CN111047540A - 一种基于天空分割的图像去雾方法及其应用系统 - Google Patents

一种基于天空分割的图像去雾方法及其应用系统 Download PDF

Info

Publication number
CN111047540A
CN111047540A CN201911381415.7A CN201911381415A CN111047540A CN 111047540 A CN111047540 A CN 111047540A CN 201911381415 A CN201911381415 A CN 201911381415A CN 111047540 A CN111047540 A CN 111047540A
Authority
CN
China
Prior art keywords
image
sky
segmentation
histogram
calculating
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
Application number
CN201911381415.7A
Other languages
English (en)
Other versions
CN111047540B (zh
Inventor
龚昌来
龚晓燕
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.)
Jiaying University
Original Assignee
Jiaying 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 Jiaying University filed Critical Jiaying University
Priority to CN201911381415.7A priority Critical patent/CN111047540B/zh
Publication of CN111047540A publication Critical patent/CN111047540A/zh
Application granted granted Critical
Publication of CN111047540B publication Critical patent/CN111047540B/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
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

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

Abstract

本发明公开了一种基于天空分割的图像去雾方法，属于图像去雾技术领域，主要解决的是现有容差机制方法存在不能自适应、抑制色彩失真效果不理想的技术问题，所述方法为：获取原始图像I(x)并计算大气光强度A；以天空区域作为目标、非天空区域作为背景进行分割以统计|I(x)‑A|图像的一维直方图，将所述一维直方图的谷点直方图对应的灰度级作为分割阈值，根据所述分割阈值计算得到调整透射率；根据所述调整透射率计算得到复原图像，并将所述复原图像进行显示输出。本发明还公开了一种基于天空分割的图像去雾系统。本发明可以得到自适应的分割阈值，使天空分割更准确，使消除天空区域色彩失真效果更佳。

