中雨雾降质图像示意图。
图3为本发明提供的实施例中生成的腐蚀化暗通道图像示意图。
图4为本发明提供的实施例中生成的大气调制传播曲面函数示意图。
图5为本发明提供的实施例中单幅图像去雨除雾后的清晰图像示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
理论上，在颜色空间中描述受雨滴遮盖的像素与其背景像素之间函数关系的雨滴成像模型为：
Figure BDA0001839585390000061
其中Ir(z)为观测点z＝(x,y)的受雨滴污染的像素亮度值，
Er(z)为雨滴表面的辉度值，
Eb(z)为背景像素的辉度值，
τ为雨滴经过像素所用的时间，
T为图像采集时间。
考虑到在同一条雨线上雨滴经过像素所用的时间与图像采集时间的比值相同，本发明提出可将雨滴成像模型改写为：
Ir(z)＝α(z)Ib(z)+[1-α(z)]IE(z)
其中α(z)表示雨滴经过像素所用的时间与图像曝光时间之比，
IE(z)为雨滴的等效理想亮度值，
反映雾天大气粒子传播特性的大气粒子散射模型公式为：
Figure BDA0001839585390000071
其中I(z)为雾天观测点z＝(x,y)的图像接收到的光强，
ρ(z)为场景反射率，
d(z)为景深，
I∞为大气光总强度，
β为大气衰减系数。
因此在本发明的实施例中，将雾天大气粒子散射模型简化表示为：
I(z)＝t(z)J(z)+[1-t(z)]A(z)
其中t(z)为雾气传播图，
A(z)为大气光值，
J(z)为无雾图像的亮度值。
观察上述改写后的雨滴成像模型与雾天大气粒子散射模型具有高度相似的函数框架，雨、雾降质图像在空间域可统一表达为真实图像与大气调制传播函数的卷积混叠；由于去雨、除雾的目的在于通过对原有雾图像的处理得到近似于在晴朗环境下拍摄的图像，所以去雨除雾后的图像应满足一般晴天图像的暗通道先验统计规律；根据暗通道图生成大气调制传播函数，对原图像进行空间域解混，得到去雨除雾后的复原图像。
在本发明的一个实施例中，如图1所示，其具体实现方法为：
一种单幅图像去雨除雾的信号处理方法，包括以下步骤：
S1、在雨天采集含有雨雾的雨雾降质图像，并对其进行形态学腐蚀处理；
上述步骤S1中，将雨雾降质图像I中结构元素确定为
Figure BDA0001839585390000081
对雨雾降质图像进行形态学腐蚀处理的公式具体为：
Figure BDA0001839585390000082
其中，I’为形态学腐蚀处理后的图像；
Figure BDA0001839585390000083
为图像形态学腐蚀操作运算符。
S2、对形态学腐蚀处理后的图像计算生成暗通道图像；
上述步骤S2中：
计算生成的暗通道图像中各个像素点z的取值Idark(z)为：
Figure BDA0001839585390000084
其中，Ic(q)为雨雾降质图像I在颜色通道c中坐标q处的取值；
c∈{r,g,b}，对应于红、绿和蓝颜色空间；
Ω(z)为以z为中心的局部区域。
S3、根据生成的暗通道图进行径向基函数插值拟合，得到大气调制传播特性的平滑曲面函数；
平滑曲面函数用于反映雨雾大气粒子调制传播特性；
上述步骤S3中进行径向基函数插值拟合的函数表达式为：
Figure BDA0001839585390000085
其中，h(z)为得到的大气调制传播特性的平滑曲面函数；
c0、c1和λi为拟合系数；
zi为观测的n各数据点集；
Figure BDA0001839585390000086
为径向基函数，且
Figure BDA0001839585390000087
r为空间点z与zi之间的距离。
S4、对平滑曲面函数和雨雾降质图像的各颜色空间分量分别进行二维傅里叶变换，得到平滑曲面函数频域信号和雨雾降质图像各颜色空间分量的频域信号；
上述步骤S4中；
对平滑曲面函数h(z)进行二维傅里叶变换得到平滑曲面函数频域信号H(s)的公式为：
Figure BDA0001839585390000091
对雨雾降质图像的红、绿和蓝颜色空间分量R(z)、G(z)和B(z)分别进行二维傅里叶变换得到雨雾降质图像红、绿和蓝颜色空间分量的频域信号RF(s)、GF(s)和BF(s)的公式为：
