CN110689504B - 一种基于二次引导透射图的水下图像复原方法 - Google Patents

一种基于二次引导透射图的水下图像复原方法 Download PDF

Info

Publication number
CN110689504B
CN110689504B CN201910961757.XA CN201910961757A CN110689504B CN 110689504 B CN110689504 B CN 110689504B CN 201910961757 A CN201910961757 A CN 201910961757A CN 110689504 B CN110689504 B CN 110689504B
Authority
CN
China
Prior art keywords
image
underwater
red
dark channel
background light
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
CN201910961757.XA
Other languages
English (en)
Other versions
CN110689504A (zh
Inventor
张维石
周景春
刘真真
张卫东
张得欢
邹沛煜
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.)
Dalian Maritime University
Original Assignee
Dalian Maritime 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 Dalian Maritime University filed Critical Dalian Maritime University
Priority to CN201910961757.XA priority Critical patent/CN110689504B/zh
Publication of CN110689504A publication Critical patent/CN110689504A/zh
Application granted granted Critical
Publication of CN110689504B publication Critical patent/CN110689504B/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
    • 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
    • G06T2207/20024—Filtering details

Landscapes

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

Abstract

本发明提供一种基于二次引导透射图的水下图像复原方法。本发明方法，包括：首先对红通道进行反转，在反转后的图像上使用暗通道先验，求取背景光；其次通过原始图像求取饱和度；根据背景光、饱和度和红色暗通道先验求取粗糙透射图，使用引导滤波将粗糙透射图分解为基础图像和细节图像，对基本图像进行拉普拉斯滤波处理，细节图像进行引导滤波处理，将处理后的图像重构得到细化透射图；然后结合水下成像模型进行图像复原；最后对复原图像进行自动色阶处理，得到最终复原图像。本发明专利提出了一种基于二次引导透射图的水下图像复原方法，该方法利用二次引导滤波和自动色阶，不仅有效增强图像细节，还解决颜色失真问题，提升视觉效果。