Description

一种基于天空分割的图像去雾方法及其应用系统
技术领域
本发明涉及图像去雾技术领域，更具体地说，它涉及一种基于天空分割的图像去雾方法及其应用系统。
背景技术
雾天降质图像的去雾处理是户外计算机视觉领域中的重要问题,具有广阔的应用前景。近年来，基于大气散射模型的图像去雾技术研究取得了很大进展，许多学者提出了一些基于先验知识或假设的图像去雾方法。其中,何凯明等人提出的暗原色先验去雾方法获得广泛应用。暗原色先验去雾方法原理如下,
雾化图像的大气散射模型数学表达式为：
I(x)＝J(x)t(x)+A(1-t(x))
式中，x表示像素点坐标；I(x)为原始雾化图像；J(x)是场景的反照率，即清晰图像；A为大气光强；t(x)为场景的透射率。去雾目的是从I(x)中求出J(x)。J(x)图像的暗原色定义为：
Figure BDA0002342353860000011
式中,Jc表示J的某一个颜色通道，Ω(x)表示以x为中心的一个窗口。暗原色先验规律为:如果J是户外的无雾图像，除了天空区域，暗原色Jdark的强度总是很低并且趋近于0。暗原色先验方法的透射率估算式为：
Figure BDA0002342353860000012
其中，
Figure BDA0002342353860000013
式中ω(0＜ω＜1)为调节因子，使去雾后的图像显得更为自然。
对透射率t(x)采用抠图法或引导滤波得到细化透射率
Figure BDA0002342353860000024
最终复原图像J(x)，
Figure BDA0002342353860000021
t0为
Figure BDA0002342353860000022
的下限。
暗原色先验方法对于户外无天空的雾天图像可以取得非常好的去雾效果，但是，对于天空区域或大面积白色物体等不符合暗原色先验规律，暗原色先验方法对这些区域处理后的效果出现非常严重的亮度下降和色彩失真。针对暗原色先验去雾方法的这一缺点，近年来许多学者对其进行改进，主要改进措施是通过天空识别方法将图像分割为天空与非天空两部分并分别进行合适的去雾处理，以达到很好的去雾效果，同时消除色彩失真。目前已有的天空分割方法有聚类法、区域生长法、最大类间方差法(Otus法)等，已有方法大多需设置一些手动参数或算法复杂度高，难以实现含天空区域图像的实时、自适应去雾处理。蒋建国等人提出－种容差机制方法，简单有效，使复原图像的视觉效果得到显著提高，获得业内认可。
容差机制方法是：引进一个参数k，定义为容差，对于|I(x)-A|＞k的区域，认为是满足原色先验的区域，保持原来的透射率不变。对于|I(x)-A|＜k的区域，认为是天空区域，需对透射率进行调整。透射率调整公式为：
Figure BDA0002342353860000023
式中，k为固定经验常数，对于8bit图像，k＝50；对于归一化图像，k＝50/255≈0.196。
容差机制方法的容差k实质上是天空分割的一种阈值,该方法的效果取决于容差k的精确度。容差机制方法存在二个问题：一是容差k为一个固定经验常数，不能自适应，实际图像的最佳容差k各不相同，因此实际应用中需根据图像特点进行手动调整容差k；二是对天空区域透射率调整强度不佳，抑制色彩失真效果不理想。
发明内容
本发明要解决的技术问题是针对现有技术的上述不足，本发明的目的一是提供一种可以自适应调整、有效消除天空区色彩失真的基于天空分割的图像去雾方法。
本发明的目的二是提供一种可以自适应调整、有效消除天空区色彩失真的基于天空分割的图像去雾系统。
为了实现上述目的一，一种基于天空分割的图像去雾方法，获取原始图像I(x)并计算大气光强度A；以天空区域作为目标、非天空区域作为背景进行分割以统计|I(x)-A|图像的一维直方图，将所述一维直方图的谷点直方图对应的灰度级作为分割阈值，根据所述分割阈值计算得到调整透射率；根据所述调整透射率计算得到复原图像，并将所述复原图像进行显示输出。
作为进一步地说明，计算所述调整透射率及复原图像具体包括以下步骤：
S1.获取原始图像I(x)；
S2.根据所述原始图像I(x)及设定窗口Ω计算得到暗原色Idark(x)；
S3.根据所述暗原色Idark(x)计算得到大气光强度A；
S4.根据所述暗原色Idark(x)、大气光强度A及调节因子ω计算得到暗原色先验透射率tdark(x)，
Figure BDA0002342353860000031
S5.以天空区域作为目标、非天空区域作为背景进行分割以统计|I(x)-A|图像的一维直方图h(rk)，
h(rk)＝nk，k＝0，1，…，255
其中，rk表示第k个灰度级,nk为第k级灰度的像素数，根据直方图波谷阈值法得到所述一维直方图h(rk)的谷点直方图hmin(rk)，将所述谷点直方图hmin(rk)对应的灰度级rk作为分割阈值k，
k＝rk|h(rk)＝hmin(rk)；
S6.计算调整透射率t′(x),
Figure BDA0002342353860000041
其中，λ为天空透射率的调整因子；
S7.对所述调整透射率t′(x)进行引导滤波得到细化透射率
Figure BDA0002342353860000042
Figure BDA0002342353860000043
其中，GF[]表示引导滤波；
S8.根据所述细化透射率
Figure BDA0002342353860000044
计算复原图像J(x)，
Figure BDA0002342353860000045
其中，t0为
Figure BDA0002342353860000046
的下限。
进一步地，在所述步骤S5中，根据直方图波谷阈值法在(0.1A，0.25A)灰度级范围内搜索所述一维直方图h(rk)得到所述谷点直方图hmin(rk)。
进一步地，在所述步骤S6中，调整因子λ＝0～1。
进一步地，在所述步骤S7中，引导滤波的正则化参数ε＝0.01，滤波窗口半径r＝10，引导图像为原始图像I(x)的灰度图像。
为了实现上述目的二，本发明提供一种基于天空分割的图像去雾系统，包括图像获取模块、图像显示模块、逻辑运算模块，所述图像显示模块用于显示图像，所述图像获取模块从所述图像显示模块中获取原始图像并发送给所述逻辑运算模块，所述逻辑运算模块根据上述的图像去雾方法计算得到调整透射率；根据所述调整透射率计算得到复原图像，并将所述复原图像发送到所述图像显示模块进行显示输出。