Figure BDA0001839585390000092
Figure BDA0001839585390000093
Figure BDA0001839585390000094
其中，
Figure BDA0001839585390000095
为对[·]进行二维傅里叶变换，且
Figure BDA0001839585390000096
的二维傅里叶变换公式为：
Figure BDA0001839585390000097
其中，x为图像的空间域横坐标；
y为图像的空间域纵坐标；
M为图像的行数；
N为图像的列数；
u为图像的频率域横坐标；
v为图像的频率域纵坐标；
j为虚数单位；
π为圆周率。
S5、对平滑曲面函数频域信号和雨雾降质图像各颜色空间分量的频域信号进行频域相乘滤波和逆傅里叶变换，得到雨雾降质图像各颜色空间雨雾入射光亮度的空间域信号；
上述步骤S5中，进行频域相乘滤波和逆傅里叶变换得到雨雾降质图像红、绿和蓝颜色空间雨雾入射光亮度的空间域信号DR(z)、DG(z)和DB(z)的公式为：
Figure BDA0001839585390000101
Figure BDA0001839585390000102
Figure BDA0001839585390000103
其中，
Figure BDA0001839585390000104
为对[·]进行频域相乘滤波和逆傅里叶变换，且
Figure BDA0001839585390000105
具体计算公式为：
Figure BDA0001839585390000106
S6、在对数域中，结合雨雾降质图像各颜色空间雨雾入射光亮度的空间域信号和雨雾降质图像中的各颜色空间分量，对其进行解混分离，得到各颜色空间对数域去雨除雾信号分量；
上述步骤S6中结合雨雾降质图像红、绿和蓝颜色空间雨雾入射光亮度的空间域信号DR(z)、DG(z)、DB(z)和雨雾降质图像中的各颜色空间分量R(z)、G(z)和B(z)，对其进行解混分离得到红、绿和蓝颜色空间对数域去雨除雾信号分量Rr(z)、Gg(z)和Bb(z)的公式为：
Rr(z)←log[R(z)+1]-log[DR(z)+1]；
Gg(z)←log[G(z)+1]-log[DG(z)+1]；
Bb(z)←log[B(z)+1]-log[DB(z)+1]。
S7、对各颜色空间对数域去雨除雾信号分量进行指数变化与对比度拉伸，得到去雨除雾后的清晰图像。
上述步骤S7中进行对比度拉伸的公式为：
Figure BDA0001839585390000111
f(p)为对比度拉伸后的颜色空间函数值；
p为对比度拉伸前的颜色空间函数值；
p1为首段输入颜色空间函数值上边界；
q1为首段输出颜色空间函数值上边界；
p2为末段输入颜色空间函数值下边界；
q2为末段输出颜色空间函数值下边界。
在本发明的一个实施例中，提供了对如图2所示的未经处理的雨雾降质图像的处理过程，其步骤实现如图1所示；
其中，步骤S1中，在雨雾降质图像中定义7×7的菱形结构元素
Figure BDA0001839585390000114
并进行形态学腐蚀处理；
步骤S2中生成的暗通道图像如图3所示；
步骤S3中，采用径向基函数为
Figure BDA0001839585390000112
定义自变量矩阵Z，拟合曲面函数值矩阵H，待定系数矩阵T；
其中，
Figure BDA0001839585390000113
根据公式T＝(Z′Z)-1Z′H计算出待定系数，拟合生成的雨雾大气粒子调制传播曲面函数为图4；
经过步骤S4至步骤S7的信号处理后，得到如图5所示的去雨除雾后的清晰图像。
本发明的有益效果为：本发明提供的单幅图像去雨除雾的信号处理方法具有以下优点：
(1)以雨滴成像模型和雾气粒子散射模型为计算依据，有正确的物理数学理论模型支撑；
(2)统一了去雨、除雾图像处理的计算框架，无需对降质图像的天气状况做分类处理，是通用的单幅图像去雨除雾方法；
(3)在频域进行反射图像与大气粒子传播图像的分离，不需要进行精细化软抠图、图像分割处理等耗时操作，可以大幅提高计算效率；
(4)针对降质图像的去雨除雾效果好、图像细节增强显著、颜色保真度高。

