CN110009586A - 一种水下激光图像复原方法及系统 - Google Patents
一种水下激光图像复原方法及系统 Download PDFInfo
- Publication number
- CN110009586A CN110009586A CN201910271810.3A CN201910271810A CN110009586A CN 110009586 A CN110009586 A CN 110009586A CN 201910271810 A CN201910271810 A CN 201910271810A CN 110009586 A CN110009586 A CN 110009586A
- Authority
- CN
- China
- Prior art keywords
- irradiance
- restoration
- medium
- background
- laser image
- 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 36
- 238000011084 recovery Methods 0.000 title abstract description 8
- 238000002834 transmittance Methods 0.000 claims description 24
- 238000003384 imaging method Methods 0.000 claims description 23
- 230000004907 flux Effects 0.000 claims description 16
- 230000005855 radiation Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000035699 permeability Effects 0.000 abstract 4
- 239000002609 medium Substances 0.000 description 49
- 230000003287 optical effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000012736 aqueous medium Substances 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 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
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种水下激光图像复原方法，包括以下步骤：步骤S1、建立目标感测辐照度关于复原场景辐照度、背景辐照度以及介质透射率的复原关系模型；步骤S2、对所述背景辐照度进行估算得到背景估算值，对所述介质透射率进行估算得到介质透射率估算值；步骤S3、根据所述复原关系模型、背景估算值以及介质透射率估算值，计算所述复原场景辐照度，根据所述复原场景辐照度复原原始激光图像得到复原激光图像。本发明无需实际环境测量即可实现水下激光图像的复原。
Description
技术领域
本发明涉及激光水下成像图像处理技术领域，具体涉及一种水下激光图像复原方法及系统。
背景技术
激光水下目标成像被广泛应用于海洋、江河及湖泊探测等领域，但是由于激光在水下传输过程中所产生的吸收和散射等衰减效应、成像系统的衍射极限、像差畸变以及水下湍流等因素，水下图像存在严重退化，导致信噪比较低、细节丢失、对比度下降以及颜色偏移失真。不少研究者采用提高设备性能的方法解决水下图像成像距离短的问题，但成本较高，难以广泛应用。采用图像处理方法来提高水下图像质量更加简单和实用。成像系统受散射介质的影响，图像退化原因复杂，对散射退化图像进行恢复时所需的先验知识必须完备。较早的图像处理方法通过多幅图像或人工交互获得更多的先验知识来进行去散射，也有不少基于测量介质的方法来获得散射介质的固有光学特性参数并以此推导退化函数。这些方法不能有效解决现有水下图像实时性还原的需求。
发明内容
本发明的目的在于克服上述技术不足，提供一种水下激光图像复原方法及系统，解决现有技术中水下图像复原实时性差的技术问题。
为达到上述技术目的，本发明的技术方案提供一种水下激光图像复原方法，包括以下步骤：
步骤S1、建立目标感测辐照度关于复原场景辐照度、背景辐照度以及介质透射率的复原关系模型；
步骤S2、对所述背景辐照度进行估算得到背景估算值，对所述介质透射率进行估算得到介质透射率估算值；
步骤S3、根据所述复原关系模型、背景估算值以及介质透射率估算值，计算所述复原场景辐照度，根据所述复原场景辐照度复原原始激光图像得到复原激光图像。
本发明还提供一种水下激光图像复原系统，包括建模模块、估算模块以及复原模块；
所述建模模块用于建立目标感测辐照度关于复原场景辐照度、背景辐照度以及介质透射率的复原关系模型；
所述估算模块用于对所述背景辐照度进行估算得到背景估算值，对所述介质透射率进行估算得到介质透射率估算值；