Description

一种基于二次引导透射图的水下图像复原方法
技术领域
本发明涉及图像复原方法，特别是涉及一种基于二次引导透射图的水下图像复原方法。
背景技术
在陆地资源短缺情况下，海洋资源开发与保护是一项影响深远的战略选择。近年来，水下图像在海洋能源勘探、海洋生态保护和海洋军事等诸多领域广泛应用。但因为水对光选择性吸收和悬浮颗粒物的散射作用，导致水下图像颜色失真，细节丢失，对比度低等问题。
针对水下图像清晰化问题，提出了很多基于物理模型的复原方法，对水下图像退化过程，建立成像模型，通过估计参数，反推获得清晰的水下图像。基于物理模型的水下图像复原方法主要分为四类，分别为专业硬件，基于偏振成像，基于光学特性，基于先验知识的方法。专门硬件的方法可以提高成像质量，但是专业设备非常昂贵，具有局限性。基于偏振成像的图像复原方法依赖于偏振器，操作复杂，实用性弱。基于光学特性的水下图像复原方法只适用于特定的水类型。基于先验知识的水下图像复原方法，目前比较常见是暗通道先验算法。近几年，许多水下图像复原方法以暗通道先验为基础。但由于不同的波长光的衰减程度不一样，波长较长的红光在水中衰减较快，直接采用暗通道先验会导致透射图估计偏大。
发明内容
本发明克服上述现有技术的不足，提供了一种基于二次引导透射图的水下图像复原方法。本发明首先对红通道进行反转，在反转后的图像上使用暗通道先验，求取背景光；其次通过原始图像求取饱和度；依据红色暗通道先验、背景光和饱和度求取粗糙透射图，使用二次引导滤波细化透射图；然后结合水下成像模型复原图像；最后对复原图像进行自动色阶处理。本发明可以有效复原图像颜色及细节，提高对比度。
本发明采用的技术方案如下：一种基于二次引导透射图的水下图像复原方法，其特征在于，包括以下步骤：
步骤S01：首先对原始图像的红通道进行反转获取反转后的图像，在所述反转后的图像上使用暗通道先验，得到红色暗通道图像；
步骤S02：在所述红色暗通道图像上求取背景光；
步骤S03：获取所述原始图像的饱和度，并修正红色暗通道先验；
步骤S04：根据所述步骤S02及所述步骤S03分别得到所述背景光和所述饱和度，通过步骤S03获取的所述修正的红色暗通道先验，求取粗糙透射图，通过二次引导滤波获取细化透射图；
步骤S05：根据所述背景光与所述细化透射图，结合水下成像模型进行图像复原；
步骤S06：将复原的图像进行对比度拉伸，通过自动色阶方法，获取最终复原图像。
本发明与现有技术相比具有以下优势：
为了解决水下图像复原方法细节丢失，对比度低等问题，本发明利用改进的引导滤波即消除了透射图上的块效应，又保持轮廓边缘，增强图像细节。首先用引导滤波将粗糙透射图分解为基础图像和细节图像，其次对基础图像进行拉普拉斯滤波处理，细节图像进行引导滤波处理，处理后的图像重构得到细化透射图。最后对复原图像进行自动色阶处理，提高了对比度。
基于上述理由本发明可在数字图像处理等领域推广应用。
附图说明
为了明确本发明或者技术方案，下面将对实施例或现有技术描述所需采用的附图进行简要概况说明。
图1为本发明的算法流程图的附图。
图2为本发明与其他算法针对岩石图像复原效果对比图的附图。其中图2-1表示原图，图2-2表示He的结果图；图2-3表示Drews的结果图；图2-4表示Iqbal的结果图；图2-5表示Peng的结果图；图2-6表示本发明方法的结果图。
图3为本发明与其他算法针对考古图像复原效果对比图的附图。其中图3-1表示原图，图3-2表示He的结果图；图3-3表示Drews的结果图；图3-4表示Iqbal的结果图；图3-5表示Peng的结果图；图3-6表示本发明方法的结果图。
图4为本发明与其他算法针对珊瑚图像复原效果对比图的附图。其中图4-1表示原图，图4-2表示He的结果图；图4-3表示Drews的结果图；图4-4表示Iqbal的结果图；图4-5表示Peng的结果图；图4-6表示本发明方法的结果图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了验证本发明水下图像复原的有效性，选择不同场景图像作为测试数据集，并与He(Single image haze removal using dark channel prior),Drews(Transmissionestimation in underwater single images),Iqbal(Underwater image enhancementusing an integrated color model),Peng(Underwater image restoration based onimage blurriness and light absorption)和本发明的实验结果通过主客观两个方面对比分析验证。具体步骤和原理如下：