Claims (7)

1.一种单幅图像去雨除雾的信号处理方法，其特征在于，包括以下步骤：
S1、在雨天采集含有雨雾的雨雾降质图像，并对其进行形态学腐蚀处理；
S2、对形态学腐蚀处理后的图像计算生成暗通道图像；
S3、根据生成的暗通道图进行径向基函数插值拟合，得到大气调制传播特性的平滑曲面函数；
S4、对平滑曲面函数和雨雾降质图像的各颜色空间分量分别进行二维傅里叶变换，得到平滑曲面函数频域信号和雨雾降质图像各颜色空间分量的频域信号；
S5、对平滑曲面函数频域信号和雨雾降质图像各颜色空间分量的频域信号进行频域相乘滤波和逆傅里叶变换，得到雨雾降质图像各颜色空间雨雾入射光亮度的空间域信号；
S6、在对数域中，结合雨雾降质图像各颜色空间雨雾入射光亮度的空间域信号和雨雾降质图像中的各颜色空间分量，对其进行解混分离，得到各颜色空间对数域去雨除雾信号分量；
S7、对各颜色空间对数域去雨除雾信号分量进行指数变换与对比度拉伸，得到去雨除雾后的清晰图像；
所述步骤S6中结合雨雾降质图像红、绿和蓝颜色空间雨雾入射光亮度的空间域信号DR(z)、DG(z)、DB(z)和雨雾降质图像中的各颜色空间分量R(z)、G(z)和B(z)，对其进行解混分离得到红、绿和蓝颜色空间对数域去雨除雾信号分量Rr(z)、Gg(z)和Bb(z)的公式为：
Rr(z)←log[R(z)+1]-log[DR(z)+1]；
Gg(z)←log[G(z)+1]-log[DG(z)+1]；
Bb(z)←log[B(z)+1]-log[DB(z)+1]。
2.根据权利要求1所述的单幅图像去雨除雾的信号处理方法，其特征在于，所述步骤S1中：
将雨雾降质图像I中结构元素确定为
Figure FDA0003130558460000027
对雨雾降质图像进行形态学腐蚀处理的公式具体为：
Figure FDA0003130558460000021
其中，I’为形态学腐蚀处理后的图像；
Figure FDA0003130558460000022
为图像形态学腐蚀操作运算符。
3.根据权利要求1所述的单幅图像去雨除雾的信号处理方法，其特征在于，所述步骤S2中：
计算生成的暗通道图像中各个像素点z的取值Idark(z)为：
Figure FDA0003130558460000023
其中，Ic(q)为雨雾降质图像I在颜色通道c中坐标q处的取值；
c∈{r，g，b}，对应于红、绿和蓝颜色空间；
Ω(z)为以z为中心的局部区域。
4.根据权利要求1所述的单幅图像去雨除雾的信号处理方法，其特征在于，所述步骤S3中进行径向基函数插值拟合的函数表达式为：
Figure FDA0003130558460000024
其中，h(z)为得到的大气调制传播特性的平滑曲面函数；
c0、c1和λi为拟合系数；
zi为观测的n个数据点集；
Figure FDA0003130558460000025
为径向基函数，且
Figure FDA0003130558460000026
r为空间点z与zi之间的距离。
5.根据权利要求4所述的单幅图像去雨除雾的信号处理方法，其特征在于，所述步骤S4中：