所述复原模块用于根据所述复原关系模型、背景估算值以及介质透射率估算值，计算所述复原场景辐照度，根据所述复原场景辐照度复原原始激光图像得到复原激光图像。
本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述水下激光图像复原方法。
与现有技术相比，本发明的有益效果包括：本发明在建立复原关系模型后，对背景以及介质透射率进行估算，得到背景估算值以及介质透射率估算值，不需要对实际成像环境中介质进行实际环境测量，进而结合复原关系模型、背景估算值以及介质透射率估算值得到复原场景辐射度，实现对原始激光图像的复原。本发明不需要对实际成像环境中介质进行实际环境测量即可实现原始激光图像的复原，复原实时性好，可在水下成像的同时进行实时复原。
附图说明
图1是本发明提供的水下激光图像复原方法的流程图；
图2是水下激光成像系统的原理图；
图3是本发明提供的水下激光图像复原方法的光学模型图；
图4为目标放置在距离激光器和图像传感器35m处时的复原对比图；
图5为目标放置在距离激光器和图像传感器40m处时的复原对比图。
附图标记：
1、激光光源，2、摄像机，3、图像传感器，4、摄像机镜头，5、目标。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1：
如图1所示，本发明的实施例1提供了一种水下激光图像复原方法，包括以下步骤：
步骤S1、建立目标感测辐照度关于复原场景辐照度、背景辐照度以及介质透射率的复原关系模型；
步骤S2、对所述背景辐照度进行估算得到背景估算值，对所述介质透射率进行估算得到介质透射率估算值；
步骤S3、根据所述复原关系模型、背景估算值以及介质透射率估算值，计算所述复原场景辐照度，根据所述复原场景辐照度复原原始激光图像得到复原激光图像。
本发明首先建立了目标感测辐照度关于复原场景辐照度、背景辐照度以及介质透射率的复原关系模型，然后在获取背景辐照度和介质透射率时，并没有采取实际测量的方式，而是对背景辐照度和介质透射率进行估算，使得本发明可以实现在水下成像的同时进行实时的图像复原，复原实时性大大提高。
本发明提供的水下激光图像复原方法，复原实时性高，复原操作简单，无需进行实地测量，复原效率高。
优选的，建立所述复原关系模型具体包括：
获取目标的成像平面上每一个像素的单位像素辐照度，将所述单位像素辐照度转换为矩阵形式，得到所述复原关系模型。
根据典型的Jaffe-McGlamery成像模型，在主动照明条件下的水下成像系统中，成像平面的总辐照度包含两部分：被目标直接反射回来的反射光和水体的散射光。为了量化这两部分，本发明先从数字图像处理的角度单独分析每一个像素的单位像素辐照度。具体的，本发明根据水下激光成像系统的原理建立了一个光学模型，水下激光成像系统的原理图如图2所示，光学模型如图3所示，水下激光成像系统中，激光光源1靠近摄像机2设置，目标5在水体中；光学模型中，目标5与摄像机镜头4之间距离为L，激光脉冲t秒可以传播l的距离，l＝v×t，其中v是光在水中传播的速度，τ为激光脉冲宽度；根据光学模型分析反射光和散射光，得到图像传感器3上单个像素的单位像素辐照度，然后将单位像素辐照度转换为矩阵形式，得到复原关系模型。
优选的，获取所述单位像素辐照度具体包括：
成像平面中每个像素的光学能量，即单位像素辐照度，是激光脉冲没有被散射而直接反射到图像传感器上的那部分能量；根据Lambert-Beer定律可知，当光在介质中传播时，其能量是呈指数衰减的；设定水介质是均匀的，获取图像传感器感测到的单位像素反射光强度：
Ed＝E0re-2αL
其中，Ed为所述单位像素反射光强度，E0为激光脉冲能量，r为目标的反射系数，α为总辐射衰减系数，即散射系数和吸收系数的和，L是目标与摄像机镜头之间的距离；
散射主要是由圆锥形散射体中的透明生物有机体和颗粒引起的；如图3所示，激光脉冲t秒可以传播l的距离，l＝v×t，其中v是光在水中传播的速度；直接成像平面中每个像素接收到后向散射辐照通量Pbs(t)和前向散射辐照通量Pfs(t)分别为：
其中，Pbs(t)为后向散射辐照通量，v为激光在水中传播的速度，τ为激光脉冲宽度，Ω为目标空间视场角的立体角，β(π)是后向散射的辐射强度，由于水下探测总是有一个非常小的视场角，因此把对应的散射角取为常数π，Pp为激光脉冲的平均功率，Pp＝E0/τ，V(l)是激光脉冲存在的散射体，dV(l)＝S(l)dl，由于目标与成像平面之间的距离远大于摄像机镜头的通光孔径，因此可以把dV(l)看作常量Sdl；
其中，Pfs(t)为前向散射辐照通量，β(0)是前向散射的辐射强度；
对所述后向散射辐照通量与前向散射辐照通量求和得到总散射辐照通量，所述总散射辐照通量对激光传播时间进行积分得到单位像素散射光强度：
其中，Es为所述单位像素散射光强度；
对所述单位像素反射光强度以及单位像素散射光强度求和，得到所述单位像素辐照度：
将上式记为：
I＝Jt+A(1-t)
其中，J＝E0r+Ωβ(0)E0rSL，t＝e-2αL。
优选的，将所述单位像素辐照度转换为矩阵形式，得到所述复原关系模型，具体为：
原始激光图像有很多的像素，所以单位像素辐照度可以写为矩阵的形式：