有益效果
本发明与现有技术相比，具有的优点为：本发明通过统计|I(x)-A|图像的一维直方图，将一维直方图的谷点直方图对应的灰度级作为分割阈值，根据分割阈值计算得到调整透射率，根据调整透射率计算得到复原图像，本发明的方法可以得到自适应的分割阈值，使天空分割更准确，使消除天空区域色彩失真效果更佳，运算简单、运算量小、处理速度快。
附图说明
图1为本发明的流程图；
图2为场景1原始图；
图3为现有固定阈值k＝50时图2的天空分割图(黑色表示天空)；
图4为图2使用现有容差机制方法的透射率图；
图5为图2使用现有容差机制方法的去雾效果图；
图6为本发明中分割阈值k＝32时图2的天空分割图(黑色表示天空)；
图7为本发明中λ＝0.5时图2的调整透射率图；
图8为本发明中λ＝0.5时图2的去雾效果图；
图9为场景2原始图；
图10为现有固定阈值k＝50时图9的天空分割图(黑色表示天空)；
图11为图9使用现有容差机制方法的透射率图；
图12为图9使用现有容差机制方法的去雾效果图；
图13为本发明中分割阈值k＝28时图9的天空分割图(黑色表示天空)；
图14为本发明中λ＝1时图9的调整透射率图；
图15为本发明中λ＝1时图9的去雾效果图。
具体实施方式
下面结合附图中的具体实施例对本发明做进一步的说明。
参阅图1-15，一种基于天空分割的图像去雾方法，获取原始图像I(x)并计算大气光强度A；以天空区域作为目标、非天空区域作为背景进行分割以统计|I(x)-A|图像的一维直方图，将一维直方图的谷点直方图对应的灰度级作为分割阈值，根据分割阈值计算得到调整透射率；根据调整透射率计算得到复原图像，并将复原图像进行显示输出。
计算调整透射率及复原图像具体包括以下步骤：
S1.获取原始图像I(x)；
S2.根据原始图像I(x)及设定窗口Ω计算得到暗原色Idark(x)，
Figure BDA0002342353860000061
设定窗口Ω为15×15像素；
S3.根据暗原色Idark(x)计算得到大气光强度A，具体为先取暗原色Idark(x)图像中的最大0.1％的像素点,然后选取这些点在原始图像I(x)中对应的最大亮度值作为整幅图像的大气光强度A；
S4.根据暗原色Idark(x)、大气光强度A及调节因子ω计算得到暗原色先验透射率tdark(x)，
Figure BDA0002342353860000062
调节因子ω＝0.95；
S5.以天空区域作为目标、非天空区域作为背景进行分割以统计|I(x)-A|图像的一维直方图h(rk)，
h(rk)＝nk，k＝0，1，…，255
其中，rk表示第k个灰度级,nk为第k级灰度的像素数，即直方图频次，根据直方图波谷阈值法得到一维直方图h(rk)的谷点直方图hmin(rk)，具体为根据直方图波谷阈值法在(0.1A，0.25A)灰度级范围内搜索一维直方图h(rk)得到谷点直方图hmin(rk)，谷点直方图即为频次最小的直方图，将谷点直方图hmin(rk)对应的灰度级rk作为分割阈值k，
k＝rk|h(rk)＝hmin(rk)，
其中，0.1A＜rk＜0.25A，对于|I(x)-A|≥k的区域划分为非天空区域，对于|I(x)-A|＜k的区域划分为天空区域；大量实验结果表明，本发明方法计算分割阈值k切实可行,分割阈值k对于绝大多数图像天空分割的准确性优于固定经验常数k＝50，并且算法简单，可自动计算处理无需人工干预；
S6.计算调整透射率t′(x),
Figure BDA0002342353860000071
其中，λ为天空透射率的调整因子，调整因子λ＝0～1。对于－般含天空区域图像λ＝0.5时可取得较好消除天空区域色彩失真效果，λ取值越小，消除色彩失真效果越好，但λ值过小时，因调整剧烈会造成图像天空区域出现较明显的跳变痕迹，在实际应用中可根据需要选取λ值；
S7.对调整透射率t′(x)进行引导滤波得到细化透射率
Figure BDA0002342353860000072
Figure BDA0002342353860000073
其中，GF[]表示引导滤波，引导滤波的正则化参数ε＝0.01，滤波窗口半径r＝10，引导图像为原始图像I(x)的灰度图像；
S8.根据细化透射率
Figure BDA0002342353860000081
计算复原图像J(x)，
Figure BDA0002342353860000082
其中，t0为
Figure BDA0002342353860000083
的下限，取t0＝0.1。
一种基于天空分割的图像去雾系统，包括图像获取模块、图像显示模块、逻辑运算模块，图像显示模块用于显示图像，图像获取模块从图像显示模块中获取原始图像并发送给逻辑运算模块，逻辑运算模块根据上述的图像去雾方法计算得到调整透射率；根据调整透射率计算得到复原图像，并将复原图像发送到图像显示模块进行显示输出。
图2为场景1原始图，图3为现有固定阈值k＝50时图2的天空分割图(黑色表示天空)，图4为图2使用现有容差机制方法的透射率图，图5为图2使用现有容差机制方法的去雾效果图。图6为本发明中分割阈值k＝32时图2的天空分割图(黑色表示天空)，图7为本发明中λ＝0.5时图2的调整透射率图，图8为本发明中λ＝0.5时图2的去雾效果图。
图9为场景2原始图，图10为现有固定阈值k＝50时图9的天空分割图(黑色表示天空)，图11为图9使用现有容差机制方法的透射率图，图12为图9使用现有容差机制方法的去雾效果图。图13为本发明中分割阈值k＝28时图9的天空分割图(黑色表示天空)，图14为本发明中λ＝1时图9的调整透射率图，图15为本发明中λ＝1时图9的去雾效果图。
对比实验结果表明，本发明方法的天空分割更准确、透射率调整强度更好、消除天空区域色彩失真效果更佳。此外，通过大量实验证明，本发明具有较强的鲁棒性，对大部分含天空区域图像的天空分割准确性高，消除天空区域色彩失真效果好。
以上仅是本发明的优选实施方式，应当指出对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些都不会影响本发明实施的效果和专利的实用性。