对平滑曲面函数h(z)进行二维傅里叶变换得到平滑曲面函数频域信号H(s)的公式为：
Figure FDA0003130558460000031
对雨雾降质图像的红、绿和蓝颜色空间分量R(z)、G(z)和B(z)分别进行二维傅里叶变换得到雨雾降质图像红、绿和蓝颜色空间分量的频域信号RF(s)、GF(s)和BF(s)的公式为：
Figure FDA0003130558460000032
Figure FDA0003130558460000033
Figure FDA0003130558460000034
其中，
Figure FDA0003130558460000035
为对[·]进行二维傅里叶变换，且
Figure FDA0003130558460000036
的二维傅里叶变换公式为：
Figure FDA0003130558460000037
其中，x为图像的空间域横坐标；
y为图像的空间域纵坐标；
M为图像的行数；
N为图像的列数；
u为图像的频率域横坐标；
ν为图像的频率域纵坐标；
j为虚数单位；
π为圆周率。
6.根据权利要求5所述的单幅图像去雨除雾的信号处理方法，其特征在于，所述步骤S5中，进行频域相乘滤波和逆傅里叶变换得到雨雾降质图像红、绿和蓝颜色空间雨雾入射光亮度的空间域信号DR(z)、DG(z)和DB(z)的公式为：
Figure FDA0003130558460000041
Figure FDA0003130558460000042
Figure FDA0003130558460000043
其中，
Figure FDA0003130558460000044
为对[·]进行频域相乘滤波和逆傅里叶变换，且
Figure FDA0003130558460000045
具体计算公式为：
Figure FDA0003130558460000046
7.根据权利要求1所述的单幅图像去雨除雾的信号处理方法，其特征在于，所述步骤S7中进行对比度拉伸的公式为：
Figure FDA0003130558460000047
其中，f(p)为对比度拉伸后的颜色空间函数值；
p为对比度拉伸前的颜色空间函数值；
p1为首段输入颜色空间函数值上边界；
q1为首段输出颜色空间函数值上边界；
p2为末段输入颜色空间函数值下边界；
q2为末段输出颜色空间函数值下边界。
CN201811242065.1A 2018-10-24 2018-10-24 一种单幅图像去雨除雾的信号处理方法 Active CN109360169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811242065.1A CN109360169B (zh) 2018-10-24 2018-10-24 一种单幅图像去雨除雾的信号处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811242065.1A CN109360169B (zh) 2018-10-24 2018-10-24 一种单幅图像去雨除雾的信号处理方法