I(x)＝J(x)t(x)+A(1-t(x))
其中，x＝(r,c)为原始激光图像中第r行第c列的像素，I(x)为所述目标感测辐照度，J(x)为所述复原场景辐照度，A为所述背景辐照度，t(x)为所述介质透射率。
优选的，对背景辐照度进行估算得到背景估算值，具体为：
获取所述背景辐照度、介质透射率以及目标感测辐照度之间的不等式：
对所述不等式进行均值滤波，得到：
其中，Sa是均值滤波器的窗口大小，averageSa(I(x))被记作Mave(x)，那么：
根据均值滤波值的取值范围：的值介于0和1之间，所以A≥max(Mave(x))，而A≤max(I(x))，因此max(Mave(x))≤A≤max(I(x))，那么：
A＝χmax(I(x))+(1-χ)max(Mave(x))
其中，0≤χ≤1，选定χ的值即可实现对背景辐照度的估算；
本实施例中χ＝0.5，则背景估算值为：
其中，即所述背景估算值。
优选的，对所述介质透射率进行估算得到介质透射率估算值，具体为：
根据Lambert-Beer定律定义所述介质的透射率:
t(x)＝e(-αd(x))
其中，d(x)为场景深度；
在局部区域内，对所述复原关系模型取最小值，得到：
其中，Ω(x)是以像素x为核心的局部区域，y为局部区域Ω(x)中的一个像素；
就像前面提到的，在这个局部区域Ω(x)里总是有一些暗像素，也就是说复原场景辐照度J(x)中的暗像素Jdark(x)趋向于零：
上式中的暗像素Jdark(x)主要由以下三种原因产生：深色的物体或表面，例如石头；对绿色激光反照率低的红色物体或表面；前景或目标的投射阴影区。如果在局部区域Ω(x)中前景或目标不适合前面的三种情况，但是它的背景出现在这个小的局部区域Ω(x)中，那么与对应的像素映射到目标空间J(y)的背景中就是一个光斑，因此，上式仍然适用。如果一个小的局部区域仅仅包含背景，上式依然适用。在上述两种情况下求解得到的结果是对A的比较合适的估计。
结合所述复原关系模型最小值以及暗像素，把带入得到所述介质透射率估算值：
其中，为所述介质透射率估算值，ω∈(0,1)。
ω被设置在0到1之间，是为了避免彻底去雾而导致复原激光图像看起来不自然，这种修正使得遥远的物体保持更多的雾。
优选的，通过导向滤波器对所述介质透射率估算值进行修正：
其中，为修正后的介质透射率估算值，Ig为引导图像，λ是引导图像中窗口的半径，ε为正实数，ε严格来说是一个非常小的正实数，它决定了哪些边缘或高方差的区域应该保留。。
由于介质透射率在一个局部区域不是总是恒定的，所以将局部区域的介质透射率设定为恒定值进行估算，得到的介质透射率估算值大致良好，但存在一些块效应。为了得到精细的介质透射率估算值，使用导向滤波器优化介质透射率估算值。导向滤波器根据引导图像的内容来计算滤波输出。引导图像可以是输入图像本身或其它不同的图像。它可以将引导图像的结构传递到滤波输出，从而实现新的滤波应用，比如去雾和引导羽化。
优选的，根据所述复原关系模型、背景估算值以及介质透射率估算值，计算所述复原场景辐照度，具体为：
其中，J(x)为所述复原场景辐照度，为所述背景估算值。
复原关系模型中等号右边的J(x)t(x)，在介质透射率接近于零的时候，也会非常接近于零，那么此时根据复原关系模型复原的复原场景辐照度就接近于噪声。所以给介质透射率限定一个最小值tmin，这意味着要在非常浓密的有雾区域中保留少量的雾，进而将上式修改为：
其中，为修正后的复原场景辐照度。
为了说明本发明的性能，图4和图5示出了通过本发明提供的水下激光图像复原方法进行复原前和复原后的对比图。图4为目标被放置在距离激光器和图像传感器35m处时，得到的原始激光图像以及复原激光图像的对比图，(a)为原始激光图像，(b)为复原激光图像。图5为目标被放置在距离激光器和图像传感器40m时，得到的原始激光图像以及复原激光图像的对比图，(a)为原始激光图像，(b)为复原激光图像。由图4和图5可以很明显的看出，本发明提供的方法可以有效地增强不同成像距离下的水下激光图像的成像效果和清晰度。
实施例2：
本发明的实施例2提供了一种水下激光图像复原系统，包括建模模块、估算模块以及复原模块；
所述建模模块用于建立目标感测辐照度关于复原场景辐照度、背景辐照度以及介质透射率的复原关系模型；
所述估算模块用于对所述背景辐照度进行估算得到背景估算值，对所述介质透射率进行估算得到介质透射率估算值；
所述复原模块用于根据所述复原关系模型、背景估算值以及介质透射率估算值，计算所述复原场景辐照度，根据所述复原场景辐照度复原原始激光图像得到复原激光图像。
本发明提供的水下激光图像复原系统，基于上述水下激光图像复原方法，因此，上述水下激光图像复原方法所具备的技术效果，水下激光图像复原系统同样具备，在此不再赘述。
实施例3：
本发明的实施例3提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现以上任一实施例提供水下激光图像复原方法。
本发明提供的计算机存储介质用于实现水下激光图像复原方法，因此，上述水下激光图像复原方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种水下激光图像复原方法，其特征在于，包括以下步骤：
