CN111127359A - 一种基于选择性补偿颜色和三区间均衡的水下图像增强方法 - Google Patents
一种基于选择性补偿颜色和三区间均衡的水下图像增强方法 Download PDFInfo
- Publication number
- CN111127359A CN111127359A CN201911319794.7A CN201911319794A CN111127359A CN 111127359 A CN111127359 A CN 111127359A CN 201911319794 A CN201911319794 A CN 201911319794A CN 111127359 A CN111127359 A CN 111127359A
- Authority
- CN
- China
- Prior art keywords
- image
- channel
- color
- compensation
- underwater
- 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
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000000926 separation method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 abstract description 2
- 238000004321 preservation Methods 0.000 abstract 2
- 239000003086 colorant Substances 0.000 abstract 1
- 230000015556 catabolic process Effects 0.000 description 8
- 238000006731 degradation reaction Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10024—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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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)
- Processing Of Color Television Signals (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于选择性补偿颜色和三区间均衡的水下图像增强方法,属于图像处理领域,为解决水下退化图像的颜色失真、低对比度、细节模糊等问题,本发明方法,包括:基于均值的选择性补偿颜色方法和基于三区间的均衡方法,其中补偿方法,通过计算R、G、B三通道图像的颜色均值以判断哪个通道的颜色保存较好,并将保存较好的颜色通道作为另外两个颜色通道的颜色补偿参考基准;均衡方法,通过下侧分位法将R、G、B三通道图像均被分解为三个子区间,并对各个子区间采用不同的均衡操作。最终实现了水下退化图像的颜色校正和对比度增强。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,尤其涉及一种基于选择性补偿颜色和三区间均衡的水下图像增强方法。
背景技术
随着计算机视觉的快速发展及其在水下探测、水下自主导航以及水下生物监控等领域的广泛应用。水下图像增强已成为计算机视觉的重要研究方向。然而,复杂的水下环境往往严重影响水下图像的质量。水体的散射和吸收作用导致水下图像呈现低对比度和颜色失真。除此以外,成像过程中电子元器件以及光子的不规则运动容易引入随机噪声。总之,水下捕获的退化图像在显示和提取有价值信息方面存在一定的局限性。因此,一种有效的水下图像增强方法对于开发和利用海洋资源是有重大意义的。
基于水下图像的复原方法是通过求解水下退化模型实现水下图像的复原。主要包括基于水下光学成像的方法和基于先验知识的方法。基于水下光学成像的方法能够复原出接近真实场景的图像,但需要考虑水下散射、水下光源和拍摄相机的距离对成像的影响。基于先验知识的方法需要利用暗通道、色彩线等先验知识,这些先验知识的获取困难。基于图像增强的方法通过修改图像的像素值实现水下图像的增强。主要包括基于频域和基于空域的方法。频域法有效地移除噪声,但针对水下图像的对比度增强、颜色校正并不能取得较好的效果。空域法能够提高图像的对比度,但由于没有考虑色偏,且不能较好地抑制噪声,导致增强的图像出现红色伪影、噪声放大等问题。
发明内容
根据上述提出的技术问题,提供一种基于选择性补偿颜色和三区间均衡的水下图像增强方法。本发明主要根据水下图像的退化特性提出了一个颜色的选择性补偿方法,并且利用三区间均衡的方法增强水下图像的对比度、突显图像细节。
本发明采用的技术手段如下:
一种基于选择性补偿颜色和三区间均衡的水下图像增强方法,其特征在于,包括以下步骤:
S1、获取原始的水下退化图像,并将该图像分解为R、G、B三通道图像;
S4、采用下侧分位法将步骤S3中获得补偿的R、G、B三通道图像分离为三个子区间,并对每个通道的子区间进行均衡化处理;
S5、将均衡化处理后的R、G、B三通道图像进行融合,获得最终的水下增强图像。
其中,M和N分别表示输入图像I的行和列的数量;当C∈{R,G,B}时,IR(i,j)、IG(i,j)、IB(i,j)分别是R、G、B三通道图像在(i,j)位置的像素值;分别是R、G、B三通道图像总像素强度的均值。
进一步地,所述步骤S3中补偿的具体步骤如下:
其中,IRC和IBC表示被补偿的R通道图像和B通道图像,α1、α2分别表示补偿因子;
其中,IRC和IGC表示被补偿的R通道图像和G通道图像。
进一步地,所述步骤S4中的均衡化处理,具体包括:
S41、采用下侧分位法确定截取的阈值,其表达如下:
其中,F(x)为连续变量X的分布函数,p(x)为概率密度函数且α∈[0,1],xα为下侧α分位数,α表示从零梯度值累积到当前梯度值的概率和,利用α确定区间的阈值;