如图1所示，本发明提供了一种基于二次引导透射图的水下图像复原方法，包括以下步骤：
步骤S01：首先对原始图像的红通道进行反转获取反转后的图像，在所述反转后的图像上使用暗通道先验，得到红色暗通道图像；
步骤S02：在所述红色暗通道图像上求取背景光；
步骤S03：获取所述原始图像的饱和度，并修正红色暗通道先验；
步骤S04：根据所述步骤S02及所述步骤S03分别得到所述背景光和所述饱和度，通过步骤S03获取的所述修正的红色暗通道先验，求取粗糙透射图，通过二次引导滤波获取细化透射图；
步骤S05：根据所述背景光与所述细化透射图，结合水下成像模型进行图像复原；
步骤S06：将复原的图像进行对比度拉伸，通过自动色阶方法，获取最终复原图像。
作为优选的实施方式，所述步骤S01中红色暗通道图像由红色暗通道先验得到，所述红色暗通道先验公式为：
Figure BDA0002229158170000041
其中，JRED(x)表示清晰图像的红色暗通道，Ω(x)表示以x为中心的局部块。JR(y)，JG(y)，JB(y)分别表示清晰图像的红通道，绿通道，蓝通道。
作为优选的实施方式，所述步骤S02中的背景光求取，具体步骤为：
S021：计算所述原始图像的红色暗通道；
S022：采用红色暗通道上前10％的像素，在所述10％的像素中，选择红色成分低的像素，记录其位置x0，则背景光公式为：
A＝(IR(x0),IG(x0),IB(x0))；
其中，I表示原始图像，IR(x0)，IG(x0)，IB(x0)分别表示红通道，绿通道，蓝通道的背景光。
作为优选的实施方式，所述步骤S03中的饱和度求取公式为：
Figure BDA0002229158170000051
其中，I表示原始图像，RGB表示图像三个通道；加入饱和度分量之后，红色暗通道先验修正为：
Figure BDA0002229158170000052
作为一种优选的实施方式，所述步骤S04细化透射图包含以下步骤：
步骤S041：通过所述背景光和所述饱和度，结合修正的红色暗通道先
验，估计的粗糙透射图为：
Figure BDA0002229158170000053
其中，λ表示饱和度参数。
步骤S042：通过所述二次引导滤波对粗糙透射图进行细化，首先用引导滤波将粗糙透射图分解为基础图像和细节图像，公式为：
u＝guidefilter(p,I,r1,ε)；
d＝p-u；
其中，I表示引导图像，即所述原始图像的灰度图，p表示输入图像，r1表示滤波窗口的大小，ε表示正则化参数，u表示基础图像，d表示细节图像；
步骤S043：将所述基础图像进行拉普拉斯滤波器处理，所述细节图像进行引导滤波处理，则：
U＝u*Lap；
Figure BDA0002229158170000054
D＝guidefilter(d,I,r2,ε)；
其中，Lap表示3×3的拉普拉斯算子，*表示卷积操作，U表示拉普拉斯滤波处理后的基础图像，D表示引导滤波处理后的细节图像；
步骤S044：将所述处理后的细节图像重构得到细化透射图，则重构公式为：
t＝U+D；
其中，t表示重构图像，即所述细化透射图。
在一种优选的实施方式，所述步骤S05中的水下成像模型公式为：
Ic(x)＝Jc(x)tc(x)+Ac(1-tc(x)),c∈{r,g,b}；
其中，Ic(x)表示原始图像，Jc(x)tc(x)表示直接分量，Ac(1-tc(x))表示背景光散射分量，Jc(x)表示复原图像，Ac表示背景光强度，tc(x)表示所述细化透射图；
根据所述步骤S02得到的背景光和所述步骤S04得到的透射图，结合所述水下成像模型进行反推，则复原公式为：
Figure BDA0002229158170000061