步骤S1、建立目标感测辐照度关于复原场景辐照度、背景辐照度以及介质透射率的复原关系模型；
步骤S2、对所述背景辐照度进行估算得到背景估算值，对所述介质透射率进行估算得到介质透射率估算值；
步骤S3、根据所述复原关系模型、背景估算值以及介质透射率估算值，计算所述复原场景辐照度，根据所述复原场景辐照度复原原始激光图像得到复原激光图像。
2.根据权利要求1所述的水下激光图像复原方法，其特征在于，建立所述复原关系模型具体包括：
获取目标的成像平面上每一个像素的单位像素辐照度，将所述单位像素辐照度转换为矩阵形式，得到所述复原关系模型。
3.根据权利要求2所述的水下激光图像复原方法，其特征在于，获取所述单位像素辐照度具体包括：
获取单位像素反射光强度：
Ed＝E0re-2αL
其中，Ed为所述单位像素反射光强度，E0为激光脉冲能量，r为目标的反射系数，α为总辐射衰减系数，即散射系数和吸收系数的和，L是目标与摄像机镜头之间的距离；
获取后向散射辐照通量：
其中，Pbs(t)为后向散射辐照通量，v为激光在水中传播的速度，τ为激光脉冲宽度，Ω为目标空间视场角的立体角，β(π)是后向散射的辐射强度，Pp为激光脉冲的平均功率，Pp＝E0/τ，V(l)是激光脉冲存在的散射体，dV(l)＝S(l)dl，S(l)为常量；
获取前向散射辐照通量：
其中，Pfs(t)为前向散射辐照通量，β(0)是前向散射的辐射强度；
对所述后向散射辐照通量与前向散射辐照通量求和得到总散射辐照通量，所述总散射辐照通量对激光传播时间进行积分得到单位像素散射光强度：
其中，Es为所述单位像素散射光强度；
对所述单位像素反射光强度以及单位像素散射光强度求和，得到所述单位像素辐照度：
将上式记为：
I＝Jt+A(1-t)
其中，J＝E0r+Ωβ(0)E0rSL，t＝e-2αL。
4.根据权利要求3所述的水下激光图像复原方法，其特征在于，将所述单位像素辐照度转换为矩阵形式，得到所述复原关系模型，具体为：
I(x)＝J(x)t(x)+A(1-t(x))
其中，x＝(r,c)为原始激光图像中第r行第c列的像素，I(x)为所述目标感测辐照度，J(x)为所述复原场景辐照度，A为所述背景辐照度，t(x)为所述介质透射率。
5.根据权利要求4所述的水下激光图像复原方法，其特征在于，对背景辐照度进行估算得到背景估算值，具体为：
获取所述背景辐照度、介质透射率以及目标感测辐照度之间的不等式：
对所述不等式进行均值滤波，根据均值滤波值的取值范围获取所述背景辐照度的背景估算值
6.根据权利要求4所述的水下激光图像复原方法，其特征在于，对所述介质透射率进行估算得到介质透射率估算值，具体为：
根据Lambert-Beer定律定义所述介质的透射率:
t(x)＝e(-αd(x))
其中，d(x)为场景深度；
在局部区域内，对所述复原关系模型取最小值，得到：
其中，Ω(x)是以像素x为核心的局部区域，y为局部区域Ω(x)中的一个像素；
暗像素
结合所述复原关系模型最小值以及暗像素，得到所述介质透射率估算值：
其中，为所述介质透射率估算值，ω∈(0,1)。
7.根据权利要求6所述的水下激光图像复原方法，其特征在于，通过导向滤波器对所述介质透射率估算值进行修正：
其中，为修正后的介质透射率估算值，Ig为引导图像，λ是引导图像中窗口的半径，ε为正实数。
8.根据权利要求7所述的水下激光图像复原方法，其特征在于，根据所述复原关系模型、背景估算值以及介质透射率估算值，计算所述复原场景辐照度，具体为：
其中，J(x)为所述复原场景辐照度，A～为所述背景估算值。
9.一种水下激光图像复原系统，其特征在于，包括建模模块、估算模块以及复原模块；
所述建模模块用于建立目标感测辐照度关于复原场景辐照度、背景辐照度以及介质透射率的复原关系模型；
所述估算模块用于对所述背景辐照度进行估算得到背景估算值，对所述介质透射率进行估算得到介质透射率估算值；
所述复原模块用于根据所述复原关系模型、背景估算值以及介质透射率估算值，计算所述复原场景辐照度，根据所述复原场景辐照度复原原始激光图像得到复原激光图像。
10.一种计算机存储介质，其上存储有计算机程序，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1-8任一所述的水下激光图像复原方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910271810.3A CN110009586B (zh) | 2019-04-04 | 2019-04-04 | 一种水下激光图像复原方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910271810.3A CN110009586B (zh) | 2019-04-04 | 2019-04-04 | 一种水下激光图像复原方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110009586A true CN110009586A (zh) | 2019-07-12 |