S42、以R通道图像为例,假设其高光值maxR和阴影值minR的截止概率为p1和p2,当α=p1,将从零累计到当前梯度幅值所占的比例作为截止概率,同时将对应的像素值作为阈值min;继续累计当前梯度所占比例,当α=p2时截止,并将截止概率对应的像素值作为阈值maxR,同理,可求得minG、minB、maxG和maxB;
S43、对中间区域进行线性拉伸操作,且确保每个灰度值在[0,255]之间,因此,线性拉伸的表达可定义为:
当c∈{R,G,B}时,PR(i,j),PG(i,j)和PB(i,j)分别表示R、G、B三通道图像在(i,j)位置校正后的灰度值;IR(i,j),IG(i,j)和IB(i,j)分别表示R、G、B三通道图像在(i,j)位置的灰度值;minR,minG和minB分别表示R、G、B三通道图像的下限截止阈值;maxR,maxG和maxB分别表示R、G、B三通道图像的上限截止阈值。
较现有技术相比,本发明具有以下优点:
1、本发明基于选择性颜色补偿方法可以实现多种退化场景的水下图像的颜色补偿,较好地解决水下退化图像的颜色失真问题。
2、本发明利用三区间的均衡方法实现了暗区域和高光区域的有效抑制,中期区域的有效拉伸,该方法很好地提高了图像的对比度、突显了图像细节。
基于上述理由本发明可在水下图像增强等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程示意图。
图2为本发明实施例提供的针对蓝色退化严重的水下图像的原始图像、增强结果以及对应的直方图分布。
图3为本发明实施例提供的针对绿色退化严重的水下图像的原始图像、增强结果以及对应的直方图分布。
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。
实施例
为了验证本发明针对水下退化图像增强的有效性,选取不同场景的水下图像作为测试集从主观方面进行对比分析。具体步骤和原理如下:
如图1所示,本发明提供了一种基于选择性补偿颜色和三区间均衡的水下图像增强方法,,包括以下步骤:
S1、获取原始的水下退化图像,并将该图像分解为R、G、B三通道图像;
其中,M和N分别表示输入图像I的行和列的数量;当C∈{R,G,B}时,IR(i,j)、IG(i,j)、IB(i,j)分别是R、G、B三通道图像在(i,j)位置的像素值;分别是R、G、B三通道图像总像素强度的均值。
具体的,作为本发明优选的实施方式,所述步骤S3中补偿的具体步骤如下:
其中,IRC和IBC表示被补偿的R通道图像和B通道图像,α1、α2分别表示补偿因子;在实际应用中,测试表明α1和α2都被设定为1.0时适用于多种退化情况的水下图像。
其中,IRC和IGC表示被补偿的R通道图像和G通道图像,同理,将α1和α2也设定为1。
S4、采用下侧分位法将步骤S3中获得补偿的R、G、B三通道图像分离为三个子区间,并对每个通道的子区间进行均衡化处理;
具体的,作为本发明优选的实施方式,步骤S4中的三区间均衡算法,具体包括:
所述步骤S4中的均衡化处理,具体包括:
S41、采用下侧分位法确定截取的阈值,其表达如下:
其中,F(x)为连续变量X的分布函数,p(x)为概率密度函数且α∈[0,1],xα为下侧α分位数,α表示从零梯度值累积到当前梯度值的概率和,利用α确定区间的阈值;
S42、以R通道图像为例,假设其高光值maxR和阴影值minR的截止概率为p1和p2,当α=p1,将从零累计到当前梯度幅值所占的比例作为截止概率,同时将对应的像素值作为阈值min;继续累计当前梯度所占比例,当α=p2时截止,并将截止概率对应的像素值作为阈值maxR,同理,可求得minG、minB、maxG和maxB;测试表明当p1=0.5%且p2=99.5%时三通道的直方图被很好地均衡。
S43、对中间区域进行线性拉伸操作,且确保每个灰度值在[0,255]之间,因此,线性拉伸的表达可定义为:
当c∈{R,G,B}时,PR(i,j),PG(i,j)和PB(i,j)分别表示R、G、B三通道图像在(i,j)位置校正后的灰度值;IR(i,j),IG(i,j)和IB(i,j)分别表示R、G、B三通道图像在(i,j)位置的灰度值;minR,minG和minB分别表示R、G、B三通道图像的下限截止阈值;maxR,maxG和maxB分别表示R、G、B三通道图像的上限截止阈值。
S5、将均衡化处理后的R、G、B三通道图像进行融合,获得最终的水下增强图像。
如图2、3所示,本发明分别提供了针对蓝色、绿色退化严重的水下图像的原始图像、增强结果以及它们对应的直方图分布。图像分析具体如下:
如图2(a)所示,四幅蓝色退化严重的水下图像呈现出颜色失真、低对比度、细节模糊等问题;如图2(b)所示,可以观察到这些水下退化图像的红色和蓝色的直方图整体趋向于左侧,绿色的直方图整体趋向于右侧;如图2(c)所示,增强的水下图像校正了颜色、提高了对比度、突显了细节;如图2(d)所示,增强的水下图像的三色直方图得到了很好的均衡,反映了退化图像的颜色得到了很好的校正。
如图3(a)所示,四幅绿色退化严重的水下图像呈现出颜色失真、低对比度、细节模糊等问题;如图3(b)所示,可以观察到这些水下退化图像的红色和绿色的直方图整体趋向于左侧,蓝色的直方图整体趋向于右侧;如图3(c)所示,增强的水下图像校正了颜色、提高了对比度、突显了细节;如图3(d)所示,增强的水下图像的三色直方图得到了很好的均衡,反映了退化图像的颜色得到了很好的校正。
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 (4)
4.根据权利要求1所述的基于选择性补偿颜色和三区间均衡的水下图像增强方法,其特征在于,所述步骤S4中的均衡化处理,具体包括:
S41、采用下侧分位法确定截取的阈值,其表达如下:
其中,F(x)为连续变量X的分布函数,p(x)为概率密度函数且α∈[0,1],xα为下侧α分位数,α表示从零梯度值累积到当前梯度值的概率和,利用α确定区间的阈值;
S42、以R通道图像为例,假设其高光值maxR和阴影值minR的截止概率为p1和p2,当α=p1,将从零累计到当前梯度幅值所占的比例作为截止概率,同时将对应的像素值作为阈值min;继续累计当前梯度所占比例,当α=p2时截止,并将截止概率对应的像素值作为阈值maxR,同理,可求得minG、minB、maxG和maxB;