其中，α∈{R,G,B},为避免透射图过低导致溢出，给t加一个下限t0，t0取值为0.1。因复原图像不能保证值位于[0,1]中，采用最小-最大归一化强度值，调整其取值范围。
作为一种优选的实施方式，所述步骤S06中自动色阶原理为：根据原图直方图自动设置上下阈值；当小于所述下阈值的直方图部分灰度值设为0，当大于所述上阈值直方图的部分灰度值设为250，上下阈值之间部分，按比例分配到[0,255]灰度级之间，得到新的直方图，分配公式为：
Figure BDA0002229158170000062
其中，xmax为上阈值，xmin为下阈值，x表示复原图像的像素值，X表示最终复原图像的像素值。
作为一种优选的实施方式所述步骤S04中λ＝0.6，引导滤波中的r1＝22，r2＝10，ε＝0.0001。可以理解为在其他的实施方式中，所述的λ，r，ε的取值可以按照实际需求进行设定。
实施例
如图2所示，本发明提供与其他算法对水下岩石的各类算法复原处理后的实验效果图。其中图2-1表示原图，图2-2表示He的结果图；图2-3表示Drews的结果图；图2-4表示Iqbal的结果图；图2-5表示Peng的结果图；图2-6表示本发明方法的结果图。从实验效果图中可以看出这5种算法在一定程度上复原图像，提高图像的可见性和局部细节效果。He和Drews算法出现了偏色问题，能见度差。Peng算法消除原始图像的雾，但能见度不够好。Iqbal算法能见度和色彩一定程度上增强，但本发明方法能见度清晰，色彩校正较好。因此本发明方法有效恢复原始水下图像的细节和能见度，提高了对比度，颜色没有偏差。
如图3所示，本发明提供与其他算法对考古的各类算法复原处理后的实验效果图。其中图3-1表示原图，图3-2表示He的结果图；图3-3表示Drews的结果图；图3-4表示Iqbal的结果图；图3-5表示Peng的结果图；图3-6表示本发明方法的结果图。从实验效果图中可以看出这5种算法在一定程度上复原图像，提高图像的可见性和局部细节效果。He和Drews算法增加了对比度，但出现了严重偏色问题。Peng算法消除原始图像的雾，但对比度较低。Iqbal算法能见度和色彩一定程度上增强，但出现了过度增强，人像偏红。本发明方法能见度清晰，细节效果好，无偏色问题。因此本发明方法有效恢复原始水下图像的细节和能见度，提高了对比度，颜色没有偏差。
如图4所示，本发明提供与其他算法对珊瑚的各类算法复原处理后的实验效果图。其中图4-1表示原图，图4-2表示He的结果图；图4-3表示Drews的结果图；图4-4表示Iqbal的结果图；图4-5表示Peng的结果图；图4-6表示本发明方法的结果图。从实验效果图上分析，He算法处理后的水下图像没有解决偏色问题。Drews算法出现颜色偏深绿色现象。Iqbal算法出现了过度增强，珊瑚偏红色。Peng算法能见度和色彩一定程度上复原，但本发明方法能见度高，珊瑚色彩自然，更清晰。因此本发明方法有效恢复原始水下图像的细节和能见度，提高了对比度，颜色没有偏差。
本实施例为避免定性分析带来的偏差，使用信息熵、平均梯度和UCIQE三个客观指标进行定量评价，从图像色彩、清晰度和水下图像彩色质量对不同算法的实验结果进行对比；从表1、表2和表3的数据可知，本发明的信息熵、平均梯度和UCIQE均大于He、Drews、Iqbal、Peng的算法，最高的平均梯度表明本发明有效增强图像细节和可见度，最高的UCIQE值表明本发明方法可以有效平衡色度、饱和度、对比度。信息熵高表明本发明方法复原的图像具有丰富的颜色信息，平均信息量高，视觉效果好。引导滤波可以有效保持边缘，改进的引导滤波不仅有效保持边缘还增强细节信息，自动色阶处理，使得对比度提高。因此本发明对于原图像的信息熵、平均梯度和UCIQE都有较大的提升，且优于其它复原算法。
表1本发明算法和其他算法处理结果的信息熵对比
Figure BDA0002229158170000081
表2本发明算法和其他算法处理结果的平均梯度对比
Figure BDA0002229158170000082
表3本发明算法和其他算法处理结果的UCIQE对比
Figure BDA0002229158170000091
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。