| CN110009586B CN110009586B (zh) | 2023-05-02 |
Family
ID=67169998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910271810.3A Active CN110009586B (zh) | 2019-04-04 | 2019-04-04 | 一种水下激光图像复原方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110009586B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090252430A1 (en) * | 2008-04-08 | 2009-10-08 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Automated Underwater Image Restoration Via Denoised Deconvolution |
| US20160239945A1 (en) * | 2015-02-17 | 2016-08-18 | Adobe Systems Incorporated | Image haze removal using fast constrained transmission estimation |
| 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 |
| CN107945141A (zh) * | 2017-12-28 | 2018-04-20 | 天津大学 | 一种在散射环境中基于圆偏振光的偏振图像复原方法 |
| US20180122051A1 (en) * | 2015-03-30 | 2018-05-03 | Agency For Science, Technology And Research | Method and device for image haze removal |
| CN108765342A (zh) * | 2018-05-30 | 2018-11-06 | 河海大学常州校区 | 一种基于改进暗通道的水下图像复原方法 |
| CN109118446A (zh) * | 2018-07-30 | 2019-01-01 | 西南财经大学 | 一种水下图像复原及去噪方法 |
-
2019
- 2019-04-04 CN CN201910271810.3A patent/CN110009586B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090252430A1 (en) * | 2008-04-08 | 2009-10-08 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Automated Underwater Image Restoration Via Denoised Deconvolution |
| US20160239945A1 (en) * | 2015-02-17 | 2016-08-18 | Adobe Systems Incorporated | Image haze removal using fast constrained transmission estimation |
| US20180122051A1 (en) * | 2015-03-30 | 2018-05-03 | Agency For Science, Technology And Research | Method and device for image haze removal |
| 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 |
| CN107945141A (zh) * | 2017-12-28 | 2018-04-20 | 天津大学 | 一种在散射环境中基于圆偏振光的偏振图像复原方法 |
| CN108765342A (zh) * | 2018-05-30 | 2018-11-06 | 河海大学常州校区 | 一种基于改进暗通道的水下图像复原方法 |
| CN109118446A (zh) * | 2018-07-30 | 2019-01-01 | 西南财经大学 | 一种水下图像复原及去噪方法 |
Non-Patent Citations (3)
| Title |
|---|
| FELIPE M. CODEVILLA ET AL.: ""Underwater Single Image Restoration Using Dark Channel Prior"", 《2014 SYMPOSIUM ON AUTOMATION AND COMPUTATION FOR NAVAL, OFFSHORE AND SUBSEA (NAVCOMP)》 * |