S43、对中间区域进行线性拉伸操作,且确保每个灰度值在[0,255]之间,因此,线性拉伸的表达可定义为:
当c∈{R,G,B}时,PR(i,j),PG(i,j)和PB(i,j)分别表示R、G、B三通道图像在(i,j)位置校正后的灰度值;IR(i,j),IG(i,j)和IB(i,j)分别表示R、G、B三通道图像在(i,j)位置的灰度值;minR,minG和minB分别表示R、G、B三通道图像的下限截止阈值;maxR,maxG和maxB分别表示R、G、B三通道图像的上限截止阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911319794.7A CN111127359B (zh) | 2019-12-19 | 2019-12-19 | 一种基于选择性补偿颜色和三区间均衡的水下图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911319794.7A CN111127359B (zh) | 2019-12-19 | 2019-12-19 | 一种基于选择性补偿颜色和三区间均衡的水下图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111127359A true CN111127359A (zh) | 2020-05-08 |
CN111127359B CN111127359B (zh) | 2023-05-23 |
Family
ID=70500299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911319794.7A Active CN111127359B (zh) | 2019-12-19 | 2019-12-19 | 一种基于选择性补偿颜色和三区间均衡的水下图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127359B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116542A (zh) * | 2020-09-24 | 2020-12-22 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
CN112288661A (zh) * | 2020-12-28 | 2021-01-29 | 成都索贝数码科技股份有限公司 | 一种图像色彩校正方法 |
CN112419210A (zh) * | 2020-12-08 | 2021-02-26 | 大连海事大学 | 基于颜色校正和三区间直方图拉伸的水下图像增强方法 |
CN113947553A (zh) * | 2021-12-20 | 2022-01-18 | 山东信通电子股份有限公司 | 一种图像亮度增强方法及设备 |
WO2022253014A1 (zh) * | 2021-05-31 | 2022-12-08 | 影石创新科技股份有限公司 | 水下图像色彩还原方法和装置 |
CN117309833A (zh) * | 2023-09-28 | 2023-12-29 | 兰州大学 | 一种铀的便携式快速检测系统及方法 |
WO2024056014A1 (zh) * | 2022-09-14 | 2024-03-21 | 影石创新科技股份有限公司 | 图像白平衡处理方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030052978A1 (en) * | 2001-06-25 | 2003-03-20 | Nasser Kehtarnavaz | Automatic white balancing via illuminant scoring autoexposure by neural network mapping |
CN107507145A (zh) * | 2017-08-25 | 2017-12-22 | 上海海洋大学 | 一种基于不同颜色空间自适应直方图拉伸的水下图像增强方法 |
CN107580205A (zh) * | 2017-08-31 | 2018-01-12 | 广东欧珀移动通信有限公司 | 白平衡调整方法和装置 |
-
2019
- 2019-12-19 CN CN201911319794.7A patent/CN111127359B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030052978A1 (en) * | 2001-06-25 | 2003-03-20 | Nasser Kehtarnavaz | Automatic white balancing via illuminant scoring autoexposure by neural network mapping |
CN107507145A (zh) * | 2017-08-25 | 2017-12-22 | 上海海洋大学 | 一种基于不同颜色空间自适应直方图拉伸的水下图像增强方法 |
CN107580205A (zh) * | 2017-08-31 | 2018-01-12 | 广东欧珀移动通信有限公司 | 白平衡调整方法和装置 |
Non-Patent Citations (5)
Title |
---|
WANG ZHANG 等: ""Draft Survey Based on Image Processing"" * |
不同颜色模型下自适应直方图拉伸的水下图像增强": "不同颜色模型下自适应直方图拉伸的水下图像增强"" * |
余义德 等: ""基于限制对比度颜色校正的水下图像增强"" * |
白继嵩: ""水下图像处理及目标分类关键技术研究"" * |
董丽丽 等: ""基于局部梯度场均衡化的图像增强方法"" * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116542A (zh) * | 2020-09-24 | 2020-12-22 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