Claims (8)

1.一种基于二次引导透射图的水下图像复原方法，其特征在于，包含的以下步骤：
步骤S01：首先对原始图像的红通道进行反转获取反转后的图像，在所述反转后的图像上使用暗通道先验，得到红色暗通道图像；
步骤S02：在所述红色暗通道图像上求取背景光；
步骤S03：获取所述原始图像的饱和度，并修正红色暗通道先验；
步骤S04：根据所述步骤S02及所述步骤S03分别得到所述背景光和所述饱和度，通过步骤S03获取的所述修正的红色暗通道先验，求取粗糙透射图，通过二次引导滤波获取细化透射图；
步骤S05：根据所述背景光与所述细化透射图，结合水下成像模型进行图像复原；
步骤S06：将复原的图像进行对比度拉伸，通过自动色阶方法，获取最终复原图像。
2.根据权利要求1所述的一种基于二次引导透射图的水下图像复原方法，其特征还在于：所述步骤S01中红色暗通道图像由红色暗通道先验得到，所述红色暗通道先验公式为：
Figure FDA0002229158160000011
其中，JRED(x)表示清晰图像的红色暗通道，Ω(x)表示以x为中心的局部块； JR(y)，JG(y)，JB(y)分别表示清晰图像的红通道，绿通道，蓝通道。
3.根据权利要求1所述的一种基于二次引导透射图的水下图像复原方法，其特征还在于：所述步骤S02中的背景光求取，具体步骤为：
S021：计算所述原始图像的红色暗通道；
S022：采用红色暗通道上前10％的像素，在所述10％的像素中，选择红色成分低的像素，记录其位置x0，则背景光公式为：
A＝(IR(x0),IG(x0),IB(x0))；
其中，I表示原始图像，IR(x0)，IG(x0)，IB(x0)分别表示红通道，绿通道，蓝通道的背景光。
4.根据权利要求1所述的一种基于二次引导透射图的水下图像复原方法，其特征还在于：所述步骤S03中的饱和度求取公式为：
Figure FDA0002229158160000021
其中，I表示原始图像，RGB表示图像三个通道；加入饱和度分量之后，红色暗通道先验修正为：
Figure FDA0002229158160000022
5.根据权利要求1所述的一种基于二次引导透射图的水下图像复原方法，其特征还在于：所述步骤S04细化透射图包含以下步骤：
步骤S041：通过所述背景光和所述饱和度，结合修正的红色暗通道先验，估计的粗糙透射图为：
Figure FDA0002229158160000023
其中，λ表示饱和度参数；
步骤S042：通过所述二次引导滤波对粗糙透射图进行细化，首先用引导滤波将粗糙透射图分解为基础图像和细节图像，公式为：
u＝guidefilter(p,I,r1,ε)；
d＝p-u；
其中，I表示引导图像，即所述原始图像的灰度图，p表示输入图像，r1表示滤波窗口的大小，ε表示正则化参数，u表示基础图像，d表示细节图像；
步骤S043：将所述基础图像进行拉普拉斯滤波器处理，所述细节图像进行引导滤波处理，则：
U＝u*Lap；
Figure FDA0002229158160000024
D＝guidefilter(d,I,r2,ε)；
其中，Lap表示3×3的拉普拉斯算子，*表示卷积操作，U表示拉普拉斯滤波处理后的基础图像，D表示引导滤波处理后的细节图像；
步骤S044：将所述处理后的细节图像重构得到细化透射图，则重构公式为：
t＝U+D；
其中，t表示重构图像，即所述细化透射图。
6.根据权利要求1所述的一种基于二次引导透射图的水下图像复原方法，其特征还在于：所述步骤S05中的水下成像模型公式为：
Ic(x)＝Jc(x)tc(x)+Ac(1-tc(x)),c∈{r,g,b}；
其中，Ic(x)表示原始图像，Jc(x)tc(x)表示直接分量，Ac(1-tc(x))表示背景光散射分量，Jc(x)表示复原图像，Ac表示背景光强度，tc(x)表示所述细化透射图；
根据所述步骤S02得到的背景光和所述步骤S04得到的透射图，结合所述水下成像模型进行反推，则复原公式为：
Figure FDA0002229158160000031
其中，α∈{R,G,B},为避免透射图过低导致溢出，给t加一个下限t0，t0取值为0.1。
7.根据权利要求1所述的一种基于二次引导透射图的水下图像复原方法，其特征还在于：所述步骤S06中自动色阶原理为：根据原图直方图自动设置上下阈值；当小于所述下阈值的直方图部分灰度值设为0，当大于所述上阈值直方图的部分灰度值设为255，上下阈值之间部分，按比例分配到[0,255]灰度级之间，得到新的直方图，分配公式为：
Figure FDA0002229158160000032
其中，xmax为上阈值，xmin为下阈值，x表示复原图像的像素值，X表示最终复原图像的像素值。
8.根据权利要求1所述的一种基于二次引导透射图的水下图像复原方法，其特征还在于：所述步骤S04中λ＝0.6，引导滤波中的r1＝22，r2＝10，ε＝0.0001。
CN201910961757.XA 2019-10-11 2019-10-11 一种基于二次引导透射图的水下图像复原方法 Active CN110689504B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910961757.XA CN110689504B (zh) 2019-10-11 2019-10-11 一种基于二次引导透射图的水下图像复原方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910961757.XA CN110689504B (zh) 2019-10-11 2019-10-11 一种基于二次引导透射图的水下图像复原方法

Publications (2)

Publication Number Publication Date
CN110689504A CN110689504A (zh) 2020-01-14
CN110689504B true CN110689504B (zh) 2022-09-30

Family

ID=69111988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910961757.XA Active CN110689504B (zh) 2019-10-11 2019-10-11 一种基于二次引导透射图的水下图像复原方法

Country Status (1)

Country Link
CN (1) CN110689504B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111738941B (zh) * 2020-06-05 2023-08-29 大连海事大学 融合光场和偏振信息的水下图像优化方法
CN113344802A (zh) * 2021-04-19 2021-09-03 大连海事大学 一种基于自适应的大气光融合的水下图像复原方法
CN113538276A (zh) * 2021-07-15 2021-10-22 大连海事大学 基于复杂水下成像模型的水下图像颜色校正方法
CN114119383B (zh) * 2021-09-10 2024-04-26 大连海事大学 一种基于多特征融合的水下图像复原方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9177363B1 (en) * 2014-09-02 2015-11-03 National Taipei University Of Technology Method and image processing apparatus for image visibility restoration
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9177363B1 (en) * 2014-09-02 2015-11-03 National Taipei University Of Technology Method and image processing apparatus for image visibility restoration
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 (1)

* Cited by examiner, † Cited by third party
Title
基于红色暗通道先验和逆滤波的水下图像复原;徐岩等;《激光与光电子学进展》;20170924(第02期);全文 *

Also Published As

Publication number Publication date
CN110689504A (zh) 2020-01-14

Similar Documents

Publication Publication Date Title
CN110689504B (zh) 一种基于二次引导透射图的水下图像复原方法
Liang et al. Single underwater image enhancement by attenuation map guided color correction and detail preserved dehazing
CN110689587B (zh) 一种基于颜色校正和细节增强的水下图像增强方法
CN110889812B (zh) 一种多尺度融合图像特征信息的水下图像增强方法
CN111047530A (zh) 基于多特征融合的水下图像颜色校正和对比度增强方法
CN109118446B (zh) 一种水下图像复原及去噪方法
CN110689490A (zh) 一种基于纹理颜色特征和优化透射率的水下图像复原方法
CN109816605A (zh) 一种基于多通道卷积的msrcr图像去雾方法
CN107705258B (zh) 一种三基色联合预均衡和去模糊的水下图像增强方法
Pei et al. Effective image haze removal using dark channel prior and post-processing
CN109272475B (zh) 一种快速有效修复与强化水下图像颜色的方法
CN112488948A (zh) 一种基于黑色像素点估计后向散射的水下图像复原方法
Chen et al. Underwater image enhancement based on color balance and multi-scale fusion
CN114119383B (zh) 一种基于多特征融合的水下图像复原方法
Ueki et al. Underwater image enhancement based on the iteration of a generalization of dark channel prior
CN110930319A (zh) 基于自适应透射率估计的水下图像清晰化方法
CN117541520A (zh) 一种基于最优化算法的低耦合Retinex模型的水下图像增强方法
Abbaspour et al. A new fast method for foggy image enhancement
CN113344802A (zh) 一种基于自适应的大气光融合的水下图像复原方法
CN113269763A (zh) 基于深度图复原和亮度估计的水下图像清晰度恢复方法
Powar et al. A review: Underwater image enhancement using dark channel prior with gamma correction
CN116109513B (zh) 一种基于局部环境光投影恒常先验的图像去雾方法
CN113538543B (zh) 一种基于纹理分布和光吸收的水下图像复原方法
Park et al. Gradient-based contrast enhancement and color correction for underwater images
Dhivya et al. EFFECTIVE IMAGE ENHANCEMENT TECHNIQUES FOR FOG AFFECTED INDOOR AND OUTDOOR IMAGES

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