| 张业忠: ""水下图像复原方法研究"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
| 谢昊伶;彭国华;王凡;杨成;: "基于背景光估计与暗通道先验的水下图像复原" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110009586B (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lu et al. | Underwater image enhancement using guided trigonometric bilateral filter and fast automatic color correction | |
| Lu et al. | Underwater image enhancement method using weighted guided trigonometric filtering and artificial light correction | |
| CN110135434B (zh) | 基于颜色线模型的水下图像质量提升方法 | |
| CN110322410B (zh) | 基于亮通道透射率补偿的水下图像去雾及偏色校正方法 | |
| CN110211067B (zh) | 一种用于uuv近海面可见光图像去雾方法 | |
| Lu et al. | Turbidity underwater image restoration using spectral properties and light compensation | |
| Arnold-Bos et al. | Towards a model-free denoising of underwater optical images | |
| CN108564543A (zh) | 一种基于电磁理论的水下图像色彩补偿方法 | |
| CN110288539A (zh) | 一种结合颜色空间移动与暗通道先验的水下图像清晰方法 | |
| Mullen et al. | Modulated laser line scanner for enhanced underwater imaging | |
| Lu et al. | Single underwater image descattering and color correction | |
| Dolin et al. | Theory of imaging through wavy sea surface | |
| CN107966412B (zh) | 基于正交偏振图像拉伸和偏振度关联的图像去雾方法 | |
| Lu et al. | 3D underwater scene reconstruction through descattering and colour correction | |
| CN114037625A (zh) | 一种基于物理散射模型的图像恢复方法 | |
| Lu et al. | Underwater scene enhancement using weighted guided median filter | |
| Chen et al. | Visibility detection algorithm of single fog image based on the ratio of wavelength residual energy | |
| CN110009586B (zh) | 一种水下激光图像复原方法及系统 | |
| Risholm et al. | A scatter removal technique to enhance underwater range-gated 3D and intensity images | |
| CN110415178A (zh) | 一种基于电磁波能量剩余比以及背景光估计的水下图像清晰化方法 | |
| Lu et al. | A novel underwater scene reconstruction method | |
| Huang et al. | Active imaging through dense fog by utilizing the joint polarization defogging and denoising optimization based on range-gated detection | |
| Li et al. | Underwater image enhancement using inherent optical properties | |
| Lu et al. | Image Contrast Enhancement for Deep-sea Observation Systems | |
| CN108447025B (zh) | 一种基于单幅图像采集的偏振图像去雾方法 |
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 |