CN112116542B (zh) * | 2020-09-24 | 2024-03-08 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
CN112419210A (zh) * | 2020-12-08 | 2021-02-26 | 大连海事大学 | 基于颜色校正和三区间直方图拉伸的水下图像增强方法 |
CN112419210B (zh) * | 2020-12-08 | 2023-09-22 | 大连海事大学 | 基于颜色校正和三区间直方图拉伸的水下图像增强方法 |
CN112288661A (zh) * | 2020-12-28 | 2021-01-29 | 成都索贝数码科技股份有限公司 | 一种图像色彩校正方法 |
CN112288661B (zh) * | 2020-12-28 | 2021-04-09 | 成都索贝数码科技股份有限公司 | 一种图像色彩校正方法 |
WO2022253014A1 (zh) * | 2021-05-31 | 2022-12-08 | 影石创新科技股份有限公司 | 水下图像色彩还原方法和装置 |
CN113947553A (zh) * | 2021-12-20 | 2022-01-18 | 山东信通电子股份有限公司 | 一种图像亮度增强方法及设备 |
CN113947553B (zh) * | 2021-12-20 | 2022-03-18 | 山东信通电子股份有限公司 | 一种图像亮度增强方法及设备 |
WO2024056014A1 (zh) * | 2022-09-14 | 2024-03-21 | 影石创新科技股份有限公司 | 图像白平衡处理方法、装置、计算机设备和存储介质 |
CN117309833A (zh) * | 2023-09-28 | 2023-12-29 | 兰州大学 | 一种铀的便携式快速检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111127359B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127359B (zh) | 一种基于选择性补偿颜色和三区间均衡的水下图像增强方法 | |
Zhou et al. | Auto color correction of underwater images utilizing depth information | |
US8279345B2 (en) | System and method for random noise estimation in a sequence of images | |
US9230304B2 (en) | Apparatus and method for enhancing image using color channel | |
Nithyananda et al. | Review on histogram equalization based image enhancement techniques | |
Chen et al. | Hazy image restoration by bi-histogram modification | |
CN111489303A (zh) | 一种低照度环境下海事图像增强方法 | |
US7903900B2 (en) | Low complexity color de-noising filter | |
CN105205792A (zh) | 一种基于亮度色度分离的水下图像增强方法 | |
CN112465727A (zh) | 基于HSV色彩空间和Retinex理论的无正常光照参考的低照度图像增强方法 | |
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 | |
US20220005159A1 (en) | Noise estimation | |
US11481873B2 (en) | Method and apparatus for image processing | |
Yu et al. | Image and video dehazing using view-based cluster segmentation | |
CN113284070A (zh) | 基于传递注意力机制的非均匀雾图去雾算法 | |
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 | |
CN115760640A (zh) | 基于含噪Retinex模型的煤矿低光照图像增强方法 | |
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 | |
Zhang et al. | Joint denoising and demosaicking of noisy cfa images based on inter-color correlation | |
CN112752064A (zh) | 电力通信光缆监控视频的处理方法和系统 | |
CN109886901A (zh) | 一种基于多通路分解的夜间图像增强方法 | |
Ju et al. | Correction of saturated regions in RGB color space | |
CN114511469B (zh) | 一种图像智能降噪先验检测方法 | |
Chun-minga et al. | Saliency Detection Gradient Preservation for Bayer Image Color Reconstruction | |
Hsu et al. | Efficient moving object extraction in compressed low-bit-rate video |
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 |