Publications (2)

Publication Number Publication Date
CN109360169A CN109360169A (zh) 2019-02-19
CN109360169B true CN109360169B (zh) 2021-08-10

Family

ID=65346485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811242065.1A Active CN109360169B (zh) 2018-10-24 2018-10-24 一种单幅图像去雨除雾的信号处理方法

Country Status (1)

Country Link
CN (1) CN109360169B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110070506B (zh) * 2019-04-15 2022-07-19 武汉大学 一种基于多尺度混合指数模型的视频去雨方法
CN115034999B (zh) * 2022-07-06 2024-03-19 四川大学 一种基于雨雾分离处理和多尺度网络的图像去雨方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103500440A (zh) * 2013-09-27 2014-01-08 中国人民解放军空军工程大学 一种去除大气退化图像云雾的方法
CN103761720A (zh) * 2013-12-13 2014-04-30 中国科学院深圳先进技术研究院 图像去雾方法以图像去雾装置
CN104240239A (zh) * 2014-09-01 2014-12-24 西南交通大学 一种基于道路图像探测局域路段雾霾天气的检测方法
CN105303532A (zh) * 2015-10-21 2016-02-03 北京工业大学 一种小波域Retinex图像去雾方法
CN106991663A (zh) * 2017-04-05 2017-07-28 淮海工学院 一种基于暗通道理论的水下彩色图像增强方法
CN108537744A (zh) * 2018-03-14 2018-09-14 北京师范大学 一种彩色图像亮度分量同态滤波去雾方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102461144B1 (ko) * 2015-10-16 2022-10-31 삼성전자주식회사 영상 연무 제거 장치
JP6720012B2 (ja) * 2016-08-01 2020-07-08 オリンパス株式会社 画像処理装置、撮像装置、画像処理方法及び画像処理プログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103500440A (zh) * 2013-09-27 2014-01-08 中国人民解放军空军工程大学 一种去除大气退化图像云雾的方法
CN103761720A (zh) * 2013-12-13 2014-04-30 中国科学院深圳先进技术研究院 图像去雾方法以图像去雾装置
CN104240239A (zh) * 2014-09-01 2014-12-24 西南交通大学 一种基于道路图像探测局域路段雾霾天气的检测方法
CN105303532A (zh) * 2015-10-21 2016-02-03 北京工业大学 一种小波域Retinex图像去雾方法
CN106991663A (zh) * 2017-04-05 2017-07-28 淮海工学院 一种基于暗通道理论的水下彩色图像增强方法
CN108537744A (zh) * 2018-03-14 2018-09-14 北京师范大学 一种彩色图像亮度分量同态滤波去雾方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Deep joint rain and haze removal from single images;Liang Shen 等;《Computer Vision and Pattern Recognition》;20180121;1-7 *
单幅图像去雾处理算法研究及软件实现;钟仡龙;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130315(第03期);I138-1462 *
基于暗通道原理的图像去雾算法改进研究;徐威;《无线电通信技术》;20150615;第41卷(第2期);84-86 *
基于高分辨率卫星影像的雾霾处理技术研究;刘怡 等;《测绘》;20141231;第37卷(第6期);254-258 *

Also Published As

Publication number Publication date
CN109360169A (zh) 2019-02-19

Similar Documents

Publication Publication Date Title
CN103198459B (zh) 雾霾图像快速去雾方法
CN111161360B (zh) 基于Retinex理论的端到端网络的图像去雾方法
CN110544213A (zh) 一种基于全局和局部特征融合的图像去雾方法
CN108154492B (zh) 一种基于非局部均值滤波的图像去雾霾方法
CN111598791B (zh) 一种基于改进动态大气散射系数函数的图像去雾方法
CN112561804A (zh) 基于多尺度细节增强的低光照水下图像增强方法
CN108133462B (zh) 一种基于梯度场区域分割的单幅图像的复原方法
CN102831591A (zh) 一种基于高斯滤波的单幅图像的实时去雾方法
Chengtao et al. A survey of image dehazing approaches
CN109360169B (zh) 一种单幅图像去雨除雾的信号处理方法
Kumari et al. Real time visibility enhancement for single image haze removal
CN110415193A (zh) 煤矿低照度模糊图像的复原方法
CN105023246B (zh) 一种基于对比度和结构相似度的图像增强方法
CN103778605A (zh) 一种雾天图像增强方法
CN112907461B (zh) 一种红外雾天降质图像去雾增强方法
CN108765337B (zh) 一种基于暗原色先验与非局部mtv模型的单幅彩色图像去雾处理方法
CN112750089B (zh) 基于局部块最大和最小像素先验的光学遥感影像去雾方法
CN104715456B (zh) 一种图像的去雾方法
CN111626943B (zh) 基于一阶前向后向算法的全变分图像去噪方法
CN113487509A (zh) 一种像素聚类及透射率融合的遥感图像雾气去除方法
CN110738624B (zh) 一种区域自适应的图像去雾系统及方法
Xie et al. Image defogging method combining light field depth estimation and dark channel
CN106780398B (zh) 一种基于噪声预测的图像去噪方法
CN109242805B (zh) 一种基于独立分量分析的单幅图像雾霾快速去除方法
Yu et al. A novel nighttime dehazing model integrating Retinex algorithm and atmospheric scattering model

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