Claims (6)

1.一种基于天空分割的图像去雾方法，其特征在于，获取原始图像I(x)并计算大气光强度A；以天空区域作为目标、非天空区域作为背景进行分割以统计|I(x)-A|图像的一维直方图，将所述一维直方图的谷点直方图对应的灰度级作为分割阈值，根据所述分割阈值计算得到调整透射率；根据所述调整透射率计算得到复原图像，并将所述复原图像进行显示输出。
2.根据权利要求1所述的一种基于天空分割的图像去雾方法，其特征在于，计算所述调整透射率及复原图像具体包括以下步骤：
S1.获取原始图像I(x)；
S2.根据所述原始图像I(x)及设定窗口Ω计算得到暗原色Idark(x)；
S3.根据所述暗原色Idark(x)计算得到大气光强度A；
S4.根据所述暗原色Idark(x)、大气光强度A及调节因子ω计算得到暗原色先验透射率tdark(x)，
Figure FDA0002342353850000011
S5.以天空区域作为目标、非天空区域作为背景进行分割以统计|I(x)-A|图像的一维直方图h(rk)，
h(rk)＝nk，k＝0，1，...，255
其中，rk表示第k个灰度级，nk为第k级灰度的像素数，根据直方图波谷阈值法得到所述一维直方图h(rk)的谷点直方图hmin(rk)，将所述谷点直方图hmin(rk)对应的灰度级rk作为分割阈值k，
Figure FDA0002342353850000013
S6.计算调整透射率t′(x)，
Figure FDA0002342353850000012
其中，λ为天空透射率的调整因子；
S7.对所述调整透射率t′(x)进行引导滤波得到细化透射率
Figure FDA0002342353850000021
Figure FDA0002342353850000022
其中，GF[]表示引导滤波；
S8.根据所述细化透射率
Figure FDA0002342353850000023
计算复原图像J(x)，
Figure FDA0002342353850000024
其中，t0为
Figure FDA0002342353850000025
的下限。
3.根据权利要求2所述的一种基于天空分割的图像去雾方法，其特征在于，在所述步骤S5中，根据直方图波谷阈值法在(0.1A，0.25A)灰度级范围内搜索所述一维直方图h(rk)得到所述谷点直方图hmin(rk)。
4.根据权利要求2所述的一种基于天空分割的图像去雾方法，其特征在于，在所述步骤S6中，调整因子λ＝0～1。
5.根据权利要求2所述的一种基于天空分割的图像去雾方法，其特征在于，在所述步骤S7中，引导滤波的正则化参数ε＝0.01，滤波窗口半径r＝10，引导图像为原始图像I(x)的灰度图像。
6.一种基于天空分割的图像去雾系统，其特征在于，包括图像获取模块、图像显示模块、逻辑运算模块，所述图像显示模块用于显示图像，所述图像获取模块从所述图像显示模块中获取原始图像并发送给所述逻辑运算模块，所述逻辑运算模块根据权利1-5任一所述的图像去雾方法计算得到调整透射率；根据所述调整透射率计算得到复原图像，并将所述复原图像发送到所述图像显示模块进行显示输出。
CN201911381415.7A 2019-12-27 2019-12-27 一种基于天空分割的图像去雾方法及其应用系统 Active CN111047540B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911381415.7A CN111047540B (zh) 2019-12-27 2019-12-27 一种基于天空分割的图像去雾方法及其应用系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911381415.7A CN111047540B (zh) 2019-12-27 2019-12-27 一种基于天空分割的图像去雾方法及其应用系统

Publications (2)

Publication Number Publication Date
CN111047540A true CN111047540A (zh) 2020-04-21
CN111047540B CN111047540B (zh) 2023-07-28

Family

ID=70240678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911381415.7A Active CN111047540B (zh) 2019-12-27 2019-12-27 一种基于天空分割的图像去雾方法及其应用系统

Country Status (1)

Country Link
CN (1) CN111047540B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021212810A1 (zh) * 2020-04-23 2021-10-28 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200445A (zh) * 2014-09-26 2014-12-10 常熟理工学院 一种最优对比度和最小信息损失的图像去雾方法
CN106251301A (zh) * 2016-07-26 2016-12-21 北京工业大学 一种基于暗原色先验的单幅图像去雾方法
WO2017121018A1 (zh) * 2016-01-11 2017-07-20 中兴通讯股份有限公司 二维码图像处理的方法和装置、终端、存储介质
US20190287219A1 (en) * 2018-03-15 2019-09-19 National Chiao Tung University Video dehazing device and method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200445A (zh) * 2014-09-26 2014-12-10 常熟理工学院 一种最优对比度和最小信息损失的图像去雾方法
WO2017121018A1 (zh) * 2016-01-11 2017-07-20 中兴通讯股份有限公司 二维码图像处理的方法和装置、终端、存储介质
CN106251301A (zh) * 2016-07-26 2016-12-21 北京工业大学 一种基于暗原色先验的单幅图像去雾方法
US20190287219A1 (en) * 2018-03-15 2019-09-19 National Chiao Tung University Video dehazing device and method

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴延海;张婧;陈康;: "改进的基于均值滤波的单幅图像去雾算法研究", 西安科技大学学报, vol. 36, no. 04, pages 583 - 588 *
龚昌来;申志强;罗聪;: "基于暗原色先验图像去雾中透射率的修正研究", 嘉应学院学报, vol. 34, no. 08, pages 18 - 23 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021212810A1 (zh) * 2020-04-23 2021-10-28 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN111047540B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
US11127122B2 (en) Image enhancement method and system
CN108876743B (zh) 一种图像快速去雾方法、系统、终端及存储介质
CN110148095A (zh) 一种水下图像增强方法及增强装置
CN107301623B (zh) 一种基于暗通道和图像分割的交通图像去雾方法及系统
CN106251300B (zh) 一种基于Retinex的快速夜间雾天图像复原方法
CN111292258B (zh) 一种基于暗通道和亮通道先验的图像去雾方法
CN110570360B (zh) 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法
CN106875351A (zh) 一种面向大面积天空区域图像的去雾方法
CN109087254B (zh) 无人机航拍图像雾霾天空和白色区域自适应处理方法
CN108133462B (zh) 一种基于梯度场区域分割的单幅图像的复原方法
CN109118450B (zh) 一种沙尘天气条件下的低质图像增强方法
CN108564538A (zh) 一种基于环境光差异的图像去雾霾方法及系统
CN104091307A (zh) 基于反馈均值滤波的雾天图像快速复原方法
CN109949239B (zh) 一种适用于多浓度多场景雾霾图像的自适应清晰化方法
Pandian et al. Object Identification from Dark/Blurred Image using WBWM and Gaussian Pyramid Techniques
CN108898561B (zh) 一种含天空区域雾天图像的去雾方法、服务器及系统
CN106709876B (zh) 一种基于暗像元原理的光学遥感图像去雾方法
CN114693548A (zh) 一种基于亮区域检测的暗通道去雾方法
CN110852971B (zh) 基于暗原色先验和Retinex的视频去雾方法及存储介质
Zhang et al. A fast video image defogging algorithm based on dark channel prior
CN111047540A (zh) 一种基于天空分割的图像去雾方法及其应用系统
CN110852957A (zh) 一种基于视网膜特性的快速图像去雾方法
CN109191405B (zh) 一种基于透射率全局估计的航空影像去雾算法
CN116229404A (zh) 一种基于距离传感器的图像去雾优化方法
CN113298730B (zh) 一种基于图像分解的去雾复原